Antoine Gallant – 2 Novembre 2026
Introduction
L’analytique web repose sur l’analyse du trafic généré lors de visites sur un site web. Ce principe a fonctionné pendant plus de vingt ans. Cependant, l’arrivée des assistants d’intelligence artificielle générative, tels que Claude, Perplexity ou les aperçus IA de Google, modifie la façon dont les gens cherchent des informations. Aujourd’hui les IAG comme Gemini ou ChatGPT atteignent le milliard d’utilisateurs mensuel (Statista, 2026), ce qui réduit considérablement le nombre de visites directes sur les sites web. En effet, ces outils lisent, résument et paraphrasent le contenu du web, souvent sans que l’utilisateur ait besoin de visiter le site d’origine. Pour des outils comme Google Analytics 4 (GA4), cela crée un angle mort.
Dans cet article, nous nous demanderons comment le webanalyste peut travailler lorsqu’une partie de la valeur d’un contenu circule sans laisser de trace. Nous mesurerons d’abord l’ampleur de l’enjeu, ensuite nous expliquerons pourquoi cette perte est problématique, puis nous discuterons des solutions proposées et de leurs limites. Enfin, nous verrons que cette tendance redéfinit le rôle du webanalyste.
Audio récapitulatif de l’article 🎧
1. L’enjeu
D’abord, il faut comprendre ce que Google Analytics 4 (GA4) sait faire. Pour comptabiliser le trafic, GA4 utilise un script JavaScript qui se lance dans le navigateur quand quelqu’un visite une page web. Si une personne clique sur un lien depuis ChatGPT ou Claude, GA4 peut enregistrer cette visite. Parfois, des liens ont des paramètres ajoutés pour le suivi, ce qu’on appelle le Tagging UTM (Julie Perronnet, Séance 4, 2026).
Cependant, le trafic généré par l’IA pose des problèmes. Premièrement, l’attribution de canal est souvent mauvaise. C’est-à-dire que GA4 ne sait pas d’où vient la visite. Selon Nair (2026),, près de 70 % du trafic venant des outils d’IA est mal classé comme trafic direct dans Google Analytics. On perd donc la trace de la provenance réelle du trafic.
Deuxièmement, les robots d’exploration des entreprises d’IA (crawler) parcourent nos pages sans exécuter le script JavaScript de GA4. Ces visites ne sont donc pas enregistrées dans nos rapports. Un robot qui lit le contenu HTML sans lancer le script reste invisible (Julie Perronnet, Séance 2, 2026). Cela signifie qu’un contenu peut être utilisé pour générer de nombreuses réponses par IA sans qu’aucune donnée de visite n’apparaisse dans nos analyses.
Le troisième problème est le plus préoccupant : le zéro clic. Quand une réponse est donnée directement dans l’assistant d’IA, l’utilisateur n’a plus besoin de visiter le site source. En juillet 2025, Google a signalé que ses résumés en haut des pages (Overviews) atteignaient déjà 2 milliards d’utilisateurs mensuels (Pichai, Google News, 2025). Des études montrent que la présence de ces résumés générés par l’IA peut diminuer le nombre de clics vers les sites web (Rosa, 2025). Ici, le problème, c’est qu’il n’y a tout simplement plus de visites à mesurer.
Cela dit, les résultats divergent selon le type de site web. En effet, ce sont surtout les sites qui fournissent de l’information comme les blogs et les journaux qui sont touchés. Pour tous les sites de e-commerce, le trafic IA grignote des plus petites parts de trafic chaque année. Pour un site web comme Wikipédia, cette cannibalisation des clients est particulièrement nocive, on parle d’une réduction de trafic en ligne de 22.7% sur trois ans alors que Wikipédia est largement considéré comme une source fiable, ce qui devrait limiter son explosion à cette tendance comparée aux petits blogs divers (Tremayne-Pengelly, 2025).
2. Pourquoi cette perte est problématique
Cette perte de données affecte trois groupes. Pour les web analystes, cela signifie moins de données pour améliorer les sites web de leurs mandataires. De plus, leurs rapports deviennent moins fiables. Si un canal est sous-estimé, cela peut mener à de mauvaises décisions concernant les investissements ou les optimisations. En effet, si l’analyste comprend mal à quelle étape de la Purchase Journey le client est réellement ou d’où il vient, il ne pourra pas faire de recommandations pertinentes, ce qui peut avoir des conséquences financières (Think with Google, Business.Google, 2024)
Pour les entreprises, cela se traduit par une baisse des visites, et donc moins de revenus publicitaires et de visibilité. Le tout sans qu’il soit possible de chiffrer précisément la perte, car on peut savoir la diminution de l’audience, mais la visibilité générée par les intelligences artificielles génératives (IAG) est très difficile à évaluer. En effet, même avant que les clients fassent leur premier achat, le site web des entreprises leur rapporte de l’argent grâce aux publicités.
Des plateformes comme Amazon font d’importants profits en permettant aux vendeurs de payer pour mettre leurs articles en avant (Sikdar et coll., 2026), d’autres font de l’argent grâce aux publicités affichées sous forme de pop-ups ou de bannières. Cependant, ces revenus sont directement corrélés au nombre de visites. La cannibalisation des visites par ces grands modèles de langage (LLM) nuit donc à la rentabilité des sites de contenu financés par la publicité (ex.blogs)
Enfin, sur le plan éthique, on observe une utilisation de contenus sans attribution ni compensation. Il s’agit de plagiat et de violation du droit d’auteur, ce qui constitue une infraction (HEC Montréal, 2026). En terme plus courant, on pourrait parler de vol : les créateurs travaillent, produisent et publient sur leur site web qui leur rapporte de l’argent grâce à la publicité. Or, dans l’ère actuelle les IAG s’approprient ce contenu sans nécessairement citer la source.
Une étude menée par K. Lou (2026) indique que 20 % des créateurs japonais ont vu leurs revenus diminuer depuis l’essor des IAG. Pour complémenter cela, environ 30 à 40 % du contenu des pages web actives aujourd’hui a été rédigé par l’IA (Spennemann, 2025). Cela montre que le manque de réglementation des LLM entraîne un appauvrissement de la recherche et de l’art. Les LLM agissent comme des concurrents déloyaux et illégaux pour les petits créateurs et les chercheurs.
3. Des solutions qui gèrent le symptôme
Il existe plusieurs méthodes pour aborder cet enjeu de taille qu’est la nouvelle façon de chercher l’information, mais aucune ne le résout entièrement. Une solution est de créer un canal personnalisé dans GA4 pour regrouper
les sources d’IA, ce qui aide à mieux attribuer les clics. Cependant, cette méthode ne prend pas en compte le balayage de collecte de données réalisés par les crawlers ni le trafic zéro clic.
Analyser les logs des réseaux de serveur (CDN) permet de détecter les crawlers d’IA. Chaque requête passe nécessairement par les serveurs, y compris celles des crawlers, et cela, sans dépendre du JavaScript que GA4 détecte. Donc théoriquement cette méthode permet de savoir exactement combien de requêtes sont faites. Cependant, cette analyse mesure l’accès aux données et non l’audience réelle ce qui n’est pas vraiment exploitable. De plus, cela nécessite des compétences techniques que peu d’équipes ont.
Il existe aussi des outils qui suivent la visibilité dans l’IA. Ce sont des outils qui vont poser des centaines de questions aux IAG principales, demandant par exemple quels sont les journaux les plus fiables en marketing et qui vont compter le nombre de fois où chaque entreprise est citée. C’est une solution extrêmement moderne qui nous permet de connaître notre visibilité et notre indice de confiance au sein des intelligences artificielles génératives. Cette solution est toutefois très limitée, car les réponses changent d’une requête à l’autre et d’un jour à l’autre, donc encore une fois, on se retrouve avec un manque de précision qui rend les données difficiles à exploiter.
Enfin, bloquer les robots d’IA permet de reprendre un certain contrôle, mais cela réduit la visibilité dans ces outils. C’est donc un choix à faire entre se protéger et être découvert. En effet, aujourd’hui, il faut accepter qu’une grosse partie de la navigation des clients se fait à travers les IAG donc bloquer ces crawlers est synonyme de nous isoler de toute cette partie du marché.
4. Prise de position sur l’enjeu
Pour ce métier, cela implique un changement d’approche. Les web analystes ne peuvent plus se limiter à compter les visites. Ils doivent apprendre à mesurer l’influence et la visibilité. Il leur faut aussi savoir travailler avec des estimations, des tendances et faire de la triangulation entre plusieurs sources, comme GA4, les données des serveurs CDN ou les outils de suivi des mentions. Il faut maintenant accepter qu’il y a une part d’incertitude dans ce travail.
Cette étude dans l’incertitude est une catastrophe pour les web analystes car ils sont aujourd’hui forcés de prévoir et estimer les valeurs qui étaient autrefois certaines. Tandis que les conséquences d’une mauvaise recommandation sont toujours aussi importantes. Comme pour toute étude, le web analyste peut proposer des meilleures stratégies et solutions s’il a une plus grande quantité de données à sa disposition. Pourtant, le Pew Research Center (2025) à étudier l’impact des IAG sur la collecte de données, et a conclu que le nombre de clics était significativement plus faible en présence et des aperçus IA.
Le travail de web analyste est donc rempli de contradiction, il faut prendre des décisions précise à partir de données imprécises, ou même comprendre que la hausse des impressions est proportionnelle avec la baisse du nombre de clics à cause de l’apparition des IA overviews (Poisson, Gouvernement du Québec, 2026).
Le web analyste doit revoir sa vision du conso -mmateur et son positionnement dans la Customer Journey. En effet, les utilisateurs qui passent par les IAG n’ont pas la même valeur que ceux qui font de la recherche directe ou organique. Selon Poullet (2026), les visiteurs issus d’un assistant IA rebondissent 27 % moins, restent plus longtemps et convertissent bien davantage : entre 5 % et 15,9 %, contre 1,76 % pour les recherches Google organiques. L’IA agirait comme un filtre et un médiateur en lequel le client a confiance.
Cette réévaluation de notre compréhension du processus d’achat est nécessaire car maintenant les IAG sont impliqués dans plusieurs étapes de la Customer Journey. En demandant à l’intelligence artificielle comment améliorer mon niveau de football, elle peut me proposer d’acheter des crampons adaptés, puis m’expliquer ce qui fait une bonne paire de crampons, pour ensuite me faire un comparatif des marques/modèles et des avis, pour enfin me faire une recommandation et me donner le lien vers le site web.
Ici l’IAG joue le rôle de déclencheur (Awereness), Évaluation des besoins (Consideration), Comparatif et Liaison vers le site (Deciding).
Pour les entreprises, la baisse de trafic sur les sites web peut être vue comme une oportunité. Selon Harper (2025), l’intelligence artificielle générative ne tue pas la demande, elle la fait évoluer. Si l’on parvient à faire partie des sources fiables auxquelles se réfèrent les IAG, même si la navigation directe sur notre site diminue, le zéro clic pourrait en réalité améliorer la rentabilité de notre e-commerce. Par exemple, Amazon a perdu 14.01% de son trafic entre 2025 et 2026 (Sarkar, 2026) mais son profit a augmenté de 3.93% (Companies Market Cap, 2026).
Cette nuance a toutefois ses limites. Un meilleur taux de conversion obtenu grâce à l’IA ne compense pas toujours un volume de trafic plus faible. Le marché semble se scinder en deux. Une étude de Seer Interactive (2025) indique que les marques présentes dans les aperçus IA de Google génèrent 35 % de clics organiques et 91 % de clics payants en plus que celles qui n’y figurent pas. Autrement dit, mieux on est classé dans les recherches organiques, plus on augmente nos chances d’être cité par l’IA.
En effet, 38% des entreprises citées par les IAG sont dans le top 10 organique (Ahrefs, mars 2026). Comme les sites bien classés sont souvent les plus gros et les plus établis, l’IA renforce l’avantage des acteurs déjà dominants : c’est l’effet « les riches deviennent plus riches ». Ce bénéfice se concentre donc sur quelques acteurs seulement. C’est pourquoi les grosses entreprises voient leurs ventes augmenter considérablement, tandis que d’autres plus petites envisagent la fermeture.
Bien qu’en apparence, la croissance de l’IA rend la vie des web analyste compliqué, en réalité, c’est une opportunité. Comme interpréter les données devient plus compliqué, les analystes capables de comprendre l’invisible, grâce à la triangulation des sources, seront immensément valorisés. De plus, la faculté de comprendre les clients et de savoir leur position sur le parcours d’acquisition va permettre à l’analyste web de générer davantage de profit pour l’entreprise. Dans cette phase de transition entre compter les visites à mesurer la notoriété, chaque expert analyste a sa pierre à ajouter à l’édifice car énormément de sujet sont à étudier et beaucoup de normes sont à standardiser. En se complexifiant, l’interprétation se valorise et devient un moyen de se démarquer des analystes concurrents (Inzlicht et coll., 2018).
Conclusion
L’analytique web a un problème, elle perd en visibilité sur le trafic et la source des visites. Cela pénalise les experts en webanalyse, les entreprises et ceux qui créent du contenu. Des outils comme les canaux personnalisés dans GA4, l’analyse des journaux de serveur, le suivi des mentions ou le filtrage des crawlers peuvent aider, mais ils ne compensent pas la perte de mesure précise qu’offrait le clic.
Cependant, l’ère du zéro clic n’est pas qu’une perte. Les visiteurs venant de l’IA semblent plus intéressés, mais ce bénéfice ne profite qu’à quelques-uns, laissant les plus petits sites en difficulté. Du coup, le rôle des experts en webanalyse évolue : au lieu de simplement collecter des données, ils doivent maintenant les interpréter. Cela implique de croiser différentes sources, de comprendre comment l’IA s’intègre dans le parcours client et d’estimer ce qui n’est pas mesurable.
Au-delà de l’analytique, une question plus large se pose : si les intelligences artificielles génératives deviennent la principale façon d’accéder au web, qui va payer pour la disparition des petits sites ? Si ces créateurs cessent de publier, sur quoi se baseront les IA plus tard ?
Aivo (2026). « The Zero-Click Crisis: Why E-Commerce Traffic Is Declining », Aivo Blog, [En ligne]. https://www.tryaivo.com/blog/zero-click-crisis-ecommerce-traffic-decline (Consulté le 30 septembre 2026).
Companies Market Cap (2026). « Chiffre d’affaires pour Amazon (AMZN) », Companies Market Cap, [En ligne]. https://companiesmarketcap.com/fr/amazon/revenu/ (Consulté le 29 septembre 2026).
Gouvernement du Québec (2026). « Baisse du trafic web : au revoir la quantité, bienvenue la qualité », Blogue Québec.ca, [En ligne]. https://www.quebec.ca/blogue/details/baisse-trafic-web-au-revoir-quantite-bienvenue-qualite (Consulté le 30 septembre 2026).
Inzlicht, Michael, Amitai Shenhav et Christopher Y. Olivola (2018). « The Effort Paradox: Effort Is Both Costly and Valued », Trends in Cognitive Sciences, vol. 22, n° 4, p. 337-349, [En ligne]. https://doi.org/10.1016/j.tics.2018.01.008 (Consulté le 30 septembre 2026).
Just Global (2025). « Your Website Is Losing Traffic. Here’s Why That’s a Good Thing », Just Global Insights, 12 novembre, [En ligne]. https://justglobal.com/insights/insights/your-website-is-losing-traffic-heres-why-thats-a-good-thing/ (Consulté le 29 septembre 2026).
Lekhak nu Surname, Name Initial (2025). « The quantification of Ai-generated content on the internet », arXiv, preprint arXiv:2504.08755, [Online]. https://arxiv.org/abs/2504.08755 (Consulted on September 29, 2026).
Nair, Rajesh R (2026). « Why Google Analytics Shows AI Traffic as Direct », RajeshRNair Blog, 25 avril, [En ligne]. https://rajeshrnair.com/blog/aeo/ai-search-optimization/google-analytics-ai-traffic-shows-direct.html (Consulté le 29 septembre 2026).
Perronnet, Julie (2026). Séance 4 [diapositives], cours Web Analytique, HEC Montréal, Zonecours.
Perronnet, Julie (2026). Séance 2 [diapositives], cours Web Analytique, HEC Montréal, Zonecours.
Pew Research Center (2025). « Google users are less likely to click on links when an AI summary appears in the results », Pew Research Center, 22 juillet, [En ligne]. https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ (Consulté le 30 septembre 2026)
Pichai, Sundar (2025). « Q2 earnings call: CEO’s remarks », The Keyword (Blog officiel de Google), 23 juillet, [En ligne]. https://blog.google/company-news/inside-google/message-ceo/alphabet-earnings-q2-2025/ (Consulté le 29 septembre 2026).
Rosa, Sebastian (2025). « Assurez la visibilité de votre site Web dans les recherches à l’ère de l’IA », Hostpoint Blog, 24 octobre, [En ligne]. https://www.hostpoint.ch/fr/blog/un-site-web-toujours-visible-dans-les-recherches-ia/ (Consulté le 29 septembre 2026).
Sarkar, Sujan (2026). « Which websites gained the most web visits, and which lost the most in 2026? », Voronoi, 28 septembre, [En ligne]. https://www.voronoiapp.com/diagram/Which-websites-gained-the-most-web-visits-and-which-lost-the-most-in-2026-9101 (Consulté le 29 septembre 2026).
Statista (2026). Global monthly Gemini users, [En ligne]. https://www.statista.com/statistics/1659723/global-monthly-gemini-users/ (Consulté le 29 septembre 2026).
Think with Google (2024). « Navigating purchase behavior and decision-making », Think with Google Canada, [En ligne].
Tremayne-Pengelly, Alexandra (2025). « Wikipedia Reports Traffic Decline as A.I. Changes How Users Seek Information », Observer, 20 octobre, [En ligne]. https://observer.com/2025/10/wikipedia-ai-eating-traffic/ (Consulté le 29 septembre 2026).
Unseen Japan (2026). « 20% of Japan’s Manga Artists and Illustrators Say AI Has Cut Their Income », Unseen Japan, 21 mai, [En ligne]. https://unseen-japan.com/ai-japan-manga-illustrators-income/ (Consulté le 29 septembre 2026).
Les images sont libres de droit et proviennent de https://www.pexels.com/
Défiler pour voir les réferences (+)