Comment le trafic IA est mesuré

Tout ce que l'onglet Trafic IA affiche vient de votre propre serveur : aucun sondage, aucune simulation de question posée à ChatGPT, aucun score deviné. Cette page décrit exactement ce qui est observé, ce qui est vérifié, et surtout ce que la mesure ne prouve pas.

#Trois étages, trois signaux différents

Ces trois étages ne s'additionnent jamais : ce sont trois populations distinctes. Les robots ne sont jamais comptés dans vos visiteurs.

#Ce que la mesure ne prouve pas

C'est la partie que la plupart des outils passent sous silence, alors autant l'écrire noir sur blanc.

Une consultation en direct prouve qu'un système a récupéré votre page en répondant à quelqu'un. Elle ne prouve pas que :

• la réponse finale citait votre page ;
• votre contenu a influencé cette réponse ;
• la personne a vu votre nom ;
• la question posée avait un rapport commercial avec votre activité.

De la même façon, nous ne connaissons jamais la question qui a déclenché une visite ou une récupération : elle n'est transmise nulle part. C'est pourquoi l'interface parle de « pages d'arrivée » et de « consultation en direct », jamais de « citation ».

Les arrivées probables — celles déduites d'un fragment de texte dans l'URL, signature typique d'un clic depuis une réponse IA sans référent — sont comptées à part et ne sont jamais fusionnées avec le mesuré.

#Comment l'identité des robots est vérifiée

Un user-agent est déclaratif : n'importe quel programme peut prétendre s'appeler GPTBot, et beaucoup de scrapers le font pour contourner les blocages. Se fier au seul user-agent, c'est mesurer ce qu'on nous raconte.

Snorklee confronte donc l'adresse IP de chaque passage aux plages publiées par les éditeurs eux-mêmes :

La vérification se fait robot par robot, pas éditeur par éditeur : GPTBot et ChatGPT-User publient des plages différentes, donc une adresse valide pour l'un ne valide pas l'autre. Ces listes sont retéléchargées chaque nuit ; si un téléchargement échoue, la version précédente reste en place.

Trois verdicts possibles, affichés sous la table des crawlers :

• Vérifié — l'adresse appartient aux plages publiées par l'éditeur du robot.
• Déclaré — cet éditeur ne publie aucune plage (Common Crawl, Bytespider, Amazonbot…). Nous ne pouvons donc que constater ce que le robot annonce, et nous ne le présentons jamais comme vérifié.
• Écarté — le robot se réclamait d'un éditeur depuis une adresse qui n'est pas la sienne. Ces passages sont retirés de tous les compteurs de l'onglet ; seul le total des usurpations reste affiché, pour que vous sachiez ce qui a été écarté.

#Où le signal est capté

Les robots ne lisent que le HTML brut : ils n'exécutent pas JavaScript et sont donc invisibles pour un script de mesure classique. Le tag w.js seul ne les verra jamais.

Pour capter l'étage « Exploré », il faut un signal côté serveur — le beacon crawler (extension WordPress, middleware Next.js, worker Cloudflare, snippet PHP…). Sans lui, seuls les visites humaines depuis les chats IA sont mesurées. Le beacon transmet l'adresse du robot pour permettre la vérification décrite ci-dessus.

#Ce que les robots ont lu, page par page

Chaque passage porte le token exact revendiqué par le robot (GPTBot, ChatGPT-User…), pas seulement le nom de son éditeur. C'est ce qui permet de distinguer deux faits opposés sur une même page : une collecte pour entraînement et une consultation en direct pendant qu'une IA répond à quelqu'un.

La carte « Qui lit quoi » croise donc robot × page, dans les deux sens. Les comptes y sont exacts, sans seuil ni arrondi : ces lignes ne contiennent aucune donnée de visiteur humain, donc aucun plancher d'anonymisation ne s'y applique — un robot n'est pas une personne. Les compteurs qui mélangent humains et robots, eux, restent soumis aux règles décrites dans Données collectées.

Le token n'est enregistré que depuis août 2026 : les passages antérieurs restent attribués à leur éditeur, sans détail par robot.

#Conformité robots.txt

Snorklee lit chaque nuit le robots.txt de votre site et le confronte à ce que les robots ont réellement récupéré. Les règles d'un robots.txt s'écrivant au token, la comparaison se fait au même niveau.

Le résultat n'est affiché que sur un fait complet :

• Fichier non lu (délai dépassé, erreur serveur, domaine injoignable) → rien n'est affirmé. Une absence de réponse n'est jamais présentée comme une conformité.
• Pas de robots.txt → nous le disons tel quel : aucune règle n'est opposable aux robots.
• Robot non identifiable → son passage est écarté du calcul et compté à part, jamais rangé parmi les conformes.

Quand une infraction est constatée, la page concernée et la ligne exacte du fichier qui l'interdit sont citées, pour que le constat soit vérifiable.

#Générer votre robots.txt

Depuis l'onglet Trafic IA, Snorklee produit un robots.txt construit à partir des robots réellement passés sur votre site — pas une liste générique. Vous cochez ceux à qui vous refusez l'accès, vous copiez le texte, vous le collez chez votre hébergeur.

Par défaut, seule la collecte pour entraînement est bloquée. Les robots qui indexent (search) ou qui consultent une page en direct pour répondre à quelqu'un (assistant) vous envoient des visiteurs : les bloquer couperait ce trafic. Snorklee ne vous l'interdit pas, mais vous prévient.

Seuls les robots réellement observés sont pré-cochés : une règle visant un robot qui n'est jamais venu allonge le fichier sans rien protéger.

Deux sorties : le bloc à ajouter (vos règles existantes ne sont jamais touchées) ou le fichier complet, fusionné avec celui déjà en place — vos Disallow et vos Sitemap sont conservés. Relancer le générateur remplace le bloc Snorklee précédent au lieu de l'empiler.

Ce que le générateur ne fait pas. Snorklee ne sert pas votre robots.txt et ne le modifie jamais : tant que vous n'avez pas collé le texte, rien n'a changé. Et un robots.txt reste une demande polie, pas une barrière : c'est précisément pour ça que la vérification de conformité décrite plus haut existe — elle vous dit qui l'ignore.

#Vie privée

L'adresse IP sert uniquement, au moment de la requête, à géolocaliser au niveau du pays, à classifier le trafic et à vérifier l'identité des robots. Elle n'est jamais stockée dans les événements — voir Données collectées.