Une analyse de DataDome attribue aux bots de Meta AI environ 9 milliards de requêtes au T2 2026, à la charge des hébergeurs, pour un retour en visites décrit comme quasi nul. Le rapport évoque une hausse de 45% du trafic agentic et une progression de 163% du bot Meta-WebIndexer sur un trimestre. Dans le même temps, les crawlers de ChatGPT seraient moins actifs, tout en concentrant 88% des referrals liés à l’IA.
Pour les éditeurs, le sujet n’est plus théorique. Chaque passage d’un bot consomme de la bande passante, sollicite des serveurs, déclenche des transactions CDN et alourdit les logs, sans la promesse historique des moteurs de recherche, celle de renvoyer des lecteurs.
DataDome mesure 9 milliards de requêtes Meta au T2 2026
Le constat central du rapport tient dans un chiffre qui frappe les exploitants de sites, 9 milliards de requêtes attribuées à Meta AI sur le T2 2026 au sein du réseau observé par DataDome. L’entreprise, spécialisée dans la gestion des bots et le contrôle d’agents, insiste sur le fait que ces volumes ont un coût direct pour les éditeurs. Une requête n’est pas un simple passage, elle implique des échanges réseau, des cycles CPU, des écritures disque, de la journalisation et, pour beaucoup de médias, des opérations facturées côté CDN.
Dans l’écosystème du web, les crawlers des moteurs de recherche ont longtemps été acceptés car ils s’inscrivaient dans un contrat implicite, indexation contre visibilité. Les éditeurs supportaient une partie de la charge, mais récupéraient des visiteurs via les pages de résultats. DataDome soutient que ce mécanisme se délite avec certains agents IA, qui consomment du contenu sans générer de sessions en retour, ou en tout cas pas à une échelle significative.
Le rapport évoque un trafic agentic en hausse de 45% sur le trimestre. Cette catégorie recouvre des comportements plus variés qu’un robot d’indexation classique, certains agents se rapprochent d’une navigation automatisée, d’autres extraient des contenus de manière intensive, d’autres encore appellent des ressources pour enrichir des réponses. Pour les équipes techniques, cette diversité complique l’analyse, car les signatures ne se résument plus à quelques user-agents historiques, et les modèles de charge deviennent plus erratiques.
Une lecture économique s’impose. Sur des sites monétisés à la publicité, la valeur d’un lecteur vient de l’affichage, du temps passé, de l’abonnement ou de l’inscription. Un bot qui aspire des pages sans générer d’impressions publicitaires, ni conversions, se traduit en coût d’infrastructure pur. Même quand l’éditeur dispose d’accords de licences ou de partenariats, ceux-ci ne couvrent pas mécaniquement la totalité des flux techniques, surtout quand l’activité explose sur un trimestre.
Dans ce contexte, les métriques mises en avant par DataDome servent de base à une discussion plus large, qui paie la facture du web consulté par des IA. Les hébergeurs et les éditeurs voient monter des volumes qui ressemblent à de l’indexation massive, alors que la redistribution de valeur reste, selon le rapport, très asymétrique.
Meta-WebIndexer progresse de 163% et suggère une indexation large
Au-delà du volume global, DataDome isole un acteur, Meta-WebIndexer, dont l’activité aurait progressé de 163% par rapport au trimestre précédent. Le nom même du bot, relevé dans le rapport, alimente une hypothèse, Meta ne se limiterait plus à un assistant intégré à ses applications, mais chercherait à constituer une bibliothèque web comparable, dans l’intention, à l’indexation opérée par Google depuis des décennies.
Dans une logique d’IA générative, disposer d’un index à jour a un intérêt immédiat, réduire les hallucinations, citer des sources, enrichir des réponses, et couvrir l’actualité. Mais cette stratégie impose une collecte régulière, parfois agressive, surtout si l’objectif est de couvrir un grand nombre de domaines et de rafraîchir fréquemment les contenus. Pour les éditeurs, cela se traduit par des pics de charge, des coûts de bande passante et des arbitrages sur la capacité serveur, notamment lors de périodes d’audience déjà tendues, comme les breaking news.
Le rapport suggère que l’intensité de Meta au T2 2026 s’explique par cette phase d’indexation. Cela ne dit pas, à ce stade, quel usage final sera fait de ces données, ni quelle part relève d’une exploration initiale par rapport à un rafraîchissement continu. Mais la mécanique est connue, plus l’agent veut couvrir de sources, plus il multiplie les requêtes, et plus les éditeurs supportent une charge cumulative.
Ce point pose une question de gouvernance, faut-il traiter Meta-WebIndexer comme un crawler de moteur, comme un bot d’IA, ou comme un acteur hybride. Le choix n’est pas neutre. Un éditeur peut décider d’autoriser l’indexation pour des raisons de visibilité future, ou au contraire de la limiter tant qu’aucun bénéfice n’est mesurable en trafic, en revenus, ou en accords contractuels. Les politiques robots. txt, les règles WAF, et les mécanismes de rate limiting deviennent des outils de négociation de facto.
Pour les régies et les directions numériques, l’enjeu est aussi la mesure. Il ne suffit pas d’observer une hausse de bots, il faut relier ces volumes à des indicateurs d’affaires, pages vues humaines, abonnements, CPM, conversions newsletters. Sans cette mise en perspective, la discussion reste technique alors qu’elle est, dans les faits, budgétaire.
ChatGPT réduit ses crawls mais capte 88% des referrals IA
Le rapport met en regard la dynamique de Meta avec une tendance inverse côté ChatGPT, moins de trafic de crawl, mais davantage de valeur en renvoi. DataDome indique que ChatGPT concentrerait 88% des referrals liés à l’IA, tout en ayant réduit son activité de collecte. L’interprétation proposée est pragmatique, l’outil d’OpenAI sait déjà beaucoup de choses sur les sites, et peut répondre sans reconsulter systématiquement les pages.
Pour un éditeur, la notion de referral est essentielle. Elle correspond à un visiteur qui arrive sur le site, ce qui réactive la chaîne de monétisation, publicité, abonnement, données first-party, ou engagement. Si un agent IA cite un média et envoie un clic, le coût d’infrastructure du crawl peut être compensé, au moins en partie, par des revenus ou des signaux d’audience. À l’inverse, un agent qui aspire des pages sans renvoyer de trafic met l’éditeur en situation de subvention involontaire.
Cette comparaison illustre une fracture entre deux stratégies. D’un côté, une indexation intensive qui pèse sur les serveurs, de l’autre, un recours plus parcimonieux aux pages, associé à une capacité à rediriger l’utilisateur vers la source. DataDome résume ce contraste par une valeur de referral plus élevée pour ChatGPT avec moins de crawls. La mesure exacte de cette valeur dépendra de la qualité du tracking, des paramètres UTM, et de la capacité à distinguer le trafic humain des visites instrumentées.
Pour les rédactions, une conséquence est immédiate, l’optimisation ne se limite plus au SEO. Il faut comprendre comment les assistants IA référencent, citent, et renvoient, et quelles pages sont le plus souvent consultées par les crawlers. Les pages de type FAQ, les guides, les analyses de fond, ou les pages evergreen peuvent devenir des cibles privilégiées, car elles alimentent les réponses. Cette évolution pousse à structurer les contenus, à clarifier les sources, et à surveiller les logs pour identifier les patterns de collecte.
Le rapport ne dit pas que ChatGPT est vertueux par nature, mais il apporte un indicateur, tous les agents ne se comportent pas de la même manière, et certains peuvent générer un échange plus équilibré entre coût technique et bénéfice d’audience. Cette différenciation devient un paramètre de pilotage, au même titre que la gestion des robots historiques.
Le signal MCP apparaît et élargit la surface d’attaque
Un autre élément mis en avant par DataDome est l’émergence du Model Context Protocol (MCP) comme signal mesurable. Le MCP vise à connecter des agents IA à des outils externes, ce qui change la nature du trafic observé. On ne parle plus seulement d’un bot qui télécharge une page HTML, mais d’un agent qui peut enchaîner des appels, déclencher des actions via des intégrations, ou extraire des données structurées pour les injecter dans un raisonnement.
Jérôme Segura, vice-président de la Threat Research chez DataDome, est cité dans le rapport, Q2 showed us that the ground is shifting faster than most organizations realize. Meta now dominates AI traffic on our network, MCP traffic has emerged as a real signal, and ChatGPT is driving more referral value with fewer crawls. Cette déclaration met l’accent sur deux idées, la vitesse de transformation et la nécessité de distinguer les profils d’agents au lieu de traiter tout le trafic automatisé comme un bloc.
Du point de vue cybersécurité, l’apparition d’un trafic MCP change l’équation. Si des agents peuvent interagir avec des outils, ils peuvent aussi, potentiellement, tester des endpoints, explorer des formulaires, ou provoquer des comportements inattendus. Même sans intention malveillante, un agent autonome peut générer des charges anormales, parcourir des URL non prévues, ou déclencher des boucles de requêtes. Pour les équipes SOC, cela devient une extension de la surface d’attaque, au même titre que les bots de scraping, les scanners ou les tentatives de credential stuffing.
Cette réalité renforce l’intérêt de politiques différenciées, authentification forte pour certains accès, quotas, challenges, et segmentation par type d’agent. DataDome parle d’ agent trust adoption en accélération, une logique où l’on accorde des droits en fonction d’un niveau de confiance, plutôt que d’un simple user-agent déclaratif. Dans les faits, cela renvoie à des mécanismes de réputation, de validation, et de contrôle de comportement.
Pour les entreprises, le sujet est aussi juridique et contractuel. Autoriser un agent à accéder à des ressources structurées, via API ou via des outils, suppose de clarifier ce qui est permis, ce qui est monétisé, et ce qui est journalisé. La frontière entre collecte d’information et interaction active devient plus fine, ce qui impose des garde-fous techniques et des audits réguliers.
Politiques d’accès, rate limiting et arbitrages entre Google, Meta et agents inconnus
La recommandation opérationnelle qui se dessine dans le rapport est une allocation de ressources plus sélective. Dans un web où les bots se multiplient, traiter chaque agent comme un crawler acceptable n’est plus tenable. Une organisation peut choisir de laisser un accès large à Googlebot pour préserver son référencement, d’autoriser certains crawlers de ChatGPT s’ils génèrent des referrals mesurables, et de limiter Meta AI si le retour est jugé insuffisant.
Cette logique s’appuie sur des outils concrets, règles robots. txt, filtrage au niveau WAF, signatures de bots, listes d’IP, mais aussi détection comportementale. Le point délicat est d’éviter les faux positifs, car des agents peuvent imiter un navigateur, et des utilisateurs réels peuvent être derrière des proxys, des entreprises, ou des réseaux mobiles. Le pilotage doit donc combiner indicateurs techniques, taux d’erreur, latence, volumétrie, et métriques business.
Dans le même temps, DataDome souligne que des agents inconnus peuvent relever de menaces. Ransomware, malware et phishing restent d’actualité, mais la montée des logiciels autonomes impose des réponses spécifiques, vérification renforcée, blocage, ou mise en quarantaine. Un bot non identifié qui explore des chemins d’administration, qui tente des paramètres inhabituels, ou qui déclenche des centaines de requêtes par minute doit être traité comme suspect, même si son user-agent évoque une IA.
Pour clarifier ces arbitrages, les équipes mettent de plus en plus en place des grilles de décision. Le critère n’est pas seulement est-ce un bot, mais quel bot, pour quel bénéfice, avec quel risque. Dans cette perspective, les logs deviennent une source stratégique, ils permettent de mesurer la part de trafic automatisé, d’identifier les contenus ciblés, et d’évaluer le coût associé en bande passante et en transactions.
| Agent observé | Évolution T2 2026 (DataDome) | Impact pour l’éditeur | Réponse technique fréquente |
|---|---|---|---|
| Meta AI | 9 milliards de requêtes, domination du trafic IA | Coût d’hébergement, retours faibles en visites | Rate limiting, règles WAF, contrôle d’accès |
| Meta-WebIndexer | +163% vs T1 | Indexation large, pics de charge possibles | Quotas, fenêtres de crawl, monitoring fin |
| ChatGPT | Crawls en baisse, 88% des referrals IA | Renvois mesurables, valeur audience potentielle | Autorisation ciblée, suivi des referrals |
| MCP | Signal émergent | Surface d’attaque élargie, interactions outillées | Vérification, segmentation, politiques trust |
Le rapport de DataDome s’inscrit dans une période où les éditeurs cherchent à reprendre la main sur la distribution et la monétisation. Si les volumes de crawls continuent de croître plus vite que les revenus associés, la pression augmentera pour formaliser des règles d’accès, voire pour conditionner l’exploration à des accords. Entre visibilité, sécurité et facture d’infrastructure, la gestion des bots IA devient un sujet de direction générale, pas seulement un problème de serveur.