Trafic IA dans Matomo : ce qu'on mesure vraiment (et ce qu'on ne voit pas encore)

Le suivi du trafic lié aux IA génératives devient un vrai sujet analytics. ChatGPT, Claude, Gemini ou Perplexity génèrent désormais des visites vers les sites web, tandis que les crawlers IA multiplient les passages pour indexer ou alimenter leurs modèles. Mais, derrière l'expression "trafic IA", plusieurs réalités très différentes coexistent, et elles ne sont ni visibles, ni mesurées de la même manière.

Matomo a commencé à structurer ce suivi avec l'introduction du canal AI Assistants dans sa version 5.5.0. Cette évolution permet d'identifier les visites humaines provenant d'assistants IA génératifs. Mais, ce périmètre reste partiel : les bots d'indexation, les crawlers d'entraînement ou encore les navigateurs IA échappent encore largement au tracking classique.

L'enjeu n'est donc pas seulement de "voir du trafic IA", mais de comprendre précisément ce que chaque méthode de collecte permet, ou non, de mesurer.

Résumé de l’article

• Le canal AI Assistants de Matomo catégorise les visites humaines provenant d'assistants IA génératifs comme ChatGPT, Claude, Gemini ou Perplexity.
• Matomo ne suit pas nativement les bots d'indexation ni les crawlers d'entraînement des modèles.
• Le suivi des agents IA automatisés nécessite une implémentation spécifique server-side via l'API HTTP Tracking.
• Les navigateurs IA comme Comet ou Dia restent très difficiles à identifier dans les outils analytics traditionnels.
• Les tests menés par SYNERWEB montrent que les données Matomo sont très proches de l'analyse des logs sur leur périmètre commun : les assistants conversationnels.
• L'analyse des logs reste toutefois indispensable pour observer l'activité complète des crawlers IA, notamment les bots d'indexation et d'entraînement.

Pourquoi le trafic provenant des IA génératives devient un enjeu analytics

Les sources d'acquisition évoluent. Une partie des utilisateurs ne passe plus directement par Google ou par un accès direct vers le site : ils découvrent désormais des contenus via ChatGPT, Claude, Gemini, Copilot ou Perplexity.

Ces visites existent déjà dans vos outils analytics, mais sans catégorisation claire, elles se retrouvent dispersées entre le direct, le referral classique ou parfois les campagnes lorsqu'un marquage UTM est présent. Résultat : il devient difficile d'isoler précisément ce nouveau canal d'acquisition et d'en mesurer le poids réel.

L'outil analytics Matomo a commencé à répondre à cet enjeu avec l'introduction du canal AI Assistants, qui permet de regrouper les visites provenant d'assistants IA conversationnels dans une catégorie dédiée.

Mais cette avancée ne couvre qu'une partie du sujet.

Trois réalités différentes derrière le "trafic IA"

Regrouper tous les usages IA dans une seule catégorie est une erreur de lecture. Derrière ce terme de “trafic IA” coexistent trois réalités distinctes : les visites humaines provenant d’assistants IA, les navigateurs IA et les agents ou crawlers IA. 

Ces trois catégories n’ont ni le même comportement, ni le même mode de collecte dans Matomo.

Le canal AI Assistants dans Matomo : ce qu'il mesure réellement

Le canal AI Assistants permet d'identifier les visites humaines arrivant sur un site depuis un assistant IA génératif.

Concrètement, lorsqu'un utilisateur clique sur un lien proposé dans ChatGPT, Claude ou Gemini pour visiter votre site, Matomo peut désormais classer cette visite dans un canal dédié plutôt que dans le referral générique.

Cette fonctionnalité est disponible nativement dans Matomo Cloud depuis la version 5.5.0. Sur Matomo On-Premise, elle nécessite une version récente ainsi qu'une activation spécifique du plugin correspondant.

Les rapports dédiés permettent ensuite de visualiser :

• le volume de visites provenant des assistants IA ;
• leur évolution dans le temps ;
• les assistants les plus représentés ;
• les pages consultées.

Ces données apparaissent également dans les rapports d'acquisition classiques, aux côtés des autres canaux.

Ce que Matomo ne mesure pas avec AI Assistants

Le point essentiel est là : le canal AI Assistants ne couvre pas l'ensemble de l'activité IA autour d'un site.

Il ne suit pas :

• les bots d'indexation ;
• les crawlers d'entraînement des modèles ;
• les navigateurs IA ;
• ni les agents automatisés sans implémentation spécifique.

Autrement dit, il mesure principalement un nouveau type de trafic référent : les visites humaines provenant d'environnements IA conversationnels.

Les agents IA : un suivi possible, mais plus technique

Matomo permet aussi de suivre certains agents IA automatisés, mais cette fois via une implémentation server-side spécifique utilisant l'API HTTP Tracking.

Cette logique est différente du tracking analytics classique. Les agents IA n'exécutent pas le JavaScript côté navigateur : le suivi doit donc être déclenché côté serveur.

Les user agents actuellement suivis par Matomo incluent notamment :

• ChatGPT-User
• Claude-User
• Gemini-Deep-Research
• Perplexity-User
• MistralAI-User
• GoogleAgent
• NovaAct

Sur ce périmètre, les tests menés par SYNERWEB montrent que les données récupérées dans Matomo sont très proches de celles observées dans l'analyse des logs serveur.

Mais cette proximité dépend aussi de la qualité de l'implémentation :

• suivi des téléchargements ;
• gestion des codes HTTP ;
• qualité du marquage ;
• couverture server-side.

Plus l'implémentation est complète, plus la lecture devient fiable.

Une logique différente de l'analyse de logs

L'un des intérêts de Matomo est précisément de simplifier ce suivi sur le périmètre des assistants conversationnels.

Une fois l'implémentation réalisée :

• il n'y a pratiquement plus de maintenance ;
• il n'y a pas de gestion manuelle des logs ;
• il n'y a pas de problématique de stockage ou d'exploitation des fichiers serveur ;
• le sujet est généralement plus simple à cadrer d'un point de vue organisationnel et RGPD.

En contrepartie, la mise en place initiale peut nécessiter une intervention technique importante, notamment lorsque plusieurs équipes ou prestataires interviennent sur l'infrastructure.

L'analyse de logs fonctionne exactement à l'inverse :

• mise en place souvent plus légère ;
• mais maintenance continue ;
• gestion des données plus lourde ;
• et traitement plus complexe dans le temps.

L'analyse des logs reste indispensable pour les crawlers IA

Là où Matomo atteint aujourd'hui ses limites, l'analyse de logs reste la méthode la plus complète.

Les logs serveur permettent notamment d'observer :

• les bots d'indexation IA ;
• les crawlers d'entraînement ;
• les fréquences de passage ;
• les codes HTTP retournés ;
• les ressources réellement consultées.

C'est aujourd'hui le seul moyen fiable d'obtenir une vision complète de l'activité automatisée liée aux IA génératives autour d'un site.

Cette approche permet aussi de distinguer :

• ce qui relève du trafic utilisateur ;
• de ce qui relève de l'exploration automatisée des contenus.

En revanche, cette méthode implique :

• un volume de données important ;
• des traitements réguliers ;
• des scripts ou outils spécifiques ;
• une gouvernance plus lourde.

Les navigateurs IA : l'angle mort actuel du tracking

Les navigateurs IA comme Comet, Dia ou Atlas posent un problème différent.

Contrairement aux agents automatisés, ils sont utilisés par de vrais visiteurs humains. Mais techniquement, ils utilisent souvent les mêmes user agents que Chrome classique et embarquent des protections anti-tracking natives.

Résultat :

• ils deviennent extrêmement difficiles à distinguer dans les outils analytics ;
• et certaines implémentations client-side peuvent être bloquées complètement.

Les tests réalisés par SYNERWEB avec Comet montrent qu'une implémentation analytics standard peut empêcher toute remontée de données.

Certaines approches server-side permettent aujourd'hui de contourner partiellement ces limitations, mais ces solutions restent fragiles et susceptibles d'évoluer rapidement.

Matomo ou analyse de logs : faut-il choisir ?

En tant qu'agence Matomo Analytics et agence GEO, nous avons déterminé que les deux approches ne répondaient pas exactement au même besoin.

Sur le périmètre des assistants IA conversationnels, les résultats obtenus dans Matomo sont aujourd'hui suffisamment proches de ceux de l'analyse de logs pour constituer une alternative crédible dans de nombreux cas.

Pour les organisations déjà équipées de Matomo, cela peut représenter une solution plus simple à exploiter :

• sans maintenance continue ;
• sans gestion complexe des logs ;
• avec un cadrage organisationnel souvent plus léger.

Cette simplicité vaut surtout une fois le dispositif en place. La contrepartie se situe à l’initialisation : le suivi des assistants IA dans Matomo peut nécessiter une charge côté développement.

En revanche, dès que l'objectif est de suivre :

• les bots d'indexation ;
• les crawlers d'entraînement ;
• ou l'activité automatisée complète autour d'un site,

l'analyse des logs reste indispensable.

Autrement dit :

• Matomo couvre aujourd'hui efficacement le périmètre des assistants conversationnels ;
• les logs restent nécessaires pour observer l'ensemble de l'écosystème IA.

Les deux approches sont donc moins concurrentes que complémentaires.

Vous souhaitez structurer le suivi du trafic provenant des IA génératives et comprendre ce que vos outils mesurent réellement ?

SYNERWEB accompagne les ETI et grands comptes sur les sujets Matomo, analyse de logs et visibilité GEO pour construire des dispositifs analytics adaptés à ces nouveaux usages.