Faux robots d'IA

Les propriétaires de sites comptent « GPTBot », « ClaudeBot » ou « ChatGPT-User » dans leurs journaux d'accès comme preuve que des systèmes d'IA les lisent ou les citent. Le User-Agent est un texte libre. Nous avons confronté chaque requête se présentant comme l'un de 23 robots d'IA ou de moteurs de recherche sur trois petits sites web en production (16 548 requêtes ; un journal de 68 jours, deux de 7 à 9 jours, plus une vue de 30 jours à la périphérie du réseau Cloudflare) à la méthode de vérification publiée par chaque opérateur : fichiers JSON de plages d'adresses IP et DNS inverse confirmé par résolution directe. 39,3 % des identités déclarées étaient usurpées (44,3 % de celles qui ont pu être testées), 49,5 % ont été vérifiées et 11,2 % étaient invérifiables ou indéterminées. Les agents déclenchés par l'utilisateur, dont les noms sont le plus souvent interprétés comme un signal de « citation par l'IA », étaient les pires : 67,8 % d'usurpations, et pour Claude-User, Perplexity-User, MistralAI-User et DuckAssistBot, la part authentique allait de 0 à 4,2 %. Google-Extended, un jeton dont Google affirme qu'il n'est jamais envoyé comme User-Agent, est apparu 371 fois. Toutes les usurpations provenaient d'au plus 54 adresses, dont 81 % dans des réseaux de cloud ou d'hébergement (l'espace client d'un seul fournisseur de cloud : 66 %) ; 97 % des requêtes usurpées provenaient de sources qui cherchaient aussi des identifiants (.env, config.json, service-account.json) et 92 % de sources qui alternaient entre les identités de plusieurs opérateurs. Sur le site principal, à la périphérie du CDN, le volume usurpé représentait 3,1 fois ce qu'avait enregistré l'origine ; les paramètres par défaut de l'offre gratuite en ont bloqué 0,7 %. Nous publions ai-bot-verify, un vérificateur sans dépendances pour tout journal d'accès, qui ne produit que des agrégats et refuse d'écrire des adresses IP.