Les statistiques de votre site sont fausses — reste à savoir de combien

Un dirigeant nous montre son tableau de bord et demande combien de personnes visitent réellement son site. C’est une question simple, et la réponse honnête est qu’aucun des chiffres affichés ne la donne directement.

Ce n’est pas une question d’outil mal configuré. Deux déformations structurelles s’appliquent à presque tous les sites, et le plus embêtant est qu’elles jouent en sens contraire : l’une fait disparaître des visiteurs réels, l’autre en ajoute d’imaginaires. Selon l’instrument que l’on consulte, on se trompe donc dans un sens ou dans l’autre.

Première fuite : ce que le consentement efface#

Les outils d’analyse les plus répandus fonctionnent par balise JavaScript. Le navigateur charge le script, celui-ci envoie une mesure. Deux conditions doivent être réunies pour que la visite soit comptée : que le script s’exécute, et que le visiteur ait accepté le dépôt de traceurs.

Sur beaucoup de sites, une part importante des visiteurs ne remplit pas la seconde. Nous avons fait le calcul sur notre propre site, en comparant ce que voit l’outil d’analyse à ce que voit le réseau de diffusion, qui compte les requêtes indépendamment de tout consentement. L’écart est considérable — l’outil ne voit qu’une partie du public réel, de l’ordre de la moitié.

Ce chiffre global n’est pourtant pas le plus gênant. Ce qui l’est davantage, c’est que la proportion n’est pas la même selon la source de trafic : les visiteurs venus du référencement naturel et ceux venus des liens sponsorisés n’acceptent pas les traceurs dans les mêmes proportions. Comparer les deux canaux dans l’outil d’analyse revient alors à comparer deux mesures prises avec des instruments différemment réglés, et à conclure sur l’écart entre les réglages plutôt que sur l’écart entre les canaux.

Seconde fuite : ce que les robots ajoutent#

L’instinct consiste alors à se rabattre sur les journaux du serveur, qui ne dépendent d’aucun script ni d’aucun consentement. Ils enregistrent tout. C’est exactement le problème.

Nous avons regardé, sur vingt-quatre heures, ce que recevait réellement notre propre site au niveau du réseau. Sur l’ensemble des requêtes, à peine trois sur dix ont abouti à une page servie normalement. Le plus gros bloc — environ un tiers du total — était constitué de tentatives d’accès à des adresses qui n’existent pas : des chemins d’installation WordPress, des points d’entrée d’API de publication, des pages d’administration et de connexion. Du balayage automatisé à la recherche de failles, sur un site qui ne tourne pas sous WordPress.

Personne n’a visité ce site un tiers du temps. Une machine a cherché une serrure. Si l’on compte ces requêtes comme du trafic, on ne mesure plus son audience : on mesure l’activité des scanners d’Internet.

Deux instruments, deux erreurs opposées#

D’un côté, un outil qui ne voit qu’une fraction des humains. De l’autre, un journal qui voit tout, humains et machines confondus. Le réflexe de faire une moyenne entre les deux serait le pire des choix : il additionne les deux erreurs au lieu de les corriger.

Ce qu’il faut, c’est savoir ce que chaque instrument sait faire.

L’outil à balise est bon pour observer des comportements : parcours dans le site, pages qui retiennent, formulaires abandonnés. Il ne voit qu’une partie du public, mais ce qu’il en voit est riche. À condition de le lire en tendance et jamais en valeur absolue : une hausse de trente pour cent d’un mois sur l’autre reste une hausse de trente pour cent, même si la base est incomplète.

La mesure au bord du réseau — celle du serveur ou du réseau de diffusion — est bonne pour connaître les volumes réels et pour voir ce qu’aucun script ne verra jamais : les robots, les erreurs, les fichiers lourds, les crawlers des moteurs et des assistants IA. Elle ne dit rien du comportement, mais elle ne ment pas sur le volume, à condition de trier le bruit.

La solution qui règle la première fuite#

Il existe une manière de sortir du dilemme, et elle est trop peu connue : une mesure d’audience correctement conçue peut se passer de bandeau de consentement, donc voir tout le monde.

La CNIL détaille les conditions dans sa page consacrée aux solutions pour les outils de mesure d’audience. Les traceurs doivent servir à la seule mesure d’audience, pour le compte du seul éditeur du site, et produire des statistiques anonymes. Ils ne doivent pas être recoupés avec d’autres traitements, ni permettre de suivre la navigation d’une personne d’un site à l’autre. La CNIL recommande en outre de limiter la durée de vie des traceurs et celle de conservation des données.

Ces conditions excluent de fait les outils qui alimentent une régie publicitaire ou consolident une audience entre plusieurs sites — ce qui est la raison d’être de certains d’entre eux. Elles sont en revanche parfaitement compatibles avec une mesure d’audience de site vitrine.

Le gain est double, et le second surprend souvent : on récupère la totalité du public dans ses statistiques, et on supprime un bandeau qui dégradait l’expérience de chaque visiteur. On ne perd que ce qu’on n’utilisait probablement pas.

Comment lire ses chiffres sans se raconter d’histoires#

Trois principes suffisent à éviter les erreurs les plus coûteuses.

Ne jamais comparer deux sources mesurées différemment. Le trafic payant et le trafic naturel ne se comparent dans l’outil d’analyse que si l’on sait qu’ils y sont sous-représentés dans les mêmes proportions, ce qui n’est généralement pas le cas.

Regarder les tendances, pas les niveaux. Une mesure biaisée mais stable dans le temps reste un bon indicateur d’évolution. C’est d’ailleurs le seul usage vraiment fiable d’un outil soumis au consentement.

Vérifier une fois par trimestre ce que reçoit vraiment le serveur. C’est là que se voient les choses qu’aucun tableau de bord marketing ne montre : la part de balayage automatisé, les erreurs qui se sont installées, et — sujet devenu concret — quels robots d’assistants IA lisent le site, à quelle fréquence, et sur quelles pages.