.webp){kind=logo}
.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
Le suivi du trafic provenant de l’IA est important, car les internautes découvrent désormais les marques par l’intermédiaire d’assistants IA, de résumés de recherche générés par l’IA et d’outils agentiques, en plus des pages de résultats classiques. Une enquête du Pew Research Center a révélé que 34% des adultes aux États-Unis avaient utilisé ChatGPT au début de 2025. La difficulté de mesure tient au fait que bon nombre de ces conversations ne génèrent jamais de clic observable. Dans 27 marchés, seuls 4% des répondants ont déclaré cliquer toujours ou souvent sur les liens des assistants IA pour consulter les sources originales, selon le Reuters Institute.
Cela ne rend pas la mesure inutile. Cela change la nature du travail. Vous devez distinguer ce que les outils d’analyse peuvent observer de ce que les personnes et les systèmes peuvent indiquer. Ce guide s’appuie sur la triangulation afin qu’un seul signal imparfait ne devienne pas l’unique fondement de l’analyse.
Cela ne rend pas la mesure inutile. Cela change la nature du travail. Vous devez distinguer ce que les outils d’analyse peuvent observer de ce que les personnes et les systèmes peuvent indiquer. Ce guide s’appuie sur la triangulation afin qu’un seul signal imparfait ne devienne pas l’unique fondement de l’analyse.
Pourquoi le suivi du trafic provenant de l’IA exige une triangulation
La difficulté principale est qu’une recommandation de l’IA ne correspond pas à une source de trafic unique. Une personne peut cliquer sur un lien cité dans un assistant d’IA et transmettre un référent. Une autre peut copier l’URL dans un navigateur, et la visite apparaîtra alors comme du trafic Direct. Un internaute peut voir votre marque dans un AI Overview, puis revenir plus tard via une recherche de marque.
Ce schéma explique pourquoi un tableau de bord trop limité sous-estime souvent le phénomène, mais toutes les visites Direct ne sont pas générées par l’IA. Le champ HTTP Referer est courant, mais incomplet ; les applications, les paramètres de confidentialité, les liens copiés et les transferts entre navigateurs peuvent le supprimer.
Si vous cherchez à déterminer comment suivre le trafic provenant de l’IA, vous pouvez utiliser plusieurs couches de données probantes qui répondent à des questions différentes :
Ce schéma explique pourquoi un tableau de bord trop limité sous-estime souvent le phénomène, mais toutes les visites Direct ne sont pas générées par l’IA. Le champ HTTP Referer est courant, mais incomplet ; les applications, les paramètres de confidentialité, les liens copiés et les transferts entre navigateurs peuvent le supprimer.
Si vous cherchez à déterminer comment suivre le trafic provenant de l’IA, vous pouvez utiliser plusieurs couches de données probantes qui répondent à des questions différentes :
- Données de canal GA4 mesure les sessions humaines identifiables provenant d’assistants connus.
- Une règle de référent personnalisée et des paramètres UTM capturent les sessions attribuables qui ne sont pas prises en compte par une définition par défaut.
- Rapports des plateformes de recherche montrent la visibilité dans les recherches génératives qui ne se traduit pas nécessairement par une visite.
- Attribution déclarée par les utilisateurs permet aux personnes d’expliquer l’influence que les outils d’analyse ne peuvent pas détecter.
Cette structure renforce la crédibilité de l’analyse du trafic provenant de l’IA, car les limites de chaque couche sont clairement indiquées. GA4 renseigne sur les sessions mesurées, les rapports des plateformes de recherche sur la visibilité et les réponses des clients sur les découvertes dont ils se souviennent. Il ne faut pas les additionner comme s’il s’agissait de la même mesure.
Établir des données propres avant de comparer les sources
Avant de faire confiance à une nouvelle configuration de suivi, les spécialistes du marketing effectuent généralement un contrôle qualité des données analytiques. Le guide de SparkTraffic sur la mesure du trafic provenant de l’IA apporte un éclairage sur ce travail : SparkTraffic est une plateforme publicitaire qui envoie de vrais visiteurs ciblés géographiquement par l’intermédiaire d’un réseau d’éditeurs validés et explique le balisage UTM. Cela peut aider les équipes à valider les pages de destination et les règles d’attribution à l’aide d’un trafic de test transparent. Son rôle ici consiste à vérifier que votre système de mesure fonctionne, avec un étiquetage clair et des rapports propres.
Le contrôle qualité est important, car une session mal classée peut fausser les tendances, les comparaisons de pages de destination et les taux de conversion. Il est utile de consigner les définitions actuelles de l’IA, du trafic referral, du trafic direct et des conversions assistées, afin que les équipes marketing et analytique utilisent le même vocabulaire. Le même examen doit permettre d’exclure les visites automatisées, et notre guide sur la détection du trafic de bots propose cinq vérifications rapides.
Un test contrôlé est plus sûr que de modifier la logique de production en espérant que tout se passe bien. Des visites de test clairement étiquetées avec des paramètres UTM, dans une propriété de test, peuvent confirmer que les règles de canal classent correctement les sessions. Vous pouvez ouvrir les liens balisés dans le navigateur et depuis la zone géographique prévus, examiner la source, le support, la campagne, la page de destination et le parcours des événements, puis consigner le résultat.
Un balisage transparent des sources clarifie l’attribution en production et aide les collègues à comparer les futurs changements de configuration à une référence propre. Un trafic de test réel, des libellés clairs et une propriété isolée fournissent des éléments utiles sans compromettre la prise de décision.
Le contrôle qualité est important, car une session mal classée peut fausser les tendances, les comparaisons de pages de destination et les taux de conversion. Il est utile de consigner les définitions actuelles de l’IA, du trafic referral, du trafic direct et des conversions assistées, afin que les équipes marketing et analytique utilisent le même vocabulaire. Le même examen doit permettre d’exclure les visites automatisées, et notre guide sur la détection du trafic de bots propose cinq vérifications rapides.
Un test contrôlé est plus sûr que de modifier la logique de production en espérant que tout se passe bien. Des visites de test clairement étiquetées avec des paramètres UTM, dans une propriété de test, peuvent confirmer que les règles de canal classent correctement les sessions. Vous pouvez ouvrir les liens balisés dans le navigateur et depuis la zone géographique prévus, examiner la source, le support, la campagne, la page de destination et le parcours des événements, puis consigner le résultat.
Un balisage transparent des sources clarifie l’attribution en production et aide les collègues à comparer les futurs changements de configuration à une référence propre. Un trafic de test réel, des libellés clairs et une propriété isolée fournissent des éléments utiles sans compromettre la prise de décision.
Définir d’abord la question de mesure
Un total hebdomadaire est trop vague. Vous pouvez déterminer si vous avez besoin de mesurer la qualité des sources, les pages citées ou consultées, ou les conversions ultérieures. La réponse détermine le rapport et évite que le suivi du trafic lié à l’IA générative ne se résume à des chiffres inexpliqués. Pour les catégories sensibles, nous recommandons de ne recueillir que les données d’attribution nécessaires et de respecter le consentement prévu par le RGPD. Une approche axée sur les personnes respecte les visiteurs tout en fournissant des éléments utiles à votre équipe.
Utiliser le canal natif AI Assistant de GA4 comme première couche de sessions
GA4 a ajouté le canal natif AI Assistant à son Default Channel Group en May 2026. Lorsqu’un référent correspond à la liste des assistants IA pris en charge par Google, GA4 attribue le support ai-assistant et la campagne (ai-assistant). C’est la vue initiale la plus claire des visites identifiables provenant de sources telles que ChatGPT, Gemini, Copilot, DeepSeek et Grok.
Cette délimitation est importante. Google AI Overviews et AI Mode sont exclus et restent dans Organic Search. Dans l’étude de Pew sur la navigation, des clics sur les résultats classiques ont été observés lors de 8% des visites avec un résumé généré par l’IA, contre 15% sans résumé, tandis que les liens des résumés ont reçu des clics lors de 1% des visites. Ces tendances de clics sur les AI Overviews montrent pourquoi les rapports sur la recherche et ceux sur les assistants doivent être interprétés séparément.
Pour établir un premier rapport pratique, filtrez le Default Channel Group sur AI Assistant, puis ventilez les sessions par Session source, page de destination, taux d’engagement et événements clés. Il est utile de vérifier les dates autour de la mise en œuvre, car un changement de classification native peut créer une rupture visible dans la série, qui traduit une meilleure catégorisation plutôt qu’une nouvelle demande. Notre guide sur la différence entre les sessions, les utilisateurs et les pages vues explique pourquoi ces chiffres concordent rarement parfaitement.
Cette délimitation est importante. Google AI Overviews et AI Mode sont exclus et restent dans Organic Search. Dans l’étude de Pew sur la navigation, des clics sur les résultats classiques ont été observés lors de 8% des visites avec un résumé généré par l’IA, contre 15% sans résumé, tandis que les liens des résumés ont reçu des clics lors de 1% des visites. Ces tendances de clics sur les AI Overviews montrent pourquoi les rapports sur la recherche et ceux sur les assistants doivent être interprétés séparément.
Pour établir un premier rapport pratique, filtrez le Default Channel Group sur AI Assistant, puis ventilez les sessions par Session source, page de destination, taux d’engagement et événements clés. Il est utile de vérifier les dates autour de la mise en œuvre, car un changement de classification native peut créer une rupture visible dans la série, qui traduit une meilleure catégorisation plutôt qu’une nouvelle demande. Notre guide sur la différence entre les sessions, les utilisateurs et les pages vues explique pourquoi ces chiffres concordent rarement parfaitement.
Considérer le canal natif comme un minimum, et non comme un recensement exhaustif
Le canal natif est cohérent dans GA4, mais il ne fournit pas un décompte complet. Les assistants qui ne figurent pas dans la liste correspondante et les transferts depuis des applications sans référent ne sont pas détectés. Vous pouvez conserver le rapport natif comme référence comparable.
Capturer les référents manqués et le trafic balisé avec un groupe de canaux personnalisé
Un groupe de canaux personnalisé constitue une solution de secours pour les sessions d’IA identifiables que GA4 classe dans Referral. Dans Admin, vous pouvez ouvrir Data display, puis Channel groups, et créer une règle AI-assistant fondée sur Session source ou sur une autre dimension de source appropriée. L’ordre des règles est important : placer cette règle au-dessus de Referral évite que la règle de référent plus générale ne s’applique à la session en premier.
Une expression régulière de départ peut inclure les hôtes observés dans vos données, tels que (?i)(chatgpt\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com|grok\.com). Cela peut servir de liste initiale. Il est utile d’examiner chaque semaine les sources Unassigned et Referral, de confirmer les nouveaux hôtes et de tenir un journal daté des modifications.
Les paramètres UTM constituent une option plus claire lorsque vous contrôlez le lien. Ce sont des balises ajoutées à une URL pour que les outils d’analyse puissent identifier sa source, son support et sa campagne, comme l’explique cet aperçu des paramètres UTM. ChatGPT ajoute souvent utm_source=chatgpt.com aux liens cités. Lorsque cela se produit, vous pouvez le conserver au lieu de le remplacer par une règle trop générale.
Pour vos propres newsletters, supports de partenaires ou démonstrations avec consignes, une convention de nommage stable peut utiliser utm_source=chatgpt, utm_medium=ai-assistant et un libellé de campagne compréhensible. Nous recommandons d’éviter de baliser des liens que vous ne contrôlez pas ou de supposer qu’une balise source prouve que chaque destinataire a utilisé un assistant d’IA. La cohérence est utile, car elle facilite le regroupement des données sans leur attribuer un degré de certitude supérieur à celui qu’elles permettent.
Une expression régulière de départ peut inclure les hôtes observés dans vos données, tels que (?i)(chatgpt\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com|grok\.com). Cela peut servir de liste initiale. Il est utile d’examiner chaque semaine les sources Unassigned et Referral, de confirmer les nouveaux hôtes et de tenir un journal daté des modifications.
Les paramètres UTM constituent une option plus claire lorsque vous contrôlez le lien. Ce sont des balises ajoutées à une URL pour que les outils d’analyse puissent identifier sa source, son support et sa campagne, comme l’explique cet aperçu des paramètres UTM. ChatGPT ajoute souvent utm_source=chatgpt.com aux liens cités. Lorsque cela se produit, vous pouvez le conserver au lieu de le remplacer par une règle trop générale.
Pour vos propres newsletters, supports de partenaires ou démonstrations avec consignes, une convention de nommage stable peut utiliser utm_source=chatgpt, utm_medium=ai-assistant et un libellé de campagne compréhensible. Nous recommandons d’éviter de baliser des liens que vous ne contrôlez pas ou de supposer qu’une balise source prouve que chaque destinataire a utilisé un assistant d’IA. La cohérence est utile, car elle facilite le regroupement des données sans leur attribuer un degré de certitude supérieur à celui qu’elles permettent.
Analyser le trafic Direct sans le réétiqueter
Une catégorie Direct importante peut inclure des URL saisies, des favoris, des campagnes non balisées et des visites depuis des assistants sans référent. Vous pouvez examiner les pages de destination Direct, les tendances entre nouveaux visiteurs et visiteurs connus, ainsi que les périodes suivant une mention connue de l’IA afin de les remettre en contexte. Les sessions Direct doivent rester présentées séparément, à moins que des éléments ne justifient leur classement comme trafic provenant de l’IA.
C’est là que l’analyse du trafic lié à l’IA bénéficie des annotations. Vous pouvez indiquer le lancement d’une nouvelle règle personnalisée, d’une campagne, d’une citation publique ou d’une modification des rapports. L’annotation ne prouvera pas la causalité, mais elle donnera aux futurs analystes le contexte nécessaire pour tester la tendance plutôt que de la deviner.
C’est là que l’analyse du trafic lié à l’IA bénéficie des annotations. Vous pouvez indiquer le lancement d’une nouvelle règle personnalisée, d’une campagne, d’une citation publique ou d’une modification des rapports. L’annotation ne prouvera pas la causalité, mais elle donnera aux futurs analystes le contexte nécessaire pour tester la tendance plutôt que de la deviner.
Compléter le tableau avec les rapports propriétaires sur la recherche générative
Un outil gratuit de suivi du trafic provenant de l’IA ne devrait pas se limiter aux données de clics. Le rapport AI Performance de Bing Webmaster Tools et les rapports sur les performances de l’IA générative de Google Search Console fournissent des signaux propriétaires sur la visibilité dans la recherche générative. Ces deux rapports sont mentionnés dans la présentation de Wikipédia sur l’optimisation pour les moteurs génératifs, une pratique visant à améliorer la visibilité dans les réponses de l’IA générative.
Ces rapports peuvent constituer une couche distincte de visibilité. Vous pouvez comparer les requêtes, les pages, les impressions et les clics aux données des pages de destination de GA4, mais une correspondance exacte est improbable, car les périmètres, les dates et les traitements diffèrent.
Si vous souhaitez vérifier le trafic provenant de l’IA sans acheter une autre plateforme, la solution pratique consiste à combiner ces rapports propriétaires gratuits avec GA4. Un outil gratuit de suivi du trafic lié à l’IA est utile lorsqu’il documente aussi clairement ce qu’il ne peut pas observer que ce qu’il peut mesurer. Cette transparence évite de présenter une mesure de visibilité comme une mesure de visites.
Ces rapports peuvent constituer une couche distincte de visibilité. Vous pouvez comparer les requêtes, les pages, les impressions et les clics aux données des pages de destination de GA4, mais une correspondance exacte est improbable, car les périmètres, les dates et les traitements diffèrent.
Si vous souhaitez vérifier le trafic provenant de l’IA sans acheter une autre plateforme, la solution pratique consiste à combiner ces rapports propriétaires gratuits avec GA4. Un outil gratuit de suivi du trafic lié à l’IA est utile lorsqu’il documente aussi clairement ce qu’il ne peut pas observer que ce qu’il peut mesurer. Cette transparence évite de présenter une mesure de visibilité comme une mesure de visites.
Demander aux internautes comment l’IA a influencé leur visite
L’attribution déclarée par les utilisateurs comble une lacune du suivi technique. Un champ facultatif et court dans un formulaire après une demande de démonstration, une inscription à une newsletter ou un achat peut demander : « Comment avez-vous entendu parler de nous pour la première fois ? » Les choix peuvent inclure ChatGPT, Gemini, Perplexity, résumé de recherche généré par l’IA, moteur de recherche, collègue et autre, ainsi qu’un champ de réponse libre.
Les personnes ne se souviennent pas toujours du premier point de contact ; ces réponses complètent donc les données analytiques au lieu de les remplacer. Il est utile d’examiner chaque mois les réponses libres afin d’y repérer les noms d’assistants et les cas d’utilisation. Nous recommandons de conserver une formulation neutre et, dans les entreprises dont les ventes sont pilotées par l’équipe commerciale, de relier les réponses aux étapes des opportunités afin de distinguer la simple curiosité des conversions assistées.
Les personnes ne se souviennent pas toujours du premier point de contact ; ces réponses complètent donc les données analytiques au lieu de les remplacer. Il est utile d’examiner chaque mois les réponses libres afin d’y repérer les noms d’assistants et les cas d’utilisation. Nous recommandons de conserver une formulation neutre et, dans les entreprises dont les ventes sont pilotées par l’équipe commerciale, de relier les réponses aux étapes des opportunités afin de distinguer la simple curiosité des conversions assistées.
Créer un tableau de bord hebdomadaire qui distingue les différentes couches
Le meilleur tableau de bord du trafic lié à l’IA est suffisamment concis pour être examiné chaque semaine et suffisamment explicite pour qu’un nouveau collègue puisse le lire correctement. Vous pouvez utiliser une période de référence fixe et afficher l’évolution d’une semaine à l’autre, tout en conservant un contexte mensuel, car les faibles volumes provenant des assistants peuvent fluctuer fortement.
Votre panneau principal consacré aux sessions peut inclure :
Votre panneau principal consacré aux sessions peut inclure :
Un nouveau collègue ne peut consulter le tableau de bord que s’il y a accès. Un accès individuel Viewer ou Analyst permet de suivre chaque modification, tandis qu’un identifiant partagé masque l’identité de la personne qui a effectué chaque action. Notre guide sur l’ajout d’utilisateurs dans Google Analytics explique quel rôle convient à chaque lecteur et comment l’attribuer en six étapes.
- Sessions par source d’IA, réparties entre GA4 AI Assistant, les référents d’IA personnalisés et les sessions balisées avec des paramètres UTM.
- Pages de destination, avec les entrées, le taux d’engagement et les événements clés pour chaque association source-page.
- Conversions assistées, selon la fenêtre et le modèle d’attribution documentés.
- Contexte du trafic Direct, présenté séparément plutôt que reclassé comme trafic provenant de l’IA.
- Observations issues des rapports sur la recherche générative, avec le libellé de plateforme d’origine et la plage de dates.
Le taux d’engagement et les événements clés peuvent vous aider à déterminer si les sessions de référents sont pertinentes pour les personnes, au lieu de célébrer simplement le nombre brut de visites. Les conversions assistées sont particulièrement utiles lorsque le clic initial depuis l’IA a une visée informative et que la conversion finale se fait par e-mail, accès direct ou recherche de marque. Il est utile d’afficher la définition à côté du graphique afin que l’interprétation d’une hausse des conversions assistées reste cohérente.
Une indication du niveau de confiance peut également être utile : mesuré, déduit ou déclaré par les utilisateurs. L’analyse du trafic lié à l’IA devient ainsi un outil d’aide à la décision et permet aux dirigeants d’éviter de traiter une estimation comme un fait.
Une indication du niveau de confiance peut également être utile : mesuré, déduit ou déclaré par les utilisateurs. L’analyse du trafic lié à l’IA devient ainsi un outil d’aide à la décision et permet aux dirigeants d’éviter de traiter une estimation comme un fait.
Utiliser une liste de vérification hebdomadaire pour garantir la fiabilité du système
Vous pouvez revoir le cadre à mesure que les assistants, les référents et les règles évoluent. Cette routine hebdomadaire permet de suivre concrètement le trafic provenant de l’IA :
- Vous pouvez examiner les sessions natives AI Assistant, ainsi que les principales sources, pages de destination, taux d’engagement, événements clés et conversions assistées.
- Il est utile d’inspecter les sources Referral et Unassigned à la recherche de véritables hôtes d’assistants, puis de ne modifier la règle personnalisée qu’à partir d’éléments documentés.
- Vous pouvez examiner les nouvelles valeurs UTM et signaler les noms de source ou de support incohérents avant qu’ils ne fragmentent les rapports.
- La comparaison des rapports des plateformes de recherche générative avec les tendances de GA4 permet de distinguer la visibilité des sessions.
- Il est utile d’examiner un petit échantillon de réponses déclarées par les utilisateurs et de partager les tendances pertinentes avec les équipes de contenu, de produit et de vente.
- Vous pouvez consigner les modifications, les tests et les lacunes connues des données dans les notes du tableau de bord.
Cette approche permet d’améliorer les règles à mesure que les éléments probants s’accumulent, favorise un balisage transparent et des rapports de production propres, et maintient l’attention sur les personnes qui ont besoin de réponses utiles.
