Neuf entreprises sur dix font face à une crise du trafic de bots alors que les agents IA brouillent les frontières

PYMNTS a rapporté que 89,5 % des entreprises interrogées jugent le trafic de bots difficile à gérer, malgré une confiance croissante dans leur capacité à distinguer les agents utiles des menaces. Le titre de google news reflète l’ampleur du phénomène, mais le problème de fond ne réside pas simplement dans le nombre de bots. Les entreprises doivent désormais différencier l’automatisation malveillante des logiciels agissant pour le compte de clients légitimes.

Cette distinction devient plus difficile à mesure que les agents IA commencent à rechercher des produits, gérer des comptes et initier des achats. Un agent d’achat et un bot de fraude peuvent effectuer des actions similaires à des vitesses comparables. Bloquer chaque visiteur automatisé réduirait les risques, mais rejetterait aussi de nouvelles formes de commerce légitime.

Le conflit évolue d’une opposition entre humains et bots vers une distinction entre agents autorisés et automatisation non fiable. Les contrôles existants ont été conçus pour reconnaître les personnes, les appareils et les comptes. Ils n’ont pas été pensés pour déterminer si un logiciel est autorisé à agir pour une personne donnée.

L’enquête révèle un vaste problème de trafic de bots

La gestion des bots est devenue un défi opérationnel courant, et non plus une préoccupation limitée aux équipes de cybersécurité.

Cette conclusion provient d’une étude de PYMNTS Intelligence réalisée avec la société de vérification d’identité Trulioo. Le rapport complet de l’enquête a examiné les réponses de 350 dirigeants d’entreprise.

Ces répondants travaillaient dans la conformité, la fraude, la gestion des risques, la souscription, l’acquisition de fournisseurs et la surveillance des marchands. Leurs entreprises opéraient sur plusieurs marchés géographiques et dans diverses catégories de revenus.

PYMNTS a mené l’enquête entre le 1er août et le 10 septembre 2025. Elle a révélé que 89,5 % des organisations considéraient la gestion du trafic de bots comme au moins légèrement difficile.

La plupart des entreprises ont classé le problème parmi les difficultés légères ou modérées. Pourtant, seulement environ une sur dix a déclaré que le trafic de bots ne posait aucun problème.

L’enquête a également révélé que 52,3 % des organisations avaient connu une hausse du trafic de bots au cours de l’année précédente. Moins de 10 % ont indiqué que les volumes étaient restés stables.

Ce résultat est important, car il montre une évolution dans les deux sens. Certaines entreprises ont connu une baisse du trafic, tandis qu’une majorité a fait face à une hausse. Très peu ont observé un environnement inchangé.

L’enquête n’établit pas que chaque hausse impliquait une activité malveillante. Le trafic de bots comprend les robots d’indexation des moteurs de recherche, les services de surveillance, les extracteurs de données commerciaux, les assistants destinés aux clients et l’automatisation hostile.

C’est précisément cette population hétérogène qui rend le résultat significatif. Davantage d’automatisation ne signifie pas automatiquement davantage de fraude, mais cela augmente le nombre d’interactions nécessitant une décision de confiance.

Un système de sécurité peut soumettre un logiciel inconnu à une vérification ou le bloquer directement. Toutefois, ces réponses deviennent coûteuses lorsqu’un agent autorisé tente d’exécuter la demande d’un client.

L’enquête a mesuré ce coût à travers les faux positifs, c’est-à-dire les transactions numériques légitimes identifiées à tort comme suspectes. Les grandes entreprises ont signalé un taux de faux positifs de 3,3 %.

Les entreprises dont le chiffre d’affaires annuel se situe entre 50 millions et 250 millions de dollars ont déclaré un taux inférieur, de 2,7 %. L’écart paraît faible jusqu’à ce qu’il soit appliqué à des millions de transactions.

À cette échelle, une fraction de point de pourcentage peut affecter de nombreux clients. Elle peut aussi engendrer des coûts de support, des achats abandonnés et des vérifications d’identité répétées.

La publication originale de google news présentait cette conclusion comme une difficulté à gérer le trafic. Les données sous-jacentes montrent un problème plus large impliquant l’identité, l’autorisation, la fraude et l’expérience client.

Les entreprises ne décident pas seulement si une demande provient d’un logiciel. Elles déterminent si ce logiciel représente un utilisateur de confiance et est autorisé à effectuer l’action demandée.

Pourquoi les agents IA légitimes augmentent les enjeux

L’essor des agents IA utiles rend une politique de sécurité consistant à bloquer d’abord commercialement risquée.

Les défenses traditionnelles contre les bots commencent souvent par une classification binaire. Une demande est traitée comme humaine ou automatisée, puis autorisée, soumise à une vérification, restreinte ou bloquée.

Cette approche fonctionne lorsque l’automatisation relève de catégories familières. Un robot d’indexation déclaré peut être autorisé, tandis qu’un bot de credential stuffing est immédiatement bloqué.

L’IA agentique affaiblit cette division simple. Un agent IA est un logiciel capable d’exécuter une séquence d’actions pour atteindre un objectif défini par l’utilisateur.

Ces actions peuvent inclure la comparaison de produits, la vérification de la disponibilité, le remplissage de formulaires ou la gestion d’un abonnement. Un agent peut également accéder à un compte authentifié ou initier un paiement.

Son comportement peut ressembler à un abus. Les logiciels utiles comme malveillants peuvent parcourir rapidement des pages, suivre des parcours prévisibles, soumettre des formulaires et effectuer des requêtes répétées.

HUMAN Security a constaté que le trafic provenant d’agents IA et de navigateurs agentiques a progressé de 7 851 % sur un an. Son référentiel de trafic a analysé plus d’un quadrillion d’interactions observées en 2025.

Selon cet ensemble de données, le trafic mensuel généré par l’IA a augmenté de 187 % entre janvier et décembre. Les robots d’indexation destinés à l’entraînement représentaient encore 67,5 % du volume observé de bots IA.

Cependant, les systèmes agentiques avaient commencé à aller au-delà de la simple lecture des pages. HUMAN a indiqué que 77 % de l’activité agentique se déroulait sur les pages produits et de recherche.

Une autre part de 8,8 % apparaissait sur les pages de compte, tandis que 5 % atteignaient les parcours d’authentification. Les pages de paiement représentaient 2,3 % de l’activité agentique observée.

Ces pourcentages montrent pourquoi les entreprises de commerce font face à une pression immédiate. Les agents atteignent les mêmes surfaces sensibles ciblées par les opérations de prise de contrôle de comptes et de fraude aux paiements.

La question de sécurité change donc à chaque étape. La lecture d’une page produit publique présente un risque différent de celui lié à la modification d’une adresse dans un compte authentifié.

Un détaillant peut accueillir favorablement un agent comparant les produits disponibles. Ce même détaillant a besoin de preuves plus solides avant de laisser cet agent utiliser une valeur stockée ou modifier des informations de paiement.

Les grandes entreprises semblent particulièrement exposées. L’étude de PYMNTS a révélé que 57 % des entreprises réalisant au moins 1 milliard de dollars de chiffre d’affaires avaient subi des incidents ou des pertes liés aux bots ou aux agents.

Le chiffre comparable était de 32 % parmi les petites entreprises. L’enquête ne prouve pas que la taille de l’entreprise a causé ces incidents.

Les grandes organisations exploitent généralement davantage de sites, de comptes, de marchés et de flux de paiement. Elles constituent aussi des cibles plus attractives et traitent davantage d’interactions où une erreur de classification peut survenir.

Cette situation exerce une pression sur plusieurs services. Les équipes de sécurité veulent réduire les attaques réussies, tandis que les équipes commerciales cherchent à réduire le nombre de clients rejetés.

Les responsables de la conformité ont besoin de contrôles d’identité défendables. Les équipes produit veulent que les agents puissent accéder à des fonctionnalités utiles sans obtenir une autorité excessive.

Les lecteurs suivant cette histoire via google news ne devraient pas y voir la preuve que tous les agents IA sont dangereux. Le conflit porte sur l’absence de signaux de confiance, et non sur l’automatisation seule.

Le véritable enjeu est l’autorisation plutôt que les suppositions comportementales

Les entreprises doivent vérifier l’autorité d’un agent, au lieu d’inférer son intention uniquement à partir de sa vitesse et de son comportement de navigation.

La détection comportementale recherche des signaux associés à l’automatisation ou aux abus. Ils peuvent inclure des cadences de requêtes inhabituelles, une navigation scriptée, des incohérences d’appareil et des échecs d’authentification répétés.

Ces signaux restent utiles. Ils peuvent révéler des attaques à grande échelle, identifier des sessions suspectes et déclencher une vérification plus poussée.

Cependant, le comportement ne permet pas toujours d’expliquer qui a autorisé un agent. Un assistant légitime et un bot hostile peuvent produire des schémas techniques similaires.

C’est le conflit central de cet article. Les entreprises peuvent continuer à deviner à partir du comportement, ou construire des systèmes qui vérifient l’autorité déléguée.

PYMNTS et Trulioo décrivent cette seconde approche comme le « Know Your Agent », ou KYA. Ce terme désigne des contrôles qui identifient un acteur automatisé et le relient à une autorité vérifiée.

KYA étend les cadres d’identité familiers. Know Your Customer vérifie l’individu, tandis que Know Your Business vérifie une organisation commerciale.

La vérification des agents ajoute une couche supplémentaire. Elle demande quel logiciel agit, quels intérêts il représente et quelles actions cette partie a approuvées.

Cette chaîne est importante, car un agent de confiance peut encore opérer pour un compte compromis. Un utilisateur vérifié peut également accorder à un agent davantage d’accès que prévu.

Des contrôles utiles nécessitent donc plus qu’un nom de bot reconnaissable. Ils exigent un lien entre l’utilisateur, l’agent, l’action demandée et les limites applicables.

Ces limites peuvent couvrir le montant de la transaction, la catégorie de marchand, la durée, le lieu ou l’accès aux données. Un utilisateur peut autoriser la recherche de produits sans autoriser un achat.

Un autre utilisateur peut permettre une commande récurrente pour le foyer tout en interdisant les modifications de compte. La bonne décision dépend du contexte, et non simplement de l’identité d’un agent.

Ce modèle ressemble à l’accès délégué déjà utilisé dans les systèmes logiciels. Les applications reçoivent couramment des autorisations limitées plutôt que les identifiants complets d’un utilisateur.

Le commerce agentique étend ce principe à la navigation et aux transactions. La difficulté consiste à préserver l’autorisation entre plusieurs entreprises et systèmes techniques.

L’assistant de l’utilisateur, le fournisseur d’identité, le marchand, la plateforme antifraude et le réseau de paiement peuvent tous voir différentes parties de l’interaction. Aucun participant ne possède automatiquement l’intégralité de l’historique de confiance.

Cette fragmentation conduit les entreprises à s’appuyer sur des indices indirects. Un user agent connu, une adresse réseau stable ou une demande signée peuvent aider, mais chaque signal a ses limites.

Les attaquants peuvent imiter les caractéristiques d’un navigateur et alterner entre des réseaux résidentiels. Ils peuvent également compromettre des comptes légitimes ou exploiter des intégrations autorisées.

La solution n’est pas un score universel unique pour les bots. C’est une décision multicouche combinant identité, objectif déclaré, autorisation, comportement et risque transactionnel.

Ce changement affecte également l’analytique. Une page produit consultée par un agent ne représente ni une visite humaine conventionnelle ni nécessairement un trafic sans valeur.

L’agent peut comparer des options pour un client qui ne visite jamais directement le site. Les systèmes d’analytique doivent relier les recherches automatisées aux achats ultérieurs sans supposer que chaque requête est frauduleuse.

Ce défi concerne également l’édition et la recherche. Google News, les robots d’indexation de recherche conventionnels, les bots d’entraînement et les moteurs de réponses remplissent des objectifs différents, même lorsqu’ils collectent des pages similaires.

Les entreprises ont besoin de politiques reflétant ces différences. Une entreprise peut accueillir favorablement l’indexation, restreindre l’entraînement des modèles et n’autoriser les agents transactionnels qu’après authentification.

La confiance est élevée, mais les données révèlent des lacunes

La confiance des entreprises dans la détection des bots coexiste difficilement avec les pertes signalées et les taux de faux positifs.

Plus de neuf grandes entreprises sur dix ont déclaré à PYMNTS se sentir confiantes dans leur capacité à distinguer les bots nuisibles des bots utiles. La confiance seule ne prouve pas que leurs contrôles fonctionnent de manière fiable.

Ce même groupe a signalé des taux d’incidents plus élevés que les petites entreprises. Les grandes entreprises ont également enregistré le taux de faux positifs le plus élevé de l’enquête.

Ces résultats ne sont pas nécessairement contradictoires. Une entreprise peut être plus performante que ses pairs tout en perdant davantage d’argent à une échelle absolue plus importante.

Elle peut aussi disposer d’outils de détection solides tout en opérant dans des systèmes plus complexes. Chaque connexion, API, filiale et parcours de paiement supplémentaire crée une nouvelle lacune potentielle dans les contrôles.

Pourtant, ce contraste mérite d’être examiné avec attention. Les participants à l’enquête étaient des responsables chargés de la fraude, de la conformité, des risques et de fonctions connexes.

Leurs réponses reflètent des évaluations professionnelles, et non un test indépendant de la précision de détection. Les entreprises peuvent également définir différemment les incidents, le trafic de bots et les agents utiles.

Le rapport a été produit avec un fournisseur d’identité numérique, ce qui lui apporte une expertise pertinente mais aussi une perspective commerciale. Les lecteurs devraient considérer ses recommandations comme un cadre éclairé plutôt que comme une norme technique neutre.

Des données indépendantes sur le trafic confirment la tendance générale. Imperva a indiqué que le trafic automatisé avait dépassé l’activité humaine en 2024.

Son étude sur les bad bots a classé 37 % du trafic Internet mondial comme provenant de bots malveillants. Quatorze pour cent supplémentaires provenaient de bons bots, laissant 49 % aux humains.

Imperva a également constaté que les bots modérés et avancés représentaient 55 % des attaques de bots. Ces programmes tentent d’imiter de vrais navigateurs et le comportement des utilisateurs.

Les attaques simples à fort volume ont néanmoins progressé, passant de 40 % à 45 % des attaques de bots. Un accès plus facile à l’automatisation permet à des opérateurs moins expérimentés de générer du trafic nuisible à grande échelle.

Le rapport a révélé que 44 % du trafic de bots avancés ciblait les interfaces de programmation d’applications. Les API sont des connexions structurées qui permettent à des logiciels d’échanger des données ou de déclencher des fonctions.

Cette focalisation compte pour les systèmes agentiques. Un agent peut utiliser un site web, mais les agents commerciaux efficaces chercheront souvent un accès direct aux API.

Les API peuvent prendre en charge une authentification plus solide et des autorisations définies. Elles peuvent aussi exposer des fonctions métier à forte valeur lorsque les contrôles d’autorisation sont incomplets.

Les conditions sectorielles varient fortement. Imperva a constaté que les bad bots représentaient 59 % du trafic du commerce de détail et 41 % du trafic du voyage en 2024.

Le commerce de détail et le voyage offrent également des cibles de valeur. Des attaquants automatisés peuvent accaparer des stocks, tester des cartes volées, extraire des prix ou prendre le contrôle de comptes de fidélité.

Dans le même temps, ces secteurs se prêtent bien aux agents légitimes. Les clients bénéficient lorsque des logiciels peuvent comparer des tarifs, suivre les prix ou préparer un achat.

Ce chevauchement signifie que les entreprises ne peuvent pas optimiser uniquement le taux de blocage le plus élevé. Un système qui rejette toute interaction incertaine pourrait réduire les attaques mesurables tout en masquant une demande perdue.

L’inverse est tout aussi dangereux. Une entreprise qui autorise des agents sans permissions claires peut exposer des comptes, des paiements et des informations clients.

L’estimation de près de 100 milliards de dollars de l’enquête combine les pertes liées à la fraude et le rejet accidentel de transactions légitimes. Ce chiffre doit être interprété avec prudence.

Il s’agit d’une estimation sectorielle, et non d’un total audité pour les entreprises interrogées. Les catégories mesurent également différentes formes de préjudice.

La fraude représente une action hostile réussie. Un faux positif représente une action défensive qui a nui à une interaction légitime.

Les réunir met en évidence le compromis central. Des contrôles stricts peuvent créer des pertes commerciales, tandis que des contrôles souples peuvent créer des pertes de sécurité.

L’objectif n’est ni un maximum ni un minimum de friction. Il s’agit de prendre une décision plus précise sur l’autorité à chaque étape sensible.

Google News met en lumière une évolution plus large de l’économie des bots

Le problème des bots s’amplifie, car le trafic automatisé porte désormais à la fois un risque hostile et une valeur commerciale potentielle.

Pendant des années, de nombreuses organisations ont considéré les bots comme un problème de sécurité des sites web. Les équipes de sécurité géraient l’extraction de données, les attaques contre les identifiants, les abus de stocks et les activités de déni de service.

Les agents d’IA élargissent la discussion à la distribution et aux revenus. Un visiteur automatisé peut porter l’intention d’achat d’un client sans générer une consultation de page conventionnelle.

Akamai a indiqué que les bots d’IA généraient 47,9 % du trafic du commerce sur son réseau en décembre 2025. Ses constats sur la sécurité du commerce plaçaient le secteur au centre de la pression exercée par la fraude agentique.

Akamai a également indiqué que les organisations du commerce catégorisaient plus de 90 % de l’activité des bots d’IA à des fins de surveillance. Elles laissaient passer sans restriction environ les trois quarts de l’activité restante.

La surveillance peut constituer une première réponse judicieuse lorsque les classifications restent incertaines. Elle permet aux entreprises d’observer les comportements avant d’appliquer des règles susceptibles de bloquer des agents utiles.

Toutefois, l’observation passive laisse une exposition lorsque l’automatisation suspecte atteint les fonctions de compte ou de paiement. Les entreprises ont besoin de politiques qui évoluent à mesure qu’une interaction devient plus sensible.

Les pages publiques peuvent tolérer un accès plus large. L’authentification, les moyens de paiement enregistrés, les soldes de fidélité et la récupération de compte exigent davantage de confiance.

Cette progression fondée sur le risque offre une voie médiane pratique. Elle évite de traiter chaque demande automatisée comme également dangereuse.

Elle évite aussi d’accorder une confiance étendue à un agent simplement parce qu’une entreprise connue l’exploite. Un service légitime peut être mal configuré, compromis ou utilisé au-delà de l’autorisation d’un client.

La concentration des opérateurs crée une autre complication. HUMAN a attribué environ 69 % du trafic observé piloté par l’IA en 2025 aux agents utilisateurs d’OpenAI.

Meta représentait environ 16 %, tandis qu’Anthropic en représentait environ 11 %. Les autres opérateurs identifiés généraient collectivement moins de 5 %.

Ces mesures proviennent de la base clients de HUMAN ; elles ne représentent donc pas l’ensemble d’Internet. Elles illustrent néanmoins comment les décisions concernant quelques opérateurs peuvent façonner l’exposition totale à l’IA.

Un marchand pourrait créer des règles pour des agents reconnus issus de grands fournisseurs. Toutefois, l’identité du fournisseur ne permet pas de savoir si une transaction spécifique bénéficie de l’approbation de l’utilisateur.

Les agents plus petits ou auto-hébergés posent un défi supplémentaire. Bloquer chaque agent inconnu favoriserait les grandes plateformes et limiterait la concurrence.

Les autoriser sans vérification solide augmenterait le risque de fraude. Des normes ouvertes d’identité et de permissions déléguées pourraient réduire ce conflit.

Google News offre une analogie utile, même s’il ne s’agit pas d’un agent transactionnel. Les éditeurs peuvent identifier des robots d’exploration de recherche connus et décider de la manière dont leur contenu apparaît dans les systèmes de découverte.

Le commerce a besoin d’une version plus riche de cette relation. Un magasin doit comprendre non seulement qui demande des informations, mais aussi ce que l’agent peut faire ensuite.

Le changement affecte la stratégie commerciale. Les entreprises qui rejettent des agents légitimes pourraient disparaître de la découverte de produits ou des achats médiatisés par l’IA.

Les entreprises qui acceptent les agents trop librement pourraient absorber la fraude, les coûts d’extraction de données et des analyses faussées. Aucun des deux extrêmes n’offre un modèle opérationnel durable.

Ce que les entreprises devraient surveiller ensuite

La prochaine phase dépendra d’identifiants d’agents vérifiables, de permissions plus restreintes et de preuves que ces contrôles réduisent à la fois la fraude et les faux positifs.

Le premier signal sera l’adoption de méthodes portables d’identité et d’autorisation des agents. Les marchands ont besoin d’identifiants qu’ils peuvent vérifier sans créer de connexions personnalisées pour chaque fournisseur d’IA.

Ces identifiants devraient identifier l’opérateur et relier l’agent à un utilisateur. Ils devraient également exprimer un périmètre limité pour l’action demandée.

Cette adoption renforcerait l’argument en faveur de contrôles fondés sur la KYA. Des approches fragmentées ou propriétaires laisseraient les entreprises dépendantes de l’inférence comportementale.

Le deuxième signal sera une évolution mesurable des taux de faux positifs. L’enquête PYMNTS a établi un taux de 3,3 % parmi les grandes entreprises et de 2,7 % parmi les plus petites.

Les études futures devraient montrer si la vérification continue réduit ces chiffres. Elles devraient également distinguer les transactions humaines des transactions d’agents autorisés.

Un taux de rejet inférieur sans hausse de la fraude soutiendrait l’approche centrée sur l’identité. Une friction en baisse associée à des pertes en hausse l’affaiblirait.

Le troisième signal concernera la manière dont les grands marchands gèrent les agents lors de la connexion et du paiement. La découverte de produits publics est déjà une activité courante des agents, mais les actions sensibles restent limitées.

Surveillez les marchands qui publient des règles claires d’accès des agents et des exigences de permission. Surveillez également les communications concernant les prises de contrôle de compte, les tests de cartes et les litiges liés aux agents.

Ces évolutions révéleront si le commerce agentique devient un canal fiable ou une couche supplémentaire d’automatisation non gérée.

Les entreprises n’ont pas besoin d’attendre une norme universelle avant d’améliorer leurs contrôles. Elles peuvent inventorier le trafic automatisé et séparer la navigation publique des actions sensibles liées aux comptes.

Elles peuvent définir quels agents sont autorisés, quelles preuves ces agents doivent présenter et quelles actions exigent une confirmation de l’utilisateur.

Les entreprises devraient aussi éviter d’utiliser un score unique de bot sur toutes les surfaces numériques. Une requête sur un catalogue public et une modification de moyen de paiement ne présentent pas un risque comparable.

La vérification continue peut réévaluer la confiance au cours d’une session. Elle peut prendre en compte l’identité, l’appareil, le comportement, le contexte de la transaction et la permission demandée.

Cette approche exige toutefois de la retenue. Une collecte de données plus importante peut créer des préoccupations de confidentialité et de conformité, en particulier lorsque les entreprises ne peuvent pas expliquer leurs décisions.

Les contrôles automatisés contre la fraude devraient prévoir des voies de réexamen et de recours. Les clients ont besoin d’un moyen de rétablir une transaction légitime lorsqu’elle est contestée.

Les responsables de la sécurité devraient également vérifier si les contrôles produisent des résultats inégaux selon les lieux, les appareils ou les outils d’accessibilité. Un taux mondial de faux positifs plus faible peut masquer des préjudices concentrés.

Pour les travailleurs du savoir qui suivent cette évolution, la qualité des sources compte autant que la visibilité des titres. Un résultat Google News peut faire remonter une affirmation importante, mais la méthodologie sous-jacente en détermine la valeur.

Le constat de PYMNTS est significatif, car il comprend un échantillon défini, une période de collecte et des mesures détaillées. Il représente néanmoins des réponses à une enquête plutôt qu’une observation directe du trafic réseau.

Imperva, HUMAN et Akamai fournissent des données observationnelles, mais chacun observe le trafic à travers son propre réseau de clients. Leurs pourcentages ne devraient pas être combinés en un décompte universel des bots.

Pris ensemble, les sources étayent une conclusion plus nuancée. Le trafic automatisé augmente, les bots malveillants restent importants et les agents légitimes entrent dans des flux de travail sensibles.

L’incertitude restante concerne la qualité des contrôles. Les entreprises doivent prouver qu’elles peuvent accueillir des logiciels autorisés sans créer une nouvelle voie vers la fraude.

Cette preuve viendra des résultats, et non des enquêtes de confiance. Des taux d’incident plus faibles, moins de clients rejetés et des permissions d’agents traçables compteront le plus.

Les lecteurs qui rencontrent un autre titre spectaculaire de google news au sujet des bots devraient poser trois questions. Quel trafic a été mesuré, comment a-t-il été classé et quelle action métier a-t-il atteint ?

Ces questions distinguent le bruit général d’Internet d’un véritable risque opérationnel. Elles révèlent également si une organisation peut reconnaître l’autorité au lieu de simplement détecter l’automatisation.

Les prochains mois montreront si les entreprises dépassent l’ancien modèle « bot ou non ». Si elles y parviennent, la vérification des agents pourra devenir une composante de l’infrastructure d’identité numérique.

Dans le cas contraire, les entreprises continueront de choisir entre deux erreurs coûteuses. Elles admettront soit une automatisation hostile, soit bloqueront des logiciels porteurs d’une intention client légitime.