Distinguer un bot d’un humain ? La moitié des internautes n’y parviennent pas

En 2024, le paysage numérique a radicalement changé, les bots automatisés représentant 51 % de l’ensemble du trafic Web¹. Cette évolution a été accélérée par la démocratisation rapide de l’IA et des modèles de langage (LLM), permettant de créer et de déployer des bots plus facilement que jamais. Les bots sur les réseaux sociaux ont particulièrement exacerbé la situation, les principales plateformes supprimant chaque année 6,3 milliards de faux comptes et 11,1 milliards de contenus indésirables². Ces chiffres ne sont pas si surprenants si l’on considère que, sur le marché noir, de faux comptes de réseaux sociaux sont vendus à partir de seulement 0,08 $³.

Afin de comprendre l’impact sur les internautes des bots présents sur les réseaux sociaux, une expérience exceptionnelle d’une semaine intitulée Bot or Not?⁴ a été menée en collaboration avec des étudiants en master en conception d’interactions de l’université de Malmö.

Les résultats recueillis par les chercheurs de Surfshark à l’issue de leur analyse du test « bot ou humain » révèlent à quel point les bots nous influencent sur Internet, en particulier les personnes âgées, celles disposées à défendre farouchement leurs opinions sur des questions politiques et sociales sensibles, ainsi que celles qui ont choisi Facebook et Threads comme plateformes principales.

Qui a participé à l’expérience ? 

Le jeu Bot or Not?⁴  est une simulation interactive chronométrée conçue pour tester la capacité d’un utilisateur à distinguer les véritables internautes des textes générés par des bots. Les participants ont été confrontés à une section de commentaires simulée sur les réseaux sociaux et devaient identifier les commentaires rédigés par un bot. Les utilisateurs disposaient de 120 secondes pour repérer 10 commentaires de bot parmi quatre sujets distincts, deux neutres (les centres de données et de l’ananas sur une pizza) et deux controversés (l’immigration et les droits des femmes). 

Notre échantillon était composé de 710 participants qui ont pris part au test Bot or Not? et ont accepté de partager leurs résultats par la suite.

Le jeu Bot or Not?⁴ est désormais accessible en ligne à tous, et vous pouvez y jouer.

La moitié des internautes ne parviennent pas à distinguer un bot d’un humain

Le jeu s’est avéré difficile, seule une faible majorité ayant finalement réussi à repérer les robots basés sur l’IA présents sur les réseaux sociaux. Toutes catégories confondues, 53 % des participants ont obtenu un résultat positif (le nombre de bots identifiés était supérieur à celui des humains désignés à tort comme des bots), alors que près de la moitié (47 %) ont échoué.

Cependant, pour bien comprendre les raisons des échecs ou des résultats positifs des participants, nous avons examiné deux indicateurs comportementaux spécifiques : la détection des bots et la précision.

• Détection des bots : indique le nombre de bots détectés. Celui-ci reflète votre capacité à repérer les bots lorsqu’ils interagissent avec vous. Un faible score de détection des bots signifie que ceux-ci vous échappent complètement.
• Précision : évalue la fréquence à laquelle l’utilisateur identifie correctement un commentaire rédigé par un bot. Si un utilisateur affiche un faible taux de précision, il est plus susceptible de signaler de vraies personnes comme étant des bots. Cette situation est dangereuse et pourrait conduire à ce que des personnes réelles soient réduites au silence et bannies des réseaux sociaux, ou victimes d’un acharnement collectif provoqué par la paranoïa en ligne.

Sur l’ensemble du groupe de 710 joueurs, le taux moyen de détection des bots est de 58 % et la précision moyenne de 66 %. Toutefois, si les données sont ventilées par caractéristiques démographiques, des disparités apparaissent.

Les joueurs les plus jeunes sont les plus aptes à repérer les bots, alors que les plus âgés se laissent distancer

L’âge est l’un des indicateurs les plus fiables de la capacité d’un internaute à naviguer sur Internet en toute sécurité. Nos données ont révélé un « fossé générationnel » à partir de 40 ans.

• Les joueurs les plus jeunes (jusqu’à 20 ans) s’avèrent les meilleurs chasseurs de bots : ceux-ci ont repéré près de 65 % de l’ensemble des bots et affiché un taux de précision supérieur à 71 %. Autrement dit, ils sont moins susceptibles de signaler à tort de vrais utilisateurs.
• Les performances restent relativement stables entre 20 et 39 ans, mais chutent brutalement chez les personnes âgées de 41 à 50 ans. Le taux de détection des bots de ce groupe n’atteint que 42 % et sa précision chute à 59 %. Les joueurs de plus de 50 ans ne font guère mieux. En somme, les joueurs plus âgés ont du mal à repérer les bots cachés et sont plus enclins à signaler à tort de véritables personnes.

Les utilisateurs de Reddit et de X sont plus aptes à repérer les bots que ceux de Facebook

Nous avons également interrogé les utilisateurs au sujet de la plateforme de réseau social qu’ils utilisent le plus, et les résultats indiquent que les réseaux les plus utilisés comptent des types de chasseurs de bots très différents.

• Les utilisateurs de Reddit et de X sont les plus perspicaces. Les utilisateurs qui se tournent principalement vers ces plateformes se partagent la première place avec un taux de détection des bots de 68 %. Outre la détection des bots, les utilisateurs de X ont également fait preuve d’une excellente précision (71 %). Le contenu principalement textuel et très polémique de ces plateformes pourrait doter les utilisateurs d’un sens aigu pour repérer les bots.
• Il est intéressant de noter que les utilisateurs qui se connectent principalement sur TikTok étaient les plus prudents : avec 72 %, ils ont affiché le taux de précision le plus élevé de toutes les plateformes. Bien que leur taux de détection des bots était légèrement inférieur (61 %) à celui des utilisateurs de Reddit ou de X, les utilisateurs de TikTok se sont montrés plus précis pour déceler un problème lié aux bots.
• Les utilisateurs de Facebook ont eu le plus de mal à repérer les faux comptes : leur taux de détection des bots était remarquablement faibles (47 %, juste derrière les utilisateurs de Threads avec 40 %) et leur taux de précision était le plus bas (55 %) parmi les principales plateformes. Ces utilisateurs ont donc obtenu de moins bons résultats concernant l’identification des bots sur les réseaux sociaux, mais ont également été les plus nombreux à signaler à tort des comptes humains.

Les utilisateurs occasionnels des réseaux sociaux sont plus aptes à identifier les bots

Le fait de passer plus de temps sur les réseaux sociaux permet-il de mieux repérer les faux comptes ? Oui, mais seulement dans une certaine mesure.

• Les utilisateurs ayant indiqué « ne pas utiliser les réseaux sociaux » avançaient pratiquement à l’aveuglette, avec un taux de détection des bots de 40 % et une précision de 58 %.
• Le simple fait de consulter les réseaux sociaux plusieurs fois par jour fait grimper ces chiffres (respectivement 59 % et 67 %). Cela dit, être « constamment en ligne » ne confère pas de superpouvoirs pour lutter contre le problème des bots sur les réseaux sociaux. Les utilisateurs actifs « presque tout le temps » sur les réseaux sociaux ont obtenu des résultats légèrement moins bons quant au signalement erroné de personnes réelles (taux de précision de 63 %) que ceux qui ne consultent leur fil d’actualité que quelques fois par semaine (taux de précision de 70 %).

Lorsque nos émotions prennent le dessus, les bots prolifèrent

Le jeu a été organisé autour de quatre thèmes distincts. Deux thèmes considérés comme moins controversés et suscitant moins d’émotion pour la plupart des internautes (les centres de données et la question de savoir si de l’ananas sur une pizza est acceptable) ont été choisis, ainsi que deux autres plus polarisants et chargés émotionnellement (l’immigration et les droits des femmes).

Les résultats de l’expérience relative aux bots sur les réseaux sociaux ont été révélateurs. Les données suggèrent que le fait d’aborder des sujets politiques ou sociaux sensibles pourrait nous empêcher de repérer réellement les bots et nous rendre plus enclins à accuser à tort des personnes réelles.

Avoir les idées claires est un atout dans les situations peu risquées, et nous sommes en fait plutôt doués pour repérer les bots :

• Centres de données : Dans ce débat plus technique, les utilisateurs ont atteint le taux de détection des bots le plus élevé (en identifiant la majorité des bots), soit 71 %, ainsi qu’un taux de précision élevé (76 %). Cela suggère que lorsque nous ne sommes pas directement influencés par nos émotions, nous détectons davantage de bots et sommes moins enclins à accuser à tort des personnes réelles.
• De l’ananas sur une pizza : Même dans le cadre d’un débat de culture populaire quelque peu animé, les utilisateurs sont restés concentrés, identifiant 64 % des bots avec un taux de précision de 69 %.

Dès que la simulation a abordé des sujets plus émotionnels et polarisants, la capacité de nos participants à détecter les bots a chuté :

• Immigration : À mesure que le débat a pris une tournure plus politique, le taux de détection des bots a chuté à 54 %, ce qui implique que près de la moitié des bots présents sur les réseaux sociaux ont échappé à l’attention des participants. Leur taux de précision a également baissé à 63 %, ce qui révèle une augmentation de la paranoïa sur Internet lorsque des personnes ont été accusées d’être des bots.
• Droits des femmes : Ce sujet a posé les plus grands défis pour l’identification des bots. Le taux de détection des bots a chuté à 49 %, les utilisateurs ayant laissé passer plus de bots qu’ils n’en ont détectés. Pire encore, leur taux de précision a dégringolé à 61 %, ce qui indique que les joueurs ont eu davantage tendance à désigner du contenu rédigé par des personnes comme étant généré par des bots.

Protégez-vous contre les bots

Voici les recommandations de Surfshark pour vous protéger des bots à une époque où il est devenu pratiquement impossible de faire la différence entre les bots et les humains sur Internet :

• Prenez le temps de réfléchir avant de réagir. Les bots basés sur l’IA générative profitent des réactions émotionnelles et impulsives. Si une publication vous énerve, vous fait peur ou vous pousse à agir dans la précipitation, prenez quelques minutes avant de répondre, de partager ou de cliquer sur quoi que ce soit.
• Ne cliquez jamais sur des liens suspects ni ne téléchargez de fichiers provenant de personnes que vous ne connaissez que virtuellement.
• Méfiez-vous des messages privés non sollicités. Un inconnu qui vous envoie soudainement un message pour vous faire miroiter une relation amoureuse, des investissements ou des « occasions incroyables », ou qui vous demande de poursuivre la conversation sur WhatsApp ou Telegram, correspond au schéma le plus courant des arnaques par bot.
• Protégez vos données personnelles. Ne communiquez pas votre numéro de téléphone, votre adresse, vos données d’identité ni vos informations financières par message privé à une personne avec qui vous n’avez eu de contact que sur Internet.
• Vérifiez avant de faire confiance. Si un « ami », une « célébrité » ou un compte « officiel » vous contacte avec une demande inhabituelle, assurez-vous de sa légitimité par un autre moyen. Contactez la personne par téléphone, vérifiez son compte certifié ou posez-lui une question à laquelle elle seule pourrait répondre.
• Méfiez-vous du contenu « viral ». Si du contenu est conçu pour vous scandaliser et vous incite à le partager immédiatement, il provient peut-être d’une ferme de bots. Vérifiez la source d’origine avant de le republier.
• Utilisez les mesures de sécurité intégrées à la plateforme. Activez l’authentification à deux facteurs, limitez les personnes autorisées à vous envoyer des messages privés et signalez ou bloquez les comptes suspects.
• Veillez à ce que vos applications et vos appareils soient à jour. De nombreuses arnaques par bot exploitent les logiciels obsolètes.

Conclusion

Les résultats de cette expérience de détection de bots remettent en question notre approche de la culture numérique et de la sécurité en ligne. 53 % des participants à l’expérience ont obtenu des résultats positifs (ils ont identifié plus de bots qu’ils n’ont pris de personnes pour des bots). Cependant, près de la moitié des participants, soit 47 %, n’y sont pas parvenus. Cela suggère que nous ne pouvons plus nous fier uniquement à notre capacité à analyser les nuances textuelles ou à repérer un ton robotique pour identifier les bots.

La détection des bots cachés dépend beaucoup de notre âge, de notre état émotionnel, des sujets qui nous intéressent, du temps que nous passons sur les réseaux sociaux et des plateformes que nous utilisons.

Méthodologie

Cette étude sur la détection des bots a analysé les données de 710 participants qui ont joué à la simulation interactive Bot or Not. Cette machine et ce concept de jeu ont été créés par des étudiants en conception d’interactions de l’université de Malmö dans le cadre de l’exposition UNFOLD, un concours de design destiné aux universités du monde entier, organisé pendant le Salon international du meuble de Milan, le plus grand salon au monde. Tout au long de cette exposition ouverte au public pendant une semaine, les visiteurs ont été invités à participer à cette expérience.

Près de la moitié de nos joueurs (47 %) étaient âgés de 21 à 30 ans. Les adolescents et les joueurs plus jeunes (jusqu’à 20 ans) représentaient 8 % du groupe, alors que les utilisateurs âgés de 31 à 40 ans représentaient 14 %. Les plus âgés étaient également bien représentés, les tranches d’âge de 41 à 50 ans et de plus de 50 ans représentant chacune 7 % des participants (17 % des joueurs n’ont pas indiqué leur âge).

Les participants ont joué le rôle de modérateurs de contenu et avaient pour mission d’identifier les commentaires générés par des bots dans la section des commentaires d’un réseau social simulé. Les participants disposaient de 120 secondes pour examiner les commentaires portant sur l’un des quatre sujets suivants, chacun présentant un enjeu émotionnel différent : les centres de données, de l’ananas sur une pizza, l’immigration et les droits des femmes.

Les performances des participants ont été évaluées à l’aide de deux indicateurs comportementaux principaux : la détection des bots et la précision :

• La détection des bots évalue la proportion de bots réels qu’un utilisateur a correctement identifiés, ce qui permet de déterminer sa capacité à empêcher les bots de passer inaperçus.
• La précision mesure la fiabilité des signalements effectués par un utilisateur, en évaluant sa capacité à éviter de signaler à tort des personnes réelles.

Nous avons mené une analyse descriptive exploratoire de l’ensemble de données. Cela a consisté à calculer les scores bruts moyens de détection des bots et de précision sur l’ensemble de l’échantillon de 710 participants afin d’établir une référence. Nous avons ensuite segmenté ces moyennes en fonction des caractéristiques démographiques des participants (tranches d’âge, principale plateforme de réseaux sociaux et fréquence d’utilisation) et des facteurs contextuels (les quatre thèmes de débat). Cette analyse nous a permis de cartographier les tendances comportementales à grande échelle, telles que le « fossé générationnel » et l’impact de la fracture numérique, avant d’appliquer des contrôles mathématiques plus rigoureux à nos variables ordinales et continues.

Le jeu Bot or Not?4 est encore disponible, nous continuons donc à recueillir des données. À mesure que de nouveaux joueurs mettront leur instinct numérique à l’épreuve, nous analyserons les résultats et vous tiendrons informés des prochaines mises à jour.

Vous pouvez consulter l’intégralité des documents de recherche relatifs à cette étude ici.

Découvrez les coulisses du jeu Bot or Not? :

Références

¹Bad Bot Report (2025)

²Surfshark (2026).En proie aux arnaques : deux grandes plateformes de réseaux sociaux suppriment plus de faux comptes qu’elles ne comptent d’utilisateurs actifs

³Euronews (2025).Les faux comptes en ligne peu coûteux font de la désinformation un marché noir florissant

⁴Bot or Not?Le jeu de détection des bots