Contexte du benchmark

Le groupe de recherche de Proof of Human a reproduit son test de détection de bots en 2026 en intégrant trois catégories d’automatisation : navigateurs scriptés classiques, navigateurs « stealth » qui masquent les empreintes d’automatisation, et agents IA capables d’interpréter une page web, de planifier des actions et de répondre à un questionnaire de cinq questions. Chaque agent IA a exécuté le questionnaire 20 fois, générant jusqu’à 100 sessions par système de détection. Certaines plateformes ont planté avant la fin du test, ce qui a laissé entre 89 et 100 sessions évaluables pour chaque solution.

Résultats par système de détection

Les taux de détection agrégés sur l’ensemble des adversaires sont les suivants : Proof of Human a identifié 99 % des sessions, Google reCAPTCHA v3 a atteint 69,4 %, hCaptcha 44,3 %, Cloudflare Turnstile 42,1 % et Cloudflare Bot Management seulement 9,1 %. Ces chiffres montrent une disparité importante entre les solutions, certaines restant très performantes tandis que d’autres échouent largement.

Analyse des écarts entre navigateurs scriptés et agents IA

Le tableau des performances révèle une division nette. Les systèmes qui s’appuient principalement sur des signaux de comportement (par exemple, les mouvements de souris, le timing des clics) ont capturé presque toutes les sessions de navigateurs scriptés et de « CloakBrowser », mais ont laissé passer la majorité des agents IA. Ainsi, hCaptcha et Cloudflare Turnstile ont détecté près de 100 % des sessions Chromium scriptées, alors que leurs taux chutent en dessous de 20 % pour les agents IA. À l’inverse, reCAPTCHA v3 a identifié la plupart des sessions d’agents IA (plus de 80 %) tout en ne détectant aucune session de CloakBrowser, ce qui indique une sensibilité aux caractéristiques propres aux modèles d’apprentissage automatique plutôt qu’aux empreintes du navigateur.

Le seul système à maintenir un taux élevé sur les deux types d’adversaires est Proof of Human, qui a détecté au moins 95 % des sessions quel que soit le vecteur d’automatisation. Cette robustesse suggère l’utilisation d’un ensemble plus large de signaux, possiblement incluant l’analyse de la séquence d’interactions sur toute la durée de la session, bien que les détails restent opaques du fait du caractère propriétaire des solutions.

Implications et limites

Les résultats indiquent que les signaux traditionnels liés aux empreintes du navigateur perdent de leur pertinence face à des agents IA capables de reproduire un environnement de navigation complet. Les défis interactifs, souvent perçus comme un rempart, offrent une protection limitée lorsque l’agent possède des capacités de vision et de compréhension du texte. En outre, l’absence de données sur les faux positifs humains empêche d’évaluer le compromis entre détection et expérience utilisateur.

Pour affiner les évaluations futures, il serait nécessaire d’augmenter le volume de trafic testé, d’inclure des participants humains afin de mesurer les taux de rejet erronés, et de proposer des scénarios plus complexes (par ex. navigation multi‑étapes, interactions dynamiques). Tant que les fournisseurs ne publient pas leurs algorithmes de signalisation, les chercheurs devront se contenter d’observations empiriques comme celles présentées ici.