Les bots surpassent les acheteurs 10:1 : comment la guerre contre les scalpers de DDR5 impacte la surveillance légale des prix

```html

21 août 2026 Jérôme Segura, vice-président de la recherche sur les menaces dans l'entreprise anti-bot DataDome, a publié un chiffre qui a circulé en une journée dans les médias spécialisés : sur les cartes de mémoire DDR5 d'un grand détaillant, les bots représentent 91 % de tout le trafic — soit environ dix requêtes automatiques pour une visite humaine. Au printemps, le rapport était de 6:1 pour la même entreprise. En quelques mois, la pression de l'automatisation sur les pages produits a presque doublé.

Pour ceux qui collectent les prix et la disponibilité légalement — re-pricing, contrôle MAP, analyse de l'assortiment — c'est une mauvaise nouvelle non pas parce que « les concurrents scalpers devancent ». Mais parce que le retail configure désormais sa protection selon un profil de comportement qui semble identique pour la surveillance des prix ordinaires et pour le bot scalper.

Qu'est-ce qui a été trouvé et à quel point cela peut-on y croire

Le rapport public est basé sur deux études de DataDome. L'analyse de mars fournissait des détails sur une campagne : plus de 50 000 requêtes par heure, 91 produits sous surveillance, en moyenne 551 requêtes par fiche produit — c'est-à-dire une vérification de la disponibilité toutes les 6,5 secondes. Une opération a réussi à effectuer plus de 10 millions de requêtes avant d'être bloquée. La mise à jour d'août a ajouté à cela une part : 91 % du trafic et un ratio de 10:1.

Maintenant, quelques réserves importantes, sans lesquelles ce chiffre devient du bruit marketing :

• C'est un détaillant non nommé, et non une coupe du marché.
• DataDome n'a pas publié de fenêtre d'échantillonnage ni de méthodologie — ce qui a été considéré comme un « mauvais bot » reste à sa discrétion.
• L'entreprise vend un produit qui bloque exactement ce trafic. Le conflit d'intérêts n'annule pas les données, mais nécessite des ajustements.
• Le principal : les requêtes sur la page ne sont pas des achats. La métrique montre la pression de la surveillance sur le listing, et non la part du produit réellement acheté par des bots.

Le dernier point est plus important que tous les autres. 91 % du « trafic bot » ne signifie pas 91 % de scalpers. Cette part inclut tout ce qui est automatique : agrégateurs de prix, re-pricers tiers, services de suivi des réductions, crawlers analytiques et votre propre surveillance. Le détaillant voit un volume global et réagit à cela avec une règle générale.

Pourquoi cela se produit : la mémoire est devenue un actif rare

Le contexte est simple. Un kit de 32 Go DDR5-6000, qui coûtait environ 72 $ il y a un an, se vend en moyenne en août pour 392 $. Les kits de 64 Go ont augmenté d'environ 485 %, atteignant 1118 $. Le prix spot de la puce DDR4 a atteint un record début août — 42,45 $. Les ensembles de 128 Go haut de gamme ont presque multiplié leur prix par dix. La raison n'est pas dans les barrettes de jeu : les capacités de production sont accaparées par les accélérateurs IA, HBM et la mémoire serveur — selon les prévisions sectorielles, les centres de données devraient absorber environ 70 % de la production mondiale de puces mémoire en 2026, et la pénurie devrait durer au moins jusqu'au quatrième trimestre 2027.

Lorsque les produits augmentent de cinq fois et disparaissent des étagères, la différence entre le prix de détail et le prix de revente justifie toute infrastructure pour le revente. D'où l'intensité. De plus, les cibles ont dépassé le secteur de la vente au détail : l'automatisation cible les pages des fournisseurs comme Micron et Apacer, ainsi que les fabricants de sockets DIMM et de connecteurs CAMM2 — Amphenol, TE Connectivity. Les revendeurs se sont déplacés vers le haut de la chaîne d'approvisionnement.

La signature qui nuit à la surveillance légale

Voici la description du comportement des bots dans le rapport de DataDome — lisez-le comme une liste de contrôle pour votre propre scraper :

• Contourner le cache. À chaque requête HTTP, un paramètre unique est ajouté pour obtenir une page fraîche, et non une réponse du CDN.
• Rythme humain. Un profil de charge jour-nuit, imitant les heures d'activité normales.
• Tempo légèrement en dessous du seuil. La fréquence est choisie pour ne pas déclencher d'alertes volumétriques.
• Séance plate. Accès à une fiche produit — et sortie. Ni panier, ni recherche, ni navigation dans le catalogue.

Maintenant, regardez un monitoring typique des prix en entreprise. Il suit des liens directs vers les SKU de sa base. Il ajoute un paramètre pour ne pas attraper un prix mis en cache d'hier. Il fonctionne avec un intervalle fixe, choisi empiriquement « pour ne pas être banni ». Et il ne met jamais rien dans le panier. C'est la même signature. La seule différence est l'intention, et l'intention n'est pas mesurée par le moteur anti-bot.

La conclusion pratique est désagréable : le renforcement de la protection contre les scalpers frappe automatiquement la collecte légale de données, et il n'y a personne à qui « s'expliquer ». Un effet similaire a déjà été observé sur une autre plateforme — lorsque Amazon a commencé à marquer les acheteurs ordinaires comme des bots en raison de seuils comportementaux, et non à cause de l'IP.

Ce qu'il faut changer dans votre collecte de données dès maintenant

Changer de pool IP aide peu ici : le signal provient du comportement, et non de l'adresse. L'ordre de travail qui réduit réellement la part de blocages :

1. Éliminer le rythme uniforme. Une requête toutes les 6,5 secondes avec la précision d'un métronome — ce n'est pas « humain », c'est une signature. Un jitter dans une large plage (par exemple, 20–180 secondes pour une position) et une distribution variée au cours de la semaine sont nécessaires.
2. Arrêter de casser le cache à chaque requête. Un cache-buster unique dans l'URL est le marqueur le moins cher de l'automatisation. Vérifiez la fraîcheur de manière sélective et uniquement pour les SKU volatils, prenez les autres telles quelles.
3. Donner de la profondeur à la session. Accès par catégorie ou recherche, un ou deux produits voisins, puis la fiche cible. Plus coûteux en trafic, mais élimine le profil « plat ».
4. Prioriser les SKU par volatilité. Un produit dont le prix change une fois par semaine ne doit pas être interrogé toutes les demi-minutes. La fréquence doit suivre la variabilité, et non la taille de la liste.
5. Diviser les pools par classes de tâches. La surveillance de la vente au détail, la vérification des résultats et la collecte d'avis ne doivent pas provenir des mêmes adresses : le déclenchement de la protection sur un scénario ne doit pas tuer les autres. Pour les fiches produits des grandes chaînes, les proxies résidentiels fonctionnent le plus stable, tandis que le pool de centres de données peut être laissé pour les API publiques et les vérifications internes.
6. Compter non pas en gigaoctets, mais en enregistrements réussis. Avec le renforcement de la protection, la part des retries augmente, et le prix par gigaoctet ne reflète plus la réalité — pourquoi $/GB ment et comment calculer le coût d'un enregistrement réussi, nous l'avons examiné séparément. Dans des conditions où 9 requêtes sur 10 vers un listing sont automatiques, la métrique « coût du prix valide dans la base » devient la seule honnête.

Comment savoir si vous êtes déjà coupé

Le blocage sur les pages produits ne ressemble que rarement à un refus honnête. Souvent, il est silencieux, et la surveillance continue d'écrire des déchets dans la base. Les signes qui le révèlent :

• Augmentation de la part de 429 et 403 avec un volume de tâches constant — l'indicateur le plus simple, si vous enregistrez vraiment les codes de réponse dans le log, et pas seulement le résultat du parsing.
• Présence constante de « pas en stock ». Réponse douce classique : la page est affichée, le prix est là, mais le stock est remplacé. La surveillance voit un HTML valide et ne déclenche pas d'alerte.
• Le prix est « collé ». Une version mise en cache d'il y a une semaine est renvoyée — le même effet qui a conduit les bots à commencer à casser le cache avec des paramètres.
• Augmentation du délai de réponse spécifiquement sur les fiches produits, tandis que les catégories et la recherche s'ouvrent normalement : un segment suspect a activé le throttling.
• Écart soudain dans l'échantillonnage. Si pour certains SKU les données sont mises à jour, tandis que pour d'autres elles sont complètement figées — vous êtes déjà partiellement dans le filtre, juste pas entièrement.

La pratique de travail consiste à garder plusieurs produits « de contrôle », dont le prix peut être vérifié manuellement ou à partir d'une seconde source indépendante, et à les comparer une fois par jour. Un écart entre le groupe de contrôle et ce qui est visible dans le navigateur signifie que ce n'est pas le parser qui doit être réparé, mais le profil des requêtes.

Pourquoi la simple rotation des IP ne résout plus la question

La raison pour laquelle le changement d'adresses a de moins en moins d'effet est que la décision de blocage est prise à plusieurs niveaux simultanément, et l'IP n'est que le premier d'entre eux.

• Niveau réseau. La réputation de l'adresse et du système autonome, la part des plages de centres de données, la densité des requêtes d'un même sous-réseau. Ici, la rotation aide vraiment.
• Niveau de transport et client. Empreinte TLS, ordre des en-têtes, version du client. Une bibliothèque de 2021 avec une combinaison rare de chiffrages se révèle avant même d'atteindre la logique métier.
• Niveau comportemental. Celui-là même décrit par DataDome : intervalles, profondeur de session, absence de panier et de recherche, cache-buster. Ce niveau n'est pas du tout lié à l'IP — on peut changer d'adresse à chaque requête et rester le même bot.

D'où le principal point pratique de l'histoire d'août : l'investissement dans la qualité du pool ne rapporte que lorsqu'il est associé à une correction du comportement. Séparément, le premier est le paiement pour un trafic qui sera de toute façon filtré au troisième niveau.

Où cela va-t-il ensuite

La pénurie de mémoire durera des années, donc la pression sur les fiches produits ne diminuera pas. Le retail répondra de manière évidente : limites d'achat, files d'attente, autorisation obligatoire pour vérifier la disponibilité, scoring comportemental au lieu de simples limites basées sur l'IP. Certaines de ces mesures sont déjà standards dans les secteurs des billets et des sneakers — maintenant elles arrivent dans le matériel informatique et, ensuite, aux composants industriels.

Pour les équipes qui dépendent de données externes, cela signifie un changement d'approche : l'ère du « j'ai mis en place une rotation IP et je collecte » est terminée là où le produit est rare. Ce qui fonctionne, c'est un rythme réaliste, une profondeur de session réfléchie, une séparation des pools et une prise en compte réaliste du coût du résultat. Si vous débutez dans la collecte de prix, commencez par le schéma de base de notre analyse proxies pour e-commerce : parsing des prix et surveillance des concurrents, puis appliquez-y les ajustements comportementaux de ce matériel.

Et enfin. Le chiffre de 91 % en soi n'est pas un signal indiquant qu'il y a trop de bots, mais que les pages produits des biens rares sont devenues un champ où l'automatisation concurrence l'automatisation. Dans un tel environnement, celui qui gagne n'est pas celui qui interroge le plus souvent, mais celui qui est le moins souvent pris dans le filtre.