Les bots d'IA parcourent les journaux de certificats TLS : toutes les informations sont-elles utilisées pour entraîner les LLM ?

La société Human Security a publié un rapport intitulé « State of AI Traffic », selon lequel le trafic d'intelligence artificielle sur Internet a augmenté de 187 % au cours de la dernière année, tandis que le trafic généré par les agents d'intelligence artificielle a bondi de 7 851 % et celui des scrapers d'intelligence artificielle de 597 %. Le trafic d'intelligence artificielle croît huit fois plus vite que le trafic humain. Les sites web proposant du contenu frais, tels que les boutiques en ligne et les médias, subissent la plus forte pression : la proportion de bots sur ces sites approche les 90 %. Le rapport se base sur les données de la plateforme Human Defense Platform. Le directeur général de Cloudflare, Matthew Prince, avait prédit que d'ici 2027, les bots d'intelligence artificielle dépasseraient le trafic humain, mais cela s'est produit dès 2026. Les experts qualifient la situation de « fin du Web ouvert » : le contenu est instantanément absorbé par les bots d'intelligence artificielle et utilisé pour entraîner les grands modèles de langage (LLM), ce qui entraîne une chute catastrophique du trafic humain (par exemple, la fréquentation des médias techniques a chuté de plus de 50 %). Les éditeurs se tournent vers des accès payants, bloquant même l'Internet Archive. Les bots d'intelligence artificielle scrutent même les journaux de certificats TLS (Certificate Transparency) pour identifier de nouveaux domaines à explorer : dès qu'un utilisateur enregistre un certificat, le premier visiteur, comme le bot OAI-SearchBot d'OpenAI, arrive presque instantanément sur le serveur. Par ailleurs, pour entraîner les LLM, les archives d'entreprises en faillite sont rachetées, tandis que les entreprises en activité créent des « jumeaux numériques » de leurs employés à partir de leurs correspondances et fichiers. Dans les usines, les employés travaillent avec des caméras vidéo sur la tête pour enregistrer leur comportement non verbal. Toute information générée par les humains (UGC) devient précieuse, ce qui rend les employés en chair et en os particulièrement recherchés en ce moment.