Comment protéger votre site web contre le vol de contenu ?

Qu’est-ce que le vol de contenu ?

Le vol de contenu est l’acte de dérober le contenu publié d’une autre personne ou entreprise (en particulier le contenu des sites web et applications e-commerce, le contenu éditorial, les annonces classées, etc.). Le but des voleurs est souvent de réutiliser ce contenu pour générer du trafic (et potentiellement des revenus publicitaires) sur leur site. La manière la plus simple de copier de grands volumes de contenu en ligne est d’utiliser des scraper bots, parfois connus sous le nom de web crawlers (logiciels automatisés qui scannent votre site à intervalles fréquents pour copier le contenu ciblé.

Vous êtes-vous déjà demandé : “D’autres personnes gagnent-elles bien leur vie avec le contenu de mon entreprise ?”

C’est une bonne question.

Un contenu de haute qualité génère du trafic, des ventes et fidélise les clients. Qu’il s’agisse de contenu éditorial, de catalogues de produits ou d’annonces classées, il forme souvent la base d’une grande partie des revenus que vous générez en ligne.

Mais créer du contenu de qualité demande beaucoup de travail… ce qui est coûteux. Voler du contenu, en revanche, est très facile. Si l’occasion se présente, les acteurs peu scrupuleux copieront simplement ce que d’autres ont créé et l’exploiteront à leur propre avantage. Éthiquement et légalement, la pratique est plus que discutable, mais elle se produit partout, tout le temps.

Votre entreprise en ligne est-elle victime de vol de contenu ? Si c’est le cas, comment cela vous nuit-il exactement ? Et surtout, comment pouvez-vous protéger le contenu de votre site web pour éviter qu’il ne soit copié à l’avenir ?

Quelles sont industries les plus ciblées par le vol de contenu ?

Si votre contenu a de la valeur, il y a de fortes chances que quelqu’un veuille l’utiliser à son propre avantage.

Les sites médiatiques luttent contre le vol de contenu depuis l’aube d’Internet. Les agrégateurs de contenu scrapent et réutilisent le contenu médiatique afin de générer du trafic et des revenus publicitaires pour eux-mêmes, sans faire aucun travail d’écriture et éditorial. Les prestataires de services de surveillance des médias scrapent également le contenu éditorial afin de l’utiliser dans les outils et rapports qu’ils vendent, généralement sans aucune rétribution aux auteurs ou éditeurs.

Sur les sites d’e-commerce et d’annonces, les voleurs de contenu ciblent souvent les descriptions de produits, les prix et les avis des clients. La motivation est évidente : pour un site concurrent, copier votre contenu est beaucoup plus facile que de faire le travail laborieux de construire le leur.

Pour que le vol de contenu soit vraiment rentable, il doit être fait à grande échelle. Et la manière la plus simple de copier efficacement de grands volumes de contenu en ligne est d’utiliser des scraper bots, également connus sous le nom de web crawlers : des logiciels automatisés qui scanneront votre site à intervalles fréquents et copieront le contenu qui les intéresse.

Les opérateurs de scraper bots les plus motivés iront jusqu’à déguiser leurs bots en utilisateurs humains. Ils sont donc difficiles à détecter, et les administrateurs de sites web n’ont souvent aucune idée de la quantité de trafic automatisé qu’ils ont réellement.

Rakuten France est un site e-commerce de premier plan, qui publie 600 000 nouvelles annonces chaque jour. Lorsque DataDome a été installé sur leur site, la solution anti-bot a révélé que 75 % du trafic du site était généré par des bots. La catégorie de bots la plus active était les web scrapers, qui copiaient les données de produits et de clients disponibles sur le site.

Comment savoir si votre contenu est volé ?

Si vous soupçonnez que du vol de contenu sur votre site, plusieurs outils et techniques peuvent vous aider à découvrir si votre contenu est effectivement republié sans votre autorisation.

Par exemple, vous pouvez ajouter un extrait de votre contenu (choisissez quelque chose d’unique) à Google Alerts. Google vous enverra automatiquement une notification si un extrait identique est publié ailleurs. Le service est gratuit.

Copyscape est une autre option, créée spécifiquement à cet effet. Son service Copysentry surveille automatiquement le web à la recherche de copies de votre contenu et vous envoie une alerte par email dès qu’elles apparaissent. D’autres services de détection de contenu dupliqué incluent des outils de détection de plagiat comme Unicheck ou Plagiarism Checker, ainsi que des outils de recherche et reconnaissance d’images comme Tineye.

Cependant, tous ces outils ont d’importantes limitations :

• Si vous avez beaucoup de contenu, l’effort de mise en œuvre peut être dissuasif
• Ils peuvent bien fonctionner pour le contenu éditorial, mais ils ne vous aideront pas à identifier le scraping et le vol de contenu dynamique comme les prix
• Plus important encore, identifier le vol de contenu n’est que la première étape—aucun de ces outils ne vous aidera à empêcher les scrapers de voler votre contenu en ligne.

Que faire si votre contenu a été volé ?

Si vous avez détecté que votre contenu en ligne a été volé et utilisé par un autre site web, c’est finalement à vous de le faire retirer. Voici quelques étapes que vous pouvez suivre.

1. Contactez le propriétaire du site web.

Bien que cette étape puisse sembler futile—après tout, le propriétaire savait probablement qu’il volait votre contenu—il est important de commencer par là. Que ce soit via un formulaire de contact sur le site, ou que vous utilisiez un outil comme Hunter.io pour rechercher l’adresse email associée au domaine, commencez par demander gentiment. Lorsque vous rédigez votre message, n’oubliez pas ce qui suit :

• Être clair sur le contenu que vous souhaitez retirer.
• Fournir au webmaster un délai pour répondre à votre message.
• Informez le webmaster des prochaines étapes que vous prendrez s’ils ne répondent pas et ne se conforment pas.
• Demander qu’ils cessent toute future activité de scraping sur votre site web.

Même si cette étape échoue, il sera utile d’avoir une preuve que vous avez tenté un contact direct.

2. Déposez une demande de retrait DMCA directement auprès de l’hébergeur du site web.

Avant tout, utilisez un outil comme ICANN pour savoir quelle entreprise héberge le site web qui a volé votre contenu. Cela devrait vous donner des informations de contact simples pour l’entreprise afin que vous sachiez où envoyer votre avis de retrait DMCA. Lorsque vous rédigez votre avis, assurez-vous d’inclure :

• Votre nom/nom de l’entreprise et informations de contact.
• Une description du matériel copié.
• L’URL de votre matériel original et l’URL du matériel copié.
• Votre demande, comme le retrait immédiat du matériel copié.

Notez que les demandes de retrait DMCA sont destinées principalement pour les sites web hébergés aux États-Unis également. Si le site web en infraction est hébergé ailleurs, vous devrez probablement utiliser l’étape suivante.

3. Contactez Google ou le moteur de recherche directement.

Bien que cette option ne supprime pas le contenu volé du site web offensant, elle peut le retirer des résultats de Google (ou d’un autre moteur de recherche)—signifiant que seul le contenu de votre site web sera visible. Si un seul site web contient plusieurs pages de contenu copié de chez vous, cela signifie que vous devrez répéter le processus pour chaque page.

Pour Google, vous pouvez utiliser ce formulaire pour demander la suppression du contenu copié des résultats de recherche.

À quel point le problème du vol de contenu est-il grave ?

Vous suspectez que votre contenu en ligne a été copié, mais manquez vous de données pour le prouver ? Si vous avez besoin d’une protection contre le vol de contenu, commencez un essai gratuit de 30 jours de la solution de protection contre les bots de DataDome, et découvrez exactement à quoi vous êtes confronté. Cela prend seulement quelques minutes à configurer par vous-même, et vous n’avez pas besoin d’une carte de crédit.

Une fois que vous avez activé l’essai gratuit, le tableau de bord DataDome affichera tout le trafic de bots sur votre site web en temps réel. Vous pouvez voir comparer votre traficà un benchmark de l’industrie, et trouver des informations détaillées sur tous les différents types de bots qui viennent sur votre site web, y compris les scraper bots—alias les voleurs de contenu.

Le tableau de bord de web scraping de DataDome affiche une chronologie des demandes de scraping, quelles pages les attaquants essaient de voler, et d’où ils viennent—afin que vous puissiez arrêter le vol de contenu.

Comment protéger le contenu de votre site web contre le vol ?

Le vol de contenu peut être exaspérant, mais il existe des moyens de protéger votre contenu en ligne et de vous assurer que votre travail ne bénéficie pas à vos concurrents.

1. Mettez à jour votre fichier robots.txt

En théorie, vous pouvez utiliser votre fichier robots.txt pour demander aux scraper bots de partir. Un bot respectueux devrait être programmé pour rechercher ce fichier, le lire et suivre ses règles avant de faire quoi que ce soit d’autre.

Cependant, ce n’est pas très efficace. La plupart des opérateurs de bots ignoreront purement et simplement vos instructions. Vous pouvez optimiser votre fichier robots.txt, mais ne comptez pas dessus pour arrêter définitivement le vol de contenu.

2. Protégez votre contenu en ligne avec des conditions générales d’utilisation

Vous pouvez utiliser les conditions générales de votre site web pour interdire tout scraping et éventuel vol de contenu de votre site, même le contenu qui ne peut pas être protégé par le droit d’auteur comme les prix et les avis des clients.

Si vous souhaitez essayer de protéger votre contenu en ligne avec cette méthode, vous pouvez télécharger un modèle ici.

L’application de vos conditions générales peut nécessiter un temps et une persévérance significatifs, cependant. Tout comme optimiser votre fichier robots.txt, la mise à jour de vos conditions générales est une mesure utile, mais probablement pas suffisante.

3. Protégez vos images avec un filigrane

Bien que non infaillible, un filigrane peut aider à s’assurer que toute image volée de votre site web vous est clairement attribuée. Assurez-vous que le filigrane ne peut pas être facilement recadré de l’image.

4. Désactivez les moyens faciles de copier votre contenu

Il existe une multitude d’outils que les scrapers utilisent pour rassembler votre contenu, comme les menus clic droit pour enregistrer des images et la fonctionnalité de copier+coller. De nombreux plugins et outils sont disponibles pour désactiver ces accès faciles. Vous devriez également envisager de vous assurer que votre flux RSS ne publie que des résumés de contenu, et non le texte intégral.

Cependant, soyez averti : plus vous supprimez de contrôles d’accès, plus votre site web sera difficile à accéder pour tous les utilisateurs.

5. Prévenez le vol de contenu avec la technologie anti-bot

Pour arrêter une fois pour toutes le vol de contenu, vous avez besoin d’une solution technique efficace : un logiciel de protection contre le web scraping. Idéalement, la solution devrait identifier et bloquer tout scraper web indésirable ou scalper de billets sans votre intervention, afin que vous puissiez vous concentrer sur le développement et la monétisation de plus de contenu en ligne.

C’est exactement ce que la solution de gestion des bots de DataDome offre. Utilisant un moteur de détection de bots sophistiqué, basé sur l’intelligence artificielle et le machine learning, il protège les applications web, les applications mobiles et les API contre les bots scrapeurs malveillants.

Les risques et conséquences du vol de contenu

La plupart des propriétaires d’entreprises en ligne sont conscients du web scraping et du vol de contenu, mais peu mesurent l’impact complet que cette activité peut avoir sur leur entreprise. Voici certains des risques et conséquences les plus graves du vol de contenu.

Concurrence déloyale

Les concurrents qui scrapent vos listes de produits et prix peuvent afficher la même offre que vous avec très peu d’effort, et s’assurer de toujours garder leurs prix inférieurs aux vôtres.

KuantoKusta, le principal site de comparaison de prix du Portugal, a découvert que certains marchands baissaient leurs prix presque instantanément chaque fois qu’un concurrent changeait les siens. C’était injuste pour les marchands qui jouaient selon les règles, et mettait également en péril le propre service de comparaison de prix payant de KuantoKusta.

Certaines entreprises en ligne investissent beaucoup de temps et d’argent pour tenir à jour d’extensifs catalogues de produits en ligne, pour ensuite voir des concurrents profiter de leurs efforts en volant leur contenu.

Rubix et SGDB France sont tous deux des distributeurs industriels avec des catalogues de millions de références, qu’ils enrichissent et mettent à jour continuellement. Offrir des données de produit complètes pour chaque référence est un avantage concurrentiel majeur, il n’est donc pas surprenant que les deux distributeurs aient été assaillis par un scraping de contenu agressif avant d’installer une solution efficace de protection contre les bots et de protection contre le vol de contenu. Ce vol de propriété intellectuelle représentait un véritable risque commercial pour les entreprises.

Contenu dupliqué & Classements SEO inférieurs

Si votre contenu est volé par des scraper bots et republié sur d’autres sites web sans votre consentement, cela peut nuire à vos classements SEO.

Le contenu dupliqué représente toujours un défi pour les moteurs de recherche—et par extension, pour les créateurs de contenu.

Lorsqu’il y a plusieurs versions sur internet de contenu “sensiblement similaire”, comme Google l’appelle, les moteurs de recherche doivent décider quelle version classer pour les résultats de recherche. Puisqu’ils préfèrent généralement ne pas lister plusieurs versions du même contenu, ils doivent en choisir une. Et bien que Google soit relativement bon pour identifier la source originale, ils ne sont pas toujours parfaits.

Les autres sites doivent également choisir entre les doublons. Ainsi, au lieu que tous les liens entrants pertinents pointent vers votre contenu, l’équité des liens (un facteur important de classement) peut être répartie entre plusieurs sites web, diluant la visibilité de recherche pour chacun.

En d’autres termes, si votre contenu est systématiquement scrapé et volé, vos efforts de création de contenu peuvent juste servir à mieux classer le site de quelqu’un d’autre devant le vôtre. Le résultat final, bien sûr, est la perte de trafic et de revenus. Pour un site médiatique, toute perte de trafic et d’engagement se traduit par des revenus d’abonnement et publicitaires plus faibles. Pour un site e-commerce, chaque visiteur perdu au profit d’un site concurrent représente une opportunité de vente perdue.

Mauvaise performance du site web & dénégation de service (DoS)

Pour copier autant de contenu de site web que possible, les scrapeurs web enverront souvent un nombre massif de requêtes à votre site en peu de temps tout en scrapant et volant votre contenu. Cela peut saturer vos serveurs, provoquant un ralentissement du chargement de vos pages ou même la mise hors ligne de votre site entièrement.

Le scraping de contenu agressif causait régulièrement des problèmes de performance du site web et des temps d’arrêt sur les sites web de Northland Properties, l’une des entreprises hôtelière les plus importantes du Canada.

Pour ajouter l’insulte à l’injure, Google pénalise également les sites lents. Ainsi, en plus de créer une mauvaise expérience utilisateur pour vos visiteurs légitimes, le scraping de contenu peut également faire apparaître votre site web plus bas dans les résultats de recherche. Cela entraînera une baisse de trafic sur votre site.

Le web scraping est-il légal ?

Le web scraping est-il même légal ? Malheureusement, il n’y a pas de réponse facile à cette question.

Le web scraping est une zone grise juridique avec beaucoup de si, de mais et de peut-être. La législation et les précédents varient entre les pays, et même au sein d’un même pays, les décisions de justice ne sont souvent pas uniformes.

Néanmoins, voici quelques points clés à considérer :

• Utiliser un scraper bot n’est pas illégal (en soi). Si vous voulez scraper votre propre site, allez-y !
• Certains scrapeurs web sont utiles, et les administrateurs de sites web pourraient effectivement les accueillir. Par exemple, les agrégateurs qui scrapent et publient votre contenu sur des sites populaires qui renvoient vers vous peuvent vous apporter un trafic qualifié supplémentaire.
• Les lois sur le droit d’auteur s’appliquent toujours, quel que soit la technologie utilisée pour copier le contenu.
• L’extraction de données personnellement identifiables, telles que les noms et adresses email, est interdite par le Règlement Général sur la Protection des Données (RGPD) européen et l’Acte de Confidentialité des Consommateurs de Californie (CCPA), quelle que soit la technologie utilisée.

Protégez-vous contre le vol de contenu avec DataDome

DataDome est facile à installer sur n’importe quelle architecture web, et fonctionne en pilote automatique. Vous recevrez une notification en temps réel chaque fois que la solution détecte des attaques de scraping sur votre site, mais vous n’avez rien à faire. Une fois que vous avez configuré une liste autorisée de bots partenaires de confiance, DataDome s’occupera de bloquer le trafic indésirable, vous n’aurez donc plus à vous soucier que votre contenu en ligne soit volé.

Commencez un essai gratuit ou réservez une démo en direct dès aujourd’hui.