Ferme à clics : définition et économie du faux clic (2026)

Demandez à la plupart des annonceurs d’imaginer la fraude au clic, et ils imaginent un serveur : un script dans un centre de données qui martèle une annonce en boucle. Cette image est la moitié du problème. Elle décrit le trafic de bots, et c’est pour cela que tant de défenses sont réglées pour attraper des machines.

La ferme à clics est l’autre moitié, et elle est délibérément conçue pour ressembler à vos clients. Ce guide explique ce que sont réellement ces opérations, ce que les enquêteurs ont trouvé lors des raids, pourquoi les données économiques que tout le monde cite ne sont pas fiables, et à quoi ressemble le trafic d’une ferme à clics dans vos rapports Google Ads et Meta.

Ce qu’est réellement une ferme à clics

Une ferme à clics est une opération qui paie des personnes pour générer un engagement d’apparence naturelle. Le résultat est ce que l’acheteur veut : clics sur des annonces, installations d’applications, vues de vidéos, abonnés sur les réseaux sociaux, avis produits, notes de vendeurs ou interactions de recherche qui font grimper une fiche dans un classement.

Trois caractéristiques la définissent :

• Du vrai matériel. Des téléphones, tablettes et ordinateurs physiques, souvent par centaines, fixés sur des racks ou alignés sur des tables et reliés à une machine de contrôle.
• Une vraie identité réseau. Des cartes SIM grand public et des connexions résidentielles, si bien que le trafic provient d’espaces d’adresses appartenant à des opérateurs et des FAI légitimes.
• De vraies personnes. Des travailleurs qui effectuent les tapotements, parfois aidés par l’automatisation pour les tâches répétitives.

C’est ce troisième élément qui distingue une ferme à clics des fermes de bots que nous traitons séparément. Une ferme de bots, c’est un logiciel qui imite une personne. Une ferme à clics, c’est une personne. Le problème de l’imitation disparaît entièrement, et avec lui la plupart des signaux que vos filtres antifraude recherchent.

Ce que révèle un vrai raid

L’image la plus instructive d’une ferme à clics vient des forces de l’ordre plutôt que du marketing des éditeurs.

En juin 2017, la police et l’armée thaïlandaises ont perquisitionné deux maisons louées dans le district d’Aranyaprathet, près de la frontière cambodgienne. À l’intérieur, selon The Register, ils ont découvert une structure métallique de fortune supportant des centaines de téléphones reliés à un écran, et ont saisi :

Deux détails méritent l’attention. D’abord, les cartes SIM sont plus de 700 fois plus nombreuses que les téléphones, car c’est l’identité qui est le consommable, pas l’appareil. On grille un numéro, on le remplace, on continue. Ensuite, les opérateurs ont expliqué à la police qu’ils s’étaient installés en Thaïlande parce que les tarifs mobiles y étaient bas par rapport à la Chine. C’est une activité à faible marge, qui se déplace là où les intrants sont les moins chers.

Un mot sur les sources, car cela compte pour tout ce que vous lirez sur le sujet : ce raid a eu lieu en 2017, mais il circule largement dans des articles récents datés de 2025 et 2026 avec les mêmes chiffres. Si vous voyez le chiffre de 347 200 cartes SIM présenté comme actuel, c’est l’affaire de 2017 qui est recyclée.

Les actions répressives plus récentes se concentrent sur la couche d’identité qui alimente ces opérations. Lors de l’opération SIMCARTEL, coordonnée par Europol et Eurojust en octobre 2025 en Autriche, en Estonie, en Finlande et en Lettonie, les enquêteurs ont mené 26 perquisitions, arrêté sept personnes et saisi environ 1 200 boîtiers SIM faisant tourner 40 000 cartes SIM actives enregistrées dans plus de 80 pays. Le service reposant sur ce matériel avait servi à créer environ 49 millions de comptes en ligne.

Ferme à clics, ferme de bots, ferme de SIM : trois choses différentes

Ces termes sont souvent utilisés de manière interchangeable, et ils ne devraient pas l’être.

Une ferme de SIM ne produit pas vos faux clics. Elle produit les comptes vérifiés et les identités téléphoniques que consomment les fermes à clics et les fermes de bots. C’est pourquoi la répression des fermes de SIM concerne les annonceurs, même si aucune annonce n’y est jamais cliquée.

En pratique, les catégories se mélangent. Une opération moderne automatise généralement le travail répétitif et réserve l’intervention humaine aux étapes qui l’exigent, ce qui est exactement l’hybride qui déjoue une détection réglée sur l’un ou l’autre extrême.

Les données économiques que personne ne vérifie

Presque tous les articles sur les fermes à clics citent un prix. Un centime par clic. Un dollar les mille. Dix mille vues pour quelques dollars.

Ces chiffres viennent des vendeurs.

Il n’existe aucune donnée tarifaire auditée pour un marché illégal. Les chiffres en circulation sont tirés des pages commerciales de services qui vendent du faux trafic, et ces opérateurs ont tout intérêt à afficher les plus gros volumes aux prix les plus bas, qu’ils les livrent ou non. Reprendre leur grille tarifaire comme une donnée de marché, ce n’est pas de la recherche, c’est de l’amplification.

Ce qui peut être vérifié provient des dossiers des forces de l’ordre et du côté de la demande. L’affaire thaïlandaise fournit un point de données honnête : trois opérateurs, 474 téléphones, environ 4 400 dollars américains par mois de rémunération totale. C’est le coût de fonctionnement de la ferme, pas le prix facturé à ses clients, et cela montre que la marge est assez mince pour justifier de traverser une frontière à la recherche de forfaits SIM bon marché.

Côté demande, l’étude de l’ANA sur la transparence du programmatique a constaté que seuls 36 cents environ de chaque dollar entrant dans une plateforme côté demande atteignaient un consommateur de façon mesurable, une autre part importante aboutissant sur des médias de faible qualité, dont le trafic non valide et l’inventaire conçu pour la publicité (made-for-advertising). Les travaux de référence ultérieurs de l’ANA ont estimé le gaspillage programmatique à environ 26,8 milliards de dollars. Ces chiffres n’isolent pas spécifiquement les fermes à clics, et nous ne prétendrons pas le contraire, mais ils donnent la taille de la manne qui rend ce type d’opération rentable.

La conclusion pratique pour un annonceur est plus simple que n’importe quelle grille tarifaire : le coût d’un faux clic pour l’acheteur est une goutte d’eau à côté de ce que ce clic vous coûte avec un CPC de 4 dollars. Cette asymétrie, c’est le modèle économique.

Pourquoi les fermes à clics déjouent les défenses classiques

Passez en revue la chaîne de détection habituelle et regardez-la échouer couche après couche.

• Réputation IP et listes de blocage. La connexion est une vraie ligne résidentielle ou mobile. Elle ne figure dans aucun flux de menaces, et la bloquer risque de bloquer un vrai foyer. Le même problème structurel que nous décrivons dans pourquoi le blocage d’IP échoue face aux proxys résidentiels s’applique ici, pour une autre raison : cette adresse n’est pas du tout un proxy.
• Filtres de centres de données et d’hébergeurs. Rien à attraper. Aucun centre de données sur le trajet.
• CAPTCHA. Un humain est présent. Le CAPTCHA est un test d’humanité, et la ferme le réussit honnêtement.
• Empreinte d’appareil (device fingerprinting), utilisée naïvement. L’appareil est un vrai iPhone avec une vraie empreinte. L’empreinte reste utile, mais seulement si vous vous en servez pour repérer le même appareil qui revient d’une session à l’autre, et non pour décider si un appareil est authentique.
• Heuristiques anti-bots basiques. Les mouvements de souris, le rythme des tapotements et les courbes d’interaction viennent de vrais doigts. Il n’y a aucune courbe d’automatisation à détecter.
• Filtrage des bots dans GA4. Les filtres des plateformes s’appuient sur des listes de bots connus. Le téléphone d’un inconnu dans un autre pays ne figure sur aucune liste.

Voilà pourquoi les fermes à clics coûtent plus cher que les bots, et pourquoi les acheteurs les paient quand même. Vous ne payez pas pour des clics. Vous payez pour des clics qui survivent au filtrage.

À quoi ressemble le trafic d’une ferme à clics dans votre compte

Comme les signaux techniques sont faibles, la détection se déplace vers les schémas et les résultats. Aucun élément ci-dessous ne prouve quoi que ce soit à lui seul. C’est la combinaison qui constitue le signal.

• Des clics en hausse, des conversions stables ou en baisse. Le signal le plus durable de toute la fraude au clic, et celui que les fermes à clics ne peuvent éviter qu’en vous achetant réellement quelque chose.
• Une concentration sur vos mots clés les plus chers. Celui qui paie la ferme achète des dégâts, et les dégâts se facturent au clic.
• Des sessions courtes mais pas instantanées. Les bots repartent en moins d’une seconde. Un humain payé s’attarde juste assez pour paraître crédible, souvent pendant une poignée de secondes étrangement constante d’une session à l’autre.
• Un engagement superficiel mais non nul. Un défilement, peut-être une interaction, puis plus rien. Une vraie intention produit un comportement plus désordonné et plus varié.
• Des concentrations géographiques hors de votre zone. Un trafic concentré dans une ville ou une région hors de votre marché, qui arrive par des opérateurs mobiles plutôt que par des plages d’IP de centres de données.
• Une homogénéité des appareils. Les fermes achètent leur matériel en gros. Une concentration inhabituelle d’un ancien modèle d’appareil ou d’une même version d’OS sur des sessions par ailleurs sans lien mérite une requête.
• Des horaires qui ne correspondent pas à la journée d’une seule personne. Les opérations humaines fonctionnent par postes : le volume peut donc démarrer et s’arrêter à des heures locales régulières, avec un creux à l’heure du déjeuner. Les appareils d’une ferme peuvent aussi rester actifs bien plus longtemps que ne le ferait une seule personne, un schéma que la recherche de la section suivante a mesuré directement.
• Un comportement répété sans identité répétée. La même séquence d’interactions qui revient depuis des adresses sans cesse différentes indique une opération coordonnée plutôt qu’une coïncidence.

Ce dernier couple, un comportement constant derrière une identité changeante, est le nœud du problème. Une ferme à clics peut changer d’adresse à chaque session. Elle peut difficilement changer la façon dont ses travailleurs sont formés à se comporter.

Comment détecter le trafic d’une ferme à clics dans Google Ads et Meta

Pour détecter le trafic d’une ferme à clics, utilisez la plateforme publicitaire pour repérer une concentration suspecte et les données de votre propre site pour la confirmer. Google Ads et Meta peuvent vous montrer où, quand et sur quel type d’appareil les clics ont eu lieu. Seul votre site peut montrer ce que chaque visiteur a fait ensuite, et c’est là qu’une ferme se trahit.

Fixez d’abord vos attentes. Les normes de détection et de filtrage du trafic non valide du Media Rating Council (mise à jour de juin 2020) citent les fermes à clics comme exemple de trafic non valide sophistiqué (SIVT) : une activité humaine rémunérée dont on peut démontrer qu’elle est organisée et dirigée sur plusieurs utilisateurs ou machines. La même norme classe les émulateurs dans le SIVT automatisé. Le MRC définit le SIVT comme la catégorie qui exige des analyses avancées et le recoupement de plusieurs points de données pour être identifiée. Aucun rapport isolé ne vous le livrera.

Trois groupes de signaux au niveau des rapports font l’essentiel du travail : la concentration par appareil et par lieu, les schémas d’engagement et la qualité des leads. Ils recoupent les contrôles que nous utilisons pour le trafic de bots dans les campagnes Google Ads, avec une différence. Une ferme passe le test « est-ce un humain ? » : vous cherchez donc de la coordination et une intention absente, pas de l’automatisation.

Ce qu’ont trouvé des chercheurs en mesurant des appareils mobiles frauduleux

La mesure publique la plus détaillée du matériel des fermes à clics est une étude évaluée par des pairs : « Understanding and Detecting Mobile Ad Fraud Through the Lens of Invalid Traffic » de Suibin Sun, Le Yu, Xiaokuan Zhang, Minhui Xue, Ren Zhou, Haojin Zhu, Shuang Hao et Xiaodong Lin (ACM CCS 2021). Les auteurs ont comparé les journaux de requêtes publicitaires d’environ 2 millions d’appareils qu’un groupe de sociétés de vérification publicitaire avait étiquetés comme frauduleux à ceux de 0,19 million d’appareils authentiques, enregistrés entre mai et juin 2020.

Trois constats comptent pour un annonceur.

• La concentration géographique est réelle mais pas universelle. Parmi les 30 plus grandes fermes que le système a repérées en une journée de trafic, 9 utilisaient des adresses IP issues de petites zones centralisées, 14 faisaient tourner les adresses IP et les identifiants d’appareil pour échapper au filtrage, et 4 faisaient les deux. Une concentration régionale est une piste solide quand vous en voyez une. Son absence ne prouve rien.
• Les détails d’appareil sont souvent falsifiés. Les fermes généraient des chaînes user agent avec des couples marque et modèle qui n’existent pas, et avec des versions d’Android qui ne correspondent pas à la version du navigateur WebView déclarée à côté. Les détails d’appareil impossibles méritent d’être vérifiés dans vos propres journaux.
• Les cibles tournent. La plus grande ferme que les auteurs ont retracée, dans les journaux de 2018 et 2019, changeait en moyenne toutes les trois à cinq jours les applications qu’elle gonflait. Une concentration qui apparaît et disparaît en moins d’une semaine correspond au comportement d’une ferme. Cela ne veut pas dire que le problème a disparu.

La limite tient au périmètre. L’étude porte sur du trafic intégré aux applications Android vendu à l’impression, pas sur des clics de recherche : considérez ses pourcentages comme une description du matériel des fermes, pas comme un référentiel pour votre compte.

La coordination laisse aussi des traces sur les réseaux sociaux. Des chercheurs qui ont acheté des likes auprès de fermes à likes Facebook ont constaté que les fermes les plus discrètes imitaient assez bien les utilisateurs ordinaires pour échapper à la détection déployée par Facebook, mais que leurs comptes produisaient tout de même des commentaires et des likes en double plus souvent que les utilisateurs normaux (« Measuring, Characterizing, and Detecting Facebook Like Farms » de Muhammad Ikram, Lucky Onwuzurike, Shehroze Farooqi, Emiliano De Cristofaro, Arik Friedman, Guillaume Jourjon, Dali Kaafar et M. Zubair Shafiq ; Ikram et al., ACM Transactions on Privacy and Security, 2017). Des chercheurs de Carnegie Mellon et de Facebook ont construit un détecteur sur le même principe. « CopyCatch: Stopping Group Attacks by Spotting Lockstep Behavior in Social Networks » d’Alex Beutel, Wanhong Xu, Venkatesan Guruswami, Christopher Palow et Christos Faloutsos (WWW 2013) signale les groupes de comptes qui aiment les mêmes Pages à peu près au même moment, en utilisant uniquement le graphe utilisateur-Page et les horodatages, et les auteurs l’ont décrit comme déployé en production chez Facebook. Chaque session peut sembler humaine alors que le groupe avance quand même au pas.

Signal 1 : concentration par appareil et par lieu

Cherchez une tranche de votre trafic qui reçoit une grande part des clics et presque aucune des conversions.

Dans Google Ads, le rapport sur les zones géographiques propose deux vues. Les zones ciblées montrent les performances par lieux choisis. Les zones correspondantes montrent où vos annonces sont apparues, ce que Google décrit comme des lieux qui « peuvent être les lieux physiques des utilisateurs ou des lieux d’intérêt », agrégés sur l’ensemble des utilisateurs. Ajoutez ensuite le segment Appareil, qui compare les ordinateurs, les téléphones mobiles, les tablettes et les écrans de télévision, puis répétez avec le segment Heure de la journée (aide Google Ads : utiliser des segments dans vos tableaux). Une zone correspondante hors de votre marché, un type d’appareil qui absorbe les dépenses sans conversion ou un volume horaire qui suit une journée de travail dans un autre fuseau horaire sont les schémas à noter.

Dans le Gestionnaire de publicités de Meta, les mêmes contrôles passent par les ventilations. Meta documente comment accéder aux ventilations dans le Gestionnaire de publicités et comment fonctionnent les ventilations, les statistiques et le filtrage dans les rapports publicitaires. La référence des ventilations de l’API Marketing, citée sous le tableau, énumère les ventilations par pays, région, appareil d’impression, plateforme de l’appareil et heure, dans le fuseau horaire de l’annonceur ou du spectateur. Depuis le 6 août 2026, précise cette référence, les ventilations par appareil d’impression et par heure dans le fuseau horaire du spectateur peuvent être indisponibles pour certains comptes publicitaires tant qu’un administrateur n’a pas activé l’option dans le Gestionnaire de publicités.

Aucune des deux plateformes ne communique le modèle d’appareil, la version d’OS ou l’opérateur. Les détails d’appareil falsifiés et obsolètes que décrit la recherche n’apparaissent que dans vos propres journaux, avec des signes d’émulateur comme des chaînes matérielles génériques, l’absence de capteurs de mouvement ou des tailles d’écran qu’aucun téléphone du commerce n’utilise.

Signal 2 : schémas d’engagement

Les fermes sont payées pour cliquer, pas pour lire ni pour acheter, et cela se voit à trois endroits.

• Effondrement du taux de conversion. Google définit le taux de conversion comme « le nombre moyen de conversions par interaction avec une annonce » (aide Google Ads : taux de conversion). Les clics d’une ferme ajoutent des interactions sans ajouter de conversions : le taux chute donc alors que les clics et le coût augmentent. Reprenez les mêmes segments que ci-dessus et repérez où l’effondrement se concentre. Une baisse répartie uniformément sur le compte renvoie à votre offre ou à votre page de destination. Une baisse limitée à une région, à un type d’appareil ou à une plage horaire renvoie au trafic.
• Des clics qui ne deviennent jamais des visites. Meta présente les clics sur un lien et les vues de page de destination comme deux statistiques distinctes et explique la différence entre clics sur un lien et vues de page de destination dans son centre d’aide. Un écart qui se creuse sur un placement ou une région mérite un examen plus attentif avant de conclure à des pages lentes.
• Profondeur de session et temps passé sur la page. Ces données viennent de votre analytics, pas de la plateforme publicitaire. Les sessions d’une ferme ont tendance à s’arrêter à une page et à durer une poignée de secondes constante, avec un défilement et peut-être un appui. Regardez la distribution plutôt que la moyenne. Les vrais visiteurs produisent un éventail large et désordonné. Un pic de sessions de durée quasi identique et de même parcours de pages, depuis des appareils différents, correspond au schéma synchronisé que décrit la recherche ci-dessus.

Signal 3 : qualité des leads

Une ferme qui remplit des formulaires ne peut toujours pas devenir cliente : la qualité des leads est donc le signal le plus lent mais le plus difficile à falsifier.

• Données répétitives. Des numéros de téléphone qui se suivent, un même domaine e-mail répété, le même nom avec de petites variantes, ou des coordonnées plausibles qui ne répondent jamais à un rappel.
• Un délai entre clic et conversion qui n’a rien de naturel. Des conversions qui tombent presque exactement le même nombre de secondes après le clic, encore et encore. Les vrais acheteurs prennent des temps extrêmement variables.
• Des leads qui ne se qualifient jamais. Google Ads propose pour cela les objectifs Lead qualifié et Lead converti. Un lead qualifié suit des « leads générés par Google qui ont aussi été qualifiés plus avant hors connexion », et un lead converti suit les leads qui franchissent une étape choisie de votre processus de vente, généralement hors connexion (aide Google Ads : leads qualifiés et leads convertis). Une fois les résultats de votre CRM renvoyés, un segment où les envois de formulaire augmentent alors que les leads qualifiés restent proches de zéro est la signature de ferme la plus claire que la plateforme puisse vous donner.

Une limite s’applique à tous les contrôles côté site. Les leads envoyés via les composants Formulaire pour prospects de Google Ads ou les formulaires instantanés Meta n’atteignent jamais votre site web, pas plus que les appels issus des composants d’appel. Les outils côté site, ClickFortify compris, ne peuvent pas voir ces envois : votre examen du CRM est donc le seul contrôle possible.

Vérifiez ce que les plateformes ont déjà filtré

Les deux plateformes retirent une partie de l’activité non valide avant que vous ne payiez : sachez donc ce qui a déjà été intercepté. La définition des clics non valides de Google inclut les clics manuels qui « augmentent vos coûts publicitaires ou gonflent les revenus des éditeurs », indique que vous n’êtes pas facturé pour eux et renvoie à une carte Invalid traffic (trafic non valide) de la page Vue d’ensemble, qui résume les statistiques de protection pour votre période (aide Google Ads : clics non valides). Pour le Réseau de Recherche et Performance Max, le Rapport sur les avoirs pour activité non valide de l’Éditeur de rapports énumère les clics remboursés et les clics ajustés par campagne (aide Google Ads : Rapport sur les avoirs pour activité non valide). Meta décrit son propre filtrage dans À propos de la détection et de la prévention des clics non valides par Meta.

Lisez ces chiffres comme un plancher, pas comme un verdict. Une ferme à clics est, par conception, le trafic qui survit au filtrage des plateformes. Si des avoirs apparaissent mais que l’effondrement des conversions persiste dans les mêmes segments, le reste est à vous de le trouver.

Voici où chaque signal est visible, et où il ne l’est pas :

Sources des colonnes plateformes : la documentation de Google sur le rapport des zones géographiques et la référence des ventilations de l’API Marketing de Meta, qui ne propose aucune ventilation par adresse IP, opérateur, version d’OS ou modèle d’appareil.

Les cases vides sont justement le sujet. Les deux plateformes communiquent des agrégats, et aucune n’affiche d’adresse IP ni ce qu’un visiteur a fait après son arrivée. Une ferme à clics se définit par une coordination entre sessions ; la confirmer exige donc des données au niveau de la session et de l’appareil que seul votre site collecte : les données d’engagement GA4, les journaux serveur bruts et une empreinte d’appareil capable de reconnaître le même téléphone derrière une adresse changeante.

Ce qui les attrape vraiment

Trois couches font le vrai travail, et aucune n’est une liste d’IP.

Un scoring comportemental sur la session, pas sur le clic. Jugez la visite à son déroulement : répartition du temps passé, comportement de défilement, séquence d’interactions, et comparaison de l’ensemble avec votre trafic réel qui convertit. Les sessions d’une ferme à clics se regroupent étroitement autour d’un script appris, et cette uniformité est en soi anormale. Les vrais clients varient.

Une reconnaissance des appareils qui persiste malgré les changements d’adresse. L’empreinte ne sert pas ici à prouver qu’un appareil est faux. Elle sert à prouver qu’un appareil est le même que celui qui était là hier, et avant-hier, depuis trois adresses différentes, sans jamais rien acheter.

L’analyse des résultats. Suivez le trafic jusqu’au chiffre d’affaires. Une source qui livre des clics sans conversions, mois après mois, vous dit ce qu’elle est, quel que soit l’aspect humain de chaque session prise isolément. C’est aussi la preuve qui étaye une demande d’avoir ou un dossier contre un concurrent, car les plateformes et les tribunaux réagissent à des schémas documentés dans le temps plutôt qu’à un soupçon portant sur un seul clic.

Le principe général : cessez de vous demander si ce clic venait d’un humain. C’était le cas. Demandez-vous plutôt si ce visiteur se comporte comme quelqu’un qui pourrait acheter chez vous.

Comment ClickFortify traite le trafic des fermes à clics

ClickFortify a été conçu en partant du principe que l’adresse est le signal le plus faible qui soit. Le scoring comportemental évalue chaque session selon son comportement réel plutôt que selon sa provenance, de sorte qu’un véritable humain payé pour cliquer se distingue nettement d’un véritable humain qui compte acheter. La reconnaissance des appareils relie l’activité malgré la rotation des IP, ce qui transforme un nuage de sessions apparemment sans lien en un seul acteur identifiable. Les fraudeurs confirmés sont synchronisés automatiquement dans vos exclusions Google Ads, si bien que vous n’avez pas à tenir à la main une liste face à un adversaire qui change d’adresse plus vite que vous ne tapez, une course perdue d’avance que nous détaillons dans le guide sur la limite de 500 exclusions d’IP.

Chaque blocage s’accompagne d’une piste de preuves : horodatages, adresses, continuité de l’appareil et comportement, exactement ce dont une enquête sur le trafic non valide ou une plainte en justice a besoin. Découvrez comment ça marche, ou mesurez d’abord votre propre exposition avec le calculateur de fraude publicitaire.

En résumé

La ferme à clics est la forme la plus honnête de fraude publicitaire qui existe. Rien n’y est faux, sauf l’intention. De vraies personnes, de vrais téléphones, de vrais réseaux, de vrais tapotements, et pas un seul de ces clics n’était destiné à devenir un client.

C’est pourquoi les défenses sur lesquelles comptent la plupart des annonceurs ne l’atteignent pas. Les listes d’IP, le CAPTCHA et les filtres de centres de données répondent tous à la question « est-ce une machine ? », et la réponse est sincèrement non. La question qui distingue une ferme à clics de votre marché est différente : ce visiteur se comporte-t-il comme un acheteur, et revient-il sans cesse sans jamais le devenir ? Répondez-y, sur des sessions plutôt que sur des clics, et la pièce remplie de téléphones cesse d’être invisible.