Dark social : pourquoi vos analytics ne voient pas le bouche-à-oreille

Je passe le plus clair de mon temps sur l’infrastructure, pas sur les tableaux de bord marketing. Alors quand j’ai commencé à travailler sur l’attribution, une question naïve revenait sans cesse : pourquoi la ligne la plus importante de la plupart des rapports d’acquisition s’appelle-t-elle « Direct » ?

La réponse classique est qu’il s’agit de personnes ayant tapé l’adresse ou utilisé un favori. Des clients fidèles. Rien à gérer ici.

Cette réponse est fausse, et elle est fausse au point de masquer le canal que nous essayons tous de construire.

Ce que contient réellement le « trafic direct »

Le trafic direct n’est pas un canal. C’est ce que votre outil d’analytics enregistre quand une visite arrive sans aucun referrer associé. Les saisies directes et les favoris y atterrissent, mais aussi chaque lien collé dans WhatsApp, Slack, un message privé, un e-mail ou une application qui supprime les données de referrer au passage.

Cette dernière catégorie porte un nom : le dark social. C’est la recommandation faite par votre client dans une conversation privée, qui arrive sur votre site avec son origine effacée.

La distinction est importante car les deux comportements s’opposent. Les favoris sont un signal de rétention. Le dark social est un signal d’acquisition. Réunis dans le même panier, ils s’annulent et ce panier devient illisible.

Quelle part est réellement « directe » ?

En avril 2023, SparkToro et Really Good Data ont mené une expérience contrôlée : 16 URL dédiées sur un sous-domaine isolé, une par réseau et par méthode de partage, puis un panel d’environ 100 personnes générant 1,113 visites réelles sur 10 jours. Comme chaque réseau disposait de sa propre URL d’atterrissage, ils connaissaient la source exacte de chaque visite et pouvaient la comparer avec ce que rapportait Google Analytics.

Méthode de partage	Visites rapportées comme « direct »
TikTok, Slack, Discord, Mastodon, WhatsApp	100 %
Facebook Messenger	75 %
DM Instagram	30 %
LinkedIn (posts publics)	14 %
Pinterest (posts publics)	12 %
YouTube, posts Facebook publics, tweets	majoritairement attribués correctement

Source : SparkToro, « Dark Social Falsely Attributes Significant Percentages of Web Traffic as Direct », avril 2023.

Chaque visite envoyée via WhatsApp, Slack, Discord, TikTok ou Mastodon est arrivée sans aucune source. Pas la plupart d’entre elles. Toutes. SparkToro note que ses propres analytics attribuent environ 95 % de son trafic au « Direct », ce que l’équipe sait être faux.

Le détail qui change la lecture

Vous pourriez toujours soutenir que le trafic direct regroupe surtout des habitués. Les données académiques prouvent le contraire, et c’est ce qui m’a poussé à prendre le problème au sérieux.

Une étude évaluée par des pairs par Marjan, Graham, Bruce et Mitchell, publiée dans le Journal of Digital & Social Media Marketing (2020, vol. 8, n° 3, pp. 261 à 276), a suivi cinq sites web sur huit trimestres consécutifs, soit environ trois millions de visites au total. Deux conclusions ressortent :

1. Le canal direct représentait 37 % de l’ensemble des visiteurs observés en moyenne, plus que l’ensemble du search. Il atteignait 44 % sur les sites de fidélité et de promotion, et 26 % sur les sites transactionnels.
2. Le trafic direct revenait bien moins souvent que la moyenne du site, avec un déficit de récurrence de 29 % sur les sites transactionnels et de 42 % sur les sites promotionnels.

Relisez ce deuxième point. Si le trafic direct venait de favoris ou d’adresses saisies à la main, il reviendrait plus souvent que la moyenne, car il s’agit par définition de personnes qui vous connaissent déjà. Or, il revient nettement moins. Ce sont de nouveaux visiteurs qui arrivent par une porte que le tableau de bord ne sait pas nommer.

Les auteurs estiment la part de dark social entre environ 17 % et 18 % des visites totales du site. C’est à peu près un visiteur sur six qui arrive sur une recommandation, classé comme anonyme.

Pourquoi la situation continue d’empirer

Trois facteurs se cumulent, et aucun ne va s’inverser.

Le partage s’est déplacé vers des applications fermées. Le partage qui se faisait autrefois sur un fil public se déroule aujourd’hui dans un groupe privé. La messagerie privée a dépassé le partage public il y a des années, et les applications de messagerie sont devenues le support par défaut pour se dire « regarde ça » entre personnes de confiance.

La solution des cookies n’est jamais arrivée. Safari, Firefox et Brave bloquent les cookies tiers par défaut depuis des années. Chrome devait suivre, avant de faire marche arrière en avril 2025 pour les maintenir sous un modèle de choix utilisateur, et Google a abandonné la plupart des API de Privacy Sandbox en octobre 2025. L’industrie a donc hérité du pire des deux mondes : une couverture déjà dégradée sur une grande part des navigateurs, et aucun remplacement standardisé vers lequel migrer.

Une nouvelle couche de suppression de referrer est apparue. Les assistants et les moteurs de recherche IA envoient un trafic qui arrive fréquemment sans referrer lui aussi. C’est la même défaillance que le dark social, venant d’une autre direction, qui vient gonfler le même panier.

La ligne « Direct » grandit donc chaque année, et chaque année, elle est interprétée comme la force de la marque. C’est en partie vrai. Mais c’est aussi votre canal de recommandation, sans étiquette.

Pourquoi c’est un problème d’ingénierie, pas de reporting

Voici la partie qui m’intéresse en tant que CTO, et la raison pour laquelle aucune configuration de tableau de bord ne réglera le problème.

Vous ne pouvez pas récupérer l’attribution au moment du clic. Au moment où la visite atteint votre serveur, l’information est déjà détruite. Le navigateur n’a envoyé aucun referrer. Il n’y a rien à analyser, déduire ou nettoyer. Chaque outil qui promet de « révéler » le dark social après coup fait des suppositions, généralement à l’aide d’une modélisation probabiliste impossible à auditer.

Le seul endroit où l’information existe encore est au moment du partage, du côté de l’émetteur, à l’instant où votre client décide de vous recommander. Si vous ne capturez pas l’identité à ce moment-là, elle est perdue définitivement.

Cela recadre tout le problème. Ce n’est pas une question de mesure, c’est une question d’architecture : pouvez-vous générer un lien qui porte sa propre origine, survit au collage dans n’importe quelle application, et se rattache à une personne sans aucun cookie tiers ?

Pour bien faire, cela implique quatre choses :

1. Une identité attribuée au moment du partage, non déduite de la visite entrante.
2. L’identifiant vit dans le lien lui-même, car le lien est la seule chose qui survit à un copier-coller dans WhatsApp.
3. La résolution se fait en first-party et côté serveur, sans dépendre du stockage du navigateur qui peut être vidé, bloqué ou partitionné.
4. La chaîne tient d’un appareil à l’autre. Une recommandation envoyée sur mobile et ouverte sur un ordinateur portable est le cas standard, pas une exception.

Rien de tout cela n’est exotique. C’est simplement un travail à concevoir dès le départ, et c’est la raison pour laquelle la plupart des outils de parrainage sous-estiment silencieusement les résultats : ils ont été conçus sur l’hypothèse de l’attribution au clic.

Ce que nous avons construit, et ce que cela a vraiment coûté

Chez Frak, ce n’était pas une fonctionnalité, c’était la fondation. Le lien de partage est l’unité de compte : il porte un jeton signé dans sa propre chaîne de requête (query string), et l’attribution se déclenche côté backend dès que le lien est ouvert, quelle que soit l’application où il a été collé. Nous ne savons jamais quelle application l’utilisateur a choisie, et cela n’a pas d’importance, car l’identité a voyagé dans l’URL plutôt que dans un en-tête que l’application de messagerie pouvait supprimer à sa guise.

Je serai honnête sur le coût, car les articles sur le dilemme « développer ou acheter » ne le sont généralement pas. Les paramètres d’attribution doivent fonctionner à l’identique sur le web, Android et iOS, ce qui signifie dans notre cas les mêmes règles de fusion et de priorité implémentées trois fois : en TypeScript, Kotlin et Swift. Régler les détails (recherche insensible à la casse, ne jamais ré-encoder l’URL d’un marchand, décider de ce qui survit à la restauration d’un appareil et de ce qui ne doit pas) a pris bien plus de temps qu’une approche basée sur les cookies. Si votre volume de recommandation est faible, acheter une solution imparfaite reste un choix défendable.

Ce que vous obtenez en échange, c’est ce que la catégorie direct ne pourra jamais vous apporter : un vrai coût par acquisition sur le canal, et la capacité de rémunérer les personnes qui le génèrent. On ne peut pas récompenser une recommandation invisible. Chaque programme de parrainage qui rémunère sur la base d’un code auto-déclaré contourne exactement cet angle mort, ce qui est l’une des raisons pour lesquelles tant d’entre eux s’essoufflent.

Si vous n’allez pas reconstruire votre stack

La plupart des équipes qui lisent ces lignes ne vont pas repenser l’architecture de leur attribution ce trimestre. Trois démarches restent utiles, par ordre d’effort :

• Arrêtez d’interpréter le « Direct » comme de la fidélité. Segmentez-le. Les visiteurs arrivant sur une URL de produit profonde sans referrer proviennent presque certainement de liens partagés, pas de favoris. Personne ne met en favori une page produit nichée à onze niveaux de profondeur.
• Donnez aux utilisateurs un bouton de partage qui tague le lien. Cela ne capturera pas la foule du copier-coller, qui est majoritaire, mais un partage tagué sur WhatsApp ou Messenger est un partage suivi, et cela ne prend qu’une après-midi.
• Demandez au moment du paiement. Un simple champ « comment nous avez-vous connus ? », enregistré avec la commande, paraît démodé mais reste étonnamment précis. Comparez-le avec vos analytics : l’écart vous indiquera la taille de votre angle mort.

Cette comparaison est généralement le moment où la discussion bascule. Quand la recommandation déclarée atteint 30 % et que votre tableau de bord n’attribue que 2 % au parrainage, le débat sur l’intérêt de gérer le bouche-à-oreille est clos.

Foire aux questions

Qu’est-ce que le dark social ? Le dark social désigne le trafic web issu de liens partagés dans des canaux privés comme WhatsApp, Slack, les messages privés et les e-mails. Comme ces applications n’envoient aucun referrer, les outils d’analytics ne peuvent pas identifier la source et classent la visite sous « Direct ». Il s’agit généralement d’un trafic de recommandation, enregistré comme anonyme.

Pourquoi mon trafic direct est-il si élevé ? Généralement parce qu’il n’est pas vraiment direct. Des tests contrôlés montrent que les visites issues de TikTok, Slack, Discord, WhatsApp et Mastodon arrivent sans aucun referrer 100 % du temps, et Facebook Messenger environ 75 % du temps. La fin des cookies et les interfaces IA qui suppriment les referrers gonflent encore ce même panier.

Google Analytics peut-il suivre le bouche-à-oreille ? Pas tout seul. GA4 rapporte ce que le navigateur lui transmet, et les partages privés ne transmettent rien. Les balises UTM ne fonctionnent que si la personne qui partage utilise votre bouton tagué, ce que la majorité ignore en copiant directement l’URL. Mesurer la recommandation exige de capturer l’identité à la création du lien, et non au moment du clic.

Le trafic issu du dark social a-t-il de la valeur ? Il est généralement tout le contraire d’un trafic de faible qualité. Les données évaluées par des pairs montrent que le trafic direct revient 29 % à 42 % moins souvent que la moyenne du site, ce qui signifie qu’il est dominé par de nouveaux visiteurs plutôt que par des habitués, et qu’il arrive porté par une recommandation personnelle.

---

Je suis Quentin Nivelais, cofondateur et CTO de Frak Labs, où nous construisons l’infrastructure qui fait de la recommandation un canal d’acquisition mesurable et rémunérable. J’écris sur l’ingénierie sous-jacente, de l’abstraction de compte au CI auto-hébergé, sur nivelais.com.