Le web mining, ou fouille du web, est l’application des techniques de fouille de données aux contenus, aux liens et aux traces de navigation du web, afin d’en extraire des connaissances que la simple consultation ne révèle pas.
Le domaine se divise en trois branches, selon la partie du web étudiée. La fouille des contenus analyse les textes, les images et les données publiées sur les pages. La fouille de la structure étudie les liens entre les pages et entre les sites. La fouille des usages exploite les traces laissées par les internautes : fichiers log des serveurs, données de mesure d’audience, parcours de navigation.
Le processus suit les étapes de toute fouille de données : collecte, nettoyage, structuration, modélisation, puis interprétation. La collecte passe par des robots d’exploration, des interfaces de programmation ou les journaux du site lui-même. L’analyse mobilise des méthodes statistiques, le machine learning et, pour les textes, le traitement automatique du langage naturel.
Le web mining est une spécialisation du data mining, qui s’applique à tout type de données, y compris internes. Il se distingue du web analytics, qui mesure l’audience et le comportement sur un site à l’aide d’indicateurs définis à l’avance, alors que le web mining cherche des régularités non anticipées, souvent dans des sources externes. Le social listening en est une application centrée sur les conversations des réseaux sociaux. L’expression « data mining web » est employée comme synonyme. En marketing, le web mining sert à repérer des tendances de consommation, à analyser des avis, à cartographier un écosystème concurrentiel ou à segmenter les visiteurs d’un site selon leurs parcours.
Le web offre une quantité de données presque illimitée. C’est précisément le piège. Un projet lancé « pour voir ce que disent les données » produit des tableaux volumineux et peu de décisions. Nous recommandons de formuler d’abord la décision à éclairer : choisir un positionnement, prioriser une évolution de produit, réviser un argumentaire. La question désigne ensuite la branche utile. Les avis clients relèvent de la fouille des contenus, la visibilité dans un écosystème de la fouille de la structure, la conversion d’un site de la fouille des usages.
Le terme n’est pas neuf. L’étude de synthèse de Raymond Kosala et Hendrik Blockeel (« Web Mining Research: A Survey », SIGKDD Explorations, 2000) en attribue la création, à la connaissance des auteurs, à Oren Etzioni en 1996. Elle reprend à des travaux antérieurs la répartition en trois branches, toujours utilisée. Notre lecture : ce qui a changé depuis tient moins aux méthodes qu’au volume des sources et à la baisse du coût d’analyse des textes.
Dès que les données collectées concernent des personnes identifiables, le RGPD s’applique, même si elles sont publiques. La CNIL a publié en juin 2025 une fiche consacrée à la collecte par moissonnage (web scraping), dans le cadre du développement de systèmes d’IA. Elle y indique que cette collecte n’est pas interdite en soi et s’analyse au cas par cas. Elle demande de définir à l’avance des critères de collecte précis, d’exclure les catégories de données inutiles, de supprimer sans délai les données non pertinentes et d’écarter les sites qui s’opposent au moissonnage, par exemple au moyen du fichier robots.txt. La même fiche rappelle que le droit d’auteur, le droit des bases de données ou les conditions d’utilisation d’un site peuvent aussi interdire la collecte. Nous recommandons d’appliquer ces principes à tout projet marketing, même sans lien avec l’IA.
Ce sont des repères de pilotage que nous proposons, non des normes.
Un consultant senior d’Advalians, indépendant et tenu au secret, vous aide à poser la décision à éclairer avant d’engager le projet. Chaque séance se termine par une décision écrite.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
Le web analytics mesure ce qui se passe sur votre site avec des indicateurs définis à l’avance : visites, sources de trafic, conversions. Le web mining cherche des régularités que personne n’a anticipées, sur votre site comme dans des sources externes : avis, forums, liens, pages concurrentes. Le premier répond à « combien », le second à « qu’est-ce qui revient, et pourquoi ».
Les deux se complètent. Partez du tableau de bord pour repérer une anomalie, puis utilisez la fouille des usages ou des contenus pour l’expliquer. Si votre question tient dans un indicateur existant, le web analytics suffit.
Commencez par une question précise et une seule source. Par exemple : quels irritants reviennent dans les avis publiés sur vos produits depuis un an ?
Rédigez la question et la décision qu’elle doit éclairer. Vérifiez les conditions d’utilisation de la source. Collectez un échantillon de quelques centaines de contenus et classez-les à la main pour construire une grille de thèmes. Automatisez ensuite le classement, puis contrôlez-le sur un nouvel échantillon. Présentez les résultats à l’équipe métier avant d’étendre la collecte à d’autres sources.
Comparez le classement automatique à un classement manuel sur un échantillon tiré au hasard. Si l’outil et l’analyste divergent souvent, revoyez la grille ou le modèle avant toute diffusion.
Vérifiez ensuite la stabilité : relancez la collecte sur une autre période et regardez si les grands thèmes se maintiennent. Contrôlez enfin la représentativité : qui s’exprime dans la source, et qui en est absent ? Un résultat solide sur un forum d’experts ne décrit pas l’ensemble de vos clients. Documentez ces contrôles dans le livrable.
Non. Une donnée publique n’est pas une donnée libre de droits. Si elle concerne une personne identifiable, le RGPD s’applique : base légale, collecte limitée au nécessaire, information des personnes. Le droit d’auteur, le droit des bases de données et les conditions d’utilisation du site peuvent aussi restreindre la réutilisation.
Avant toute collecte, listez les sources et vérifiez leurs conditions. Excluez les sites qui refusent les robots. Écartez les champs inutiles, comme les pseudonymes, si l’analyse porte sur des thèmes. Associez votre délégué à la protection des données dès le cadrage.
Préférez un questionnaire ou des entretiens lorsque vous devez décrire une population précise, ou des personnes qui s’expriment peu en ligne. Le web mining observe ce que les internautes publient spontanément : il révèle des thèmes et des signaux, pas des proportions représentatives.
Il convient pour explorer un sujet, suivre une évolution ou découvrir des irritants inattendus. Critère de choix : si la décision repose sur un pourcentage à défendre devant une direction, passez par une étude. Si elle repose sur la découverte de sujets que vous ignorez, commencez par la fouille.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
