Jour de semaine, week-end, jour férié : comment les taux de blocage évoluent avec le calendrier

Personne ne publie les taux de blocage des scrapers par jour de la semaine. Ce que les données sur les bots, les jours fériés et les pics d'événements révèlent sur les raisons de ces variations, et comment mesurer votre propre calendrier.

Quiconque fait tourner un crawler assez longtemps le remarque : le même job, sur les mêmes sites, avec le même code, échoue davantage certains jours que d’autres. Le mardi, ça passe. Le samedi, c’est pire. La dernière semaine de novembre, c’est un autre monde. On est tenté d’appeler ça du bruit. Ce n’est généralement pas le cas.

Le point de départ honnête est qu’aucun jeu de données public ne mesure les taux de blocage de scrapers par jour de la semaine ou par jour férié. L’étude à grande échelle la plus récente sur le blocage de bots, réalisée par l’université de Bamberg en 2026, était un scan unique sur quatre jours au début de 2026, sans vue sur l’évolution du blocage dans le temps. Ce qui existe, en revanche, c’est une bonne quantité de données sur les facteurs qui influencent les taux de blocage : comment la part du trafic de bots évolue quand le trafic humain évolue, ce qui arrive aux défenses lors des pics d’événements, et à quel moment les personnes qui modifient ces défenses cessent de les modifier. Mis bout à bout, ces éléments expliquent l’essentiel de ce que constatent les opérateurs de crawlers.

Points clés à retenir

Il n’existe aucune mesure publiée des taux de blocage de scrapers par jour de la semaine ou par jour férié. Quiconque en cite une devrait être invité à en préciser la méthode.
La part de bots augmente quand le trafic humain diminue. Cloudflare a mesuré une baisse d’environ 4 % du trafic global le week-end, mais seulement environ 1 % pour les bots vérifiés.
Les pics d’événements commerciaux apportent plus de bots et des défenses plus strictes. Imperva a mesuré les mauvais bots à 26,3 % du trafic de vente au détail en période de fêtes, contre une moyenne annuelle de 22,7 %.
Le pire jour pour les bots n’est pas toujours le jour le plus connu. L’échantillon retail de Queue-it a vu le trafic non humain atteindre 83 % des visites le 11 décembre 2024, et non le Black Friday.
Les gels de changements sont une pratique documentée autour de la haute saison et de la fin d’année, si bien que les défenses ont tendance à évoluer avant et après, pas pendant.

Pourquoi un calendrier ferait-il varier les taux de blocage

Un site qui décide de défier ou de bloquer une requête porte, dans la plupart des configurations modernes, un jugement fondé sur son trafic courant. Trois éléments du calendrier modifient ce jugement :

La composition du trafic. Quand les humains partent, le trafic automatisé qui reste représente une part plus importante de l’ensemble, et c’est souvent cette part qui alerte les défenseurs et les modèles.
Les enjeux. Un jour de soldes ou de mise en vente de billets, un site se préoccupe bien davantage des scalpers, du credential stuffing et de l’accaparement de stocks, et tolère plus de friction pour les arrêter.
Les personnes. Les règles sont écrites et ajustées par des équipes qui prennent des congés et gèlent les changements aux moments qui comptent le plus.

Chacun de ces points repose sur des preuves.

Les week-ends : les humains partent, les bots surtout pas

Le trafic internet humain a un rythme hebdomadaire marqué. Une analyse du Data Science Campus de l’Office for National Statistics du Royaume-Uni, portant sur le trafic du London Internet Exchange, a constaté que « les week-ends présentent tendanciellement un trafic plus faible, les jours du milieu de semaine affichant les volumes les plus élevés », avec un trafic autour des jours fériés bancaires environ 7,8 % plus bas en moyenne, et la période de Noël encore plus bas.

Le trafic automatisé est plus stable. L’analyse de Cloudflare portant sur janvier à juillet 2020 a constaté que si un jour de semaine typique se situe légèrement au-dessus de la moyenne, les week-ends montrent « une baisse d’environ 4 % du trafic global », un schéma qui « ne s’applique pas pleinement aux bots vérifiés, qui ne connaissent qu’une faible baisse de 1 % ». La même analyse a constaté un trafic humain environ 15 % plus faible entre minuit et 05h00 UTC et jusqu’à 25 % plus élevé entre 14h00 et 17h00 UTC.

Si le trafic automatisé d’un site reste stable tandis que son trafic humain baisse, la part automatisée augmente, tout comme la probabilité qu’une requête automatisée donnée paraisse inhabituelle. C’est le mécanisme le plus plausible derrière la dégradation des taux de blocage le week-end et la nuit, et c’est pourquoi un crawling régulier, sans planning particulier, peut se remarquer davantage un dimanche qu’un mardi.

Il existe un contre-exemple important. Integral Ad Science, en mesurant le trafic de bots dans les impressions publicitaires sur 391 jours, a constaté le schéma inverse pour les bots qu’elle suit : un trafic de bots en semaine environ 21,2 % plus élevé qu’en week-end, contre seulement 6,9 % pour les humains. Toute automatisation n’est pas régulière. Les opérations frauduleuses qui imitent les horaires humains se comportent différemment des crawlers, et les défenses d’un site voient tout cela à la fois. L’effet hebdomadaire sur votre propre taux de blocage est une question empirique, propre à chaque cible.

Les pics d’événements : plus de bots, plus de friction

Le calendrier commercial concentre les deux faces du problème.

Constat	Source
Les mauvais bots représentaient 26,3 % du trafic de vente au détail en période de fêtes en 2023, contre une moyenne annuelle de 22,7 % ; les attaques par prise de contrôle de compte ont augmenté de 85 % le Black Friday	Imperva, novembre 2023
Le Black Friday 2024, les bots représentaient jusqu’à 19 % du trafic e-commerce et les humains 81 % ; les bots ont réalisé 63 % des tentatives de connexion, en léger recul par rapport au mois précédent avec la hausse des connexions humaines	Cloudflare, décembre 2024
Sur l’ensemble du Cyber Five 2025, 28 % des requêtes provenaient d’un bot ou d’un data center, contre 36 % en 2024 ; 97 % des visiteurs suspects ayant reçu un challenge l’ont échoué	Queue-it, 138 détaillants, décembre 2025
Sur la saison 2024, 46 % des visites ont été signalées comme trafic de bot ou de data center ; le pire jour a été le 11 décembre, à 83 %	Queue-it, décembre 2024
Les détaillants de l’échantillon 2025 ont déployé 787 salles d’attente, activées plus de 2 000 fois sur la saison	Queue-it, décembre 2025

Deux détails méritent d’être soulignés. D’abord, les chiffres de Cloudflare montrent que le jour de pic, la croissance humaine peut en réalité diluer la part de bots, parce que les humains arrivent en bien plus grand nombre. Un jour de pic n’est pas nécessairement le jour où votre part automatisée paraît la pire. Ensuite, les chiffres de Queue-it montrent que le pire jour pour le trafic non humain tombe à la mi-décembre, pas le Black Friday. Les sites qui renforcent leurs défenses pour un événement connu peuvent les maintenir ainsi pendant des semaines.

La conséquence pratique est que tout crawler ciblant la vente au détail, la billetterie ou le voyage doit s’attendre à davantage de challenges, de salles d’attente et à une tolérance plus faible de la mi-novembre à fin décembre, quel que soit son propre comportement.

Les jours fériés : plus calmes, et parfois plus sereins

Les jours fériés jouent dans les deux sens. Le trafic humain baisse : Cloudflare a mesuré un trafic américain le jour de Thanksgiving 2023 environ 10 % plus bas que la semaine précédente. Apparemment, une partie du trafic d’attaque aussi. La même analyse a constaté que Thanksgiving affichait « le pourcentage le plus bas de trafic classé comme attaque DDoS ciblant les États-Unis » sur ce mois.

Pour un crawler, un jour férié dans le pays d’une cible combine une baisse du trafic humain, qui augmente la part automatisée, avec des effectifs réduits côté défense. L’effet net sur votre taux de blocage dépend de la cible. Ce qui est constant, c’est que les jours fériés sont locaux. Un mardi dans un pays est un jour férié dans un autre, ce qui est une raison de plus de mesurer par cible et par marché plutôt que globalement.

Gels de changements : quand les défenses cessent d’évoluer

Les règles changent quand les personnes les changent, et les personnes gèlent les changements à des moments prévisibles. C’est une pratique documentée, pas une légende.

Shopify Engineering a décrit un gel des fonctionnalités qui « commence plusieurs semaines avant le BFCM », et un gel du code quelques jours avant et pendant l’événement, durant lequel « seuls les correctifs critiques peuvent être déployés ».
GitLab définit un verrouillage des changements en production comme « une pause complète sur tous les changements en production pendant les périodes de disponibilité réduite des équipes, comme les grands jours fériés ».
Les règles gérées du WAF de Cloudflare suivent « un cycle de publication de sept jours, généralement le lundi ou le mardi (ajusté pour les jours fériés) ».

Les gels rendent la haute saison étonnamment stable une fois qu’elle a commencé : les défenses sont renforcées dans les semaines précédentes, puis largement laissées telles quelles. Ils font aussi de janvier une saison de changement. Les règles reportées pendant les fêtes sont mises en production quand les équipes reviennent, ce qui est le moment où un crawler qui fonctionnait tout décembre peut se casser sans aucun changement de son côté.

Mesurer son propre calendrier

Puisqu’aucun jeu de données public ne répond à la question pour vos cibles, la seule réponse fiable est vos propres journaux. La méthode est simple : calculer le taux de blocage par cible, par jour de la semaine et par heure, dans le fuseau horaire local de la cible, et comparer chaque créneau au taux global de cette cible.

from collections import defaultdict
from datetime import datetime


def block_rate_by_slot(rows, tz=None, min_requests=50):
    """rows: (target, iso_timestamp, blocked). Block rate per target, weekday and hour."""
    counts = defaultdict(lambda: [0, 0])
    for target, ts, blocked in rows:
        t = datetime.fromisoformat(ts)
        if tz is not None:
            t = t.astimezone(tz)
        slot = (target, t.strftime("%a"), t.hour)
        counts[slot][0] += 1
        counts[slot][1] += int(blocked)
    return {
        slot: round(b / n, 3)
        for slot, (n, b) in counts.items()
        if n >= min_requests
    }

Comptez les blocages doux comme des blocages, pas seulement les codes d’erreur, car une page de challenge servie avec un statut de succès reste un refus ; le taux d’échec silencieux explique comment les détecter. Conservez au moins quelques semaines d’historique avant de tirer des conclusions, et repérez les événements connus et les jours fériés locaux afin qu’un mauvais Black Friday ne devienne pas votre modèle de tous les vendredis.

Planifier en conséquence

Une fois que vous connaissez les calendriers de vos cibles, quelques ajustements s’imposent naturellement.

Établir une base par jour de la semaine, pas par jour. Un score de santé qui compare le samedi à une moyenne de semaine criera au loup chaque week-end. Comparez des grandeurs comparables, comme décrit dans la construction d’un score de santé de cible.
Déplacer le travail flexible vers de bons créneaux. Les rafraîchissements qui n’ont pas besoin de s’exécuter un jour précis peuvent être décalés vers les heures et jours où une cible se montre la plus tolérante. La planification de crawl sensible au coût pondère déjà chaque visite par son coût ; un taux de blocage attendu plus élevé est un coût plus élevé.
Lever le pied au pic d’une cible. Un détaillant, lors de son plus gros jour de soldes, protège de vrais clients sous une vraie charge. Réduire la concurrence et allonger les intervalles pendant les événements connus relève à la fois de la politesse et du bon sens, et le backpressure devrait le faire automatiquement quand les taux de blocage augmentent.
Surveiller janvier. Attendez-vous à des changements de défenses à la levée des gels, et gardez des canaris actifs pour vous en apercevoir en quelques heures, pas en quelques semaines.
Collecter depuis le fuseau horaire et le point de vue propres au marché. Les jours fériés et les rythmes quotidiens sont locaux, tout comme ce qu’un site sert. Une sortie résidentielle ciblée par pays, telle que country-de sur la passerelle de Shifter, permet à un crawler de voir un site allemand comme le verrait un visiteur allemand un jour férié allemand.

En résumé

Les taux de blocage évoluent avec le calendrier pour des raisons compréhensibles : le trafic automatisé est plus stable que le trafic humain, si bien que sa part augmente quand les gens se déconnectent ; les pics d’événements apportent plus de bots et des défenses plus lourdes pendant des semaines autour d’eux ; et les équipes derrière ces défenses gèlent les changements pendant les périodes les plus chargées et reprennent après. Rien de tout cela n’a été mesuré directement pour les scrapers dans un quelconque jeu de données public, et les preuves ne sont pas uniformes : une partie du trafic de bots suit de près les horaires humains.

Cela fait du calendrier une question à laquelle chaque équipe doit répondre à partir de ses propres données. Décomposez votre taux de blocage par cible, jour de la semaine et heure, repérez les jours fériés et les événements de vente, et planifiez en conséquence. Le schéma que vous trouverez sera propre à vos cibles, et bien plus utile que n’importe quelle moyenne globale.

Sources et références

Gundelach, Mühlhauser et Herrmann, Detecting Bot Detection, arXiv, 12 juin 2026. Scans du 27 février au 2 mars 2026.
Cloudflare, Bot Attack trends for Jan-Jul 2020, 20 octobre 2020.
Phil Stubbings, ONS Data Science Campus, Detecting collective human behaviour in internet traffic volume data, 18 juillet 2019.
Integral Ad Science, How Does Bot Traffic Vary Over Time?, 18 décembre 2023.
Imperva, Five Observations from 2023 Black Friday and Cyber Monday, novembre 2023.
Adam Martinetti, Cloudflare, Grinch Bots strike again, 23 décembre 2024.
Queue-it, 2025 Holiday Shopping Stats, 24 décembre 2025, et 2024 Holiday Shopping Stats, 24 décembre 2024.
João Tomé, Cloudflare, Do hackers eat turkey?, 24 novembre 2023.
Camilo Lopez, Shopify Engineering, Preparing Shopify for Black Friday and Cyber Monday, 21 décembre 2018.
GitLab, Dedicated maintenance. Verrouillages des changements en production.
Cloudflare, WAF changelog. Cycle de publication des règles gérées.