Types de CAPTCHA et façons de s’y adapter

Vous êtes sur le point de visiter un site web, mais soudain, un CAPTCHA apparaît et vous demande de trouver toutes les images de vélos ou de résoudre une énigme. Cela peut sembler être une interruption agaçante, mais ces tests servent en réalité à protéger le site web contre les bots. Les CAPTCHAs prennent de nombreuses formes : sélection d’images, saisie de texte déformé ou même questionnaires.  

Pour conserver des schémas de trafic naturels, il faut employer des méthodes et des ressources adaptées. Dans cet article, nous passons en revue les types de CAPTCHA et les techniques les plus adaptées pour y répondre dans le respect des règles.

Les CAPTCHAs et leurs types

CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart) est un test de sécurité destiné à empêcher les bots et les systèmes automatisés de se faire passer pour des humains afin d’effectuer des tâches telles que :

• Créer des comptes automatiquement ;
• S’inscrire à des offres ;
• Collecter et générer de fausses adresses e-mail ;
• Tenter de déchiffrer des mots de passe ;
• Envoyer des e-mails ou des messages de spam. 

Cette vérification peut prendre la forme d’une simple énigme ou d’un test visuel, facile à résoudre pour un humain mais pas pour un programme automatisé. Elle comporte souvent des lettres, des chiffres ou des images déformés sur des arrière-plans complexes afin d’empêcher les bots de les reconnaître. De nombreux types de CAPTCHA ont été mis au point au fil des ans, car certains se sont révélés vulnérables aux attaques automatisées. Les développeurs ont donc cherché des alternatives plus robustes. Voici les 5 principaux types de CAPTCHA. 

• CAPTCHAs basés sur le texte

Les CAPTCHA textuels constituent une mesure de sécurité courante : les utilisateurs doivent identifier et saisir des lettres afin de confirmer qu’ils ne sont pas des bots.  Les caractères du CAPTCHA sont souvent présentés de manière déformée, par exemple par des changements d’échelle, des rotations ou d’autres altérations. De plus, des éléments graphiques comme des variations de couleur, du bruit de fond, des lignes, des arcs ou des points sont souvent intégrés pour mieux résister aux bots. 

Si ces techniques renforcent la sécurité, elles peuvent aussi dégrader l’expérience utilisateur. En particulier, des couleurs ou textures d’arrière-plan mal choisies peuvent affaiblir la sécurité si des programmes automatisés séparent facilement le texte de l’arrière-plan. Mal employés, ces éléments peuvent aussi rendre le CAPTCHA difficile à lire. 

• CAPTCHAs basés sur des images

CAPTCHA basé sur des images est généralement plus répandu et plus facile à comprendre qu’un CAPTCHA textuel. Ces CAPTCHAs sont plus difficiles pour les bots, car ils nécessitent une reconnaissance d’images et une compréhension sémantique ou contextuelle.

Certains développeurs estiment toutefois qu’un CAPTCHA textuel est préférable. Par exemple, les CAPTCHAs basés sur des images peuvent prendre trop de place sur une page web. Cela peut nuire à l’expérience des visiteurs disposant d’une connexion à faible bande passante. Certaines images peuvent aussi détonner avec l’esthétique globale d’un site web et créer de la confusion. Constituer une base d’images efficace pour les CAPTCHA peut prendre du temps. Une approche plus simple, fondée sur une sélection limitée d’images, peut être préférable.

• CAPTCHA audio

Le CAPTCHA audio repose sur la capacité humaine à interpréter un son, même déformé. Il peut être combiné avec des CAPTCHA textuels ou basés sur des images. Ce type de CAPTCHA utilise la technologie de reconnaissance vocale. Il s’appuie sur des technologies de reconnaissance vocale qui analysent, par apprentissage automatique, des caractéristiques telles que la hauteur, le ton et le rythme. Les CAPTCHA audio peuvent néanmoins être difficiles à interpréter, tant pour les utilisateurs que pour les bots.

• CAPTCHA sous forme de questions

Un CAPTCHA sous forme de question est un type de CAPTCHA qui propose aux utilisateurs des questions mathématiques simples ou des tâches textuelles à effectuer. Par exemple, il peut être demandé aux utilisateurs de saisir un mot entièrement en majuscules, de sélectionner le dernier mot dans une liste ou d’identifier une couleur associée à un mot spécifique. Les utilisateurs doivent suivre attentivement toutes les instructions. L’un de ses principaux atouts est son accessibilité aux utilisateurs malvoyants, qui peuvent rencontrer des difficultés avec les tâches visuelles.

• No CAPTCHA reCAPTCHA

reCAPTCHA est un service gratuit fourni par Google. Il peut proposer un CAPTCHA invisible qui ne demande aucune saisie à l’utilisateur. Google a amélioré les fonctionnalités de reCAPTCHA au fil du temps, s’éloignant de la méthode classique utilisant du texte déformé. Le service propose désormais différents tests, comme la reconnaissance d’images, les cases à cocher et l’évaluation du comportement de l’utilisateur sans interaction. Par exemple, certains tests demandent aux utilisateurs de cocher une case libellée “I’m not a robot,” mais le véritable test analyse les mouvements de souris qui précèdent cette action, car les mouvements humains suivent des schémas que les bots peinent à reproduire. 

Comment fonctionne un CAPTCHA

Le principe d’un CAPTCHA est qu’un bot ou programme informatique ne parviendra pas à interpréter des lettres, une image ou un puzzle déformés. En revanche, un humain peut reconnaître différentes polices, écritures manuscrites et arrière-plans. Pour beaucoup d’internautes, résoudre un CAPTCHA et poursuivre leur navigation ne pose guère de problème. 

Toutefois, les personnes qui travaillent dans l’automatisation, les tests de charge ou l’analyse de données doivent connaître les différents types de CAPTCHA pour gagner du temps. Optimiser le comportement du trafic est essentiel pour : 

• les spécialistes de l’automatisation qui cherchent à rationaliser les tâches répétitives ;
• les testeurs chargés d’évaluer la sécurité web ;
• les développeurs qui collectent des données.

Examinons quelques moyens d’automatiser les tâches de manière conforme. 

Méthodes pour gérer les CAPTCHA en conformité avec les règles

1. Rotation des proxies et gestion des IP

La rotation des proxies utilise plusieurs adresses IP pour gérer les requêtes web. Elle peut réduire les problèmes liés aux mécanismes de vérification. En répartissant les requêtes entre plusieurs proxies, on évite qu’un site web cible détecte des schémas associés à une activité de bot, comme un volume trop élevé de requêtes depuis une seule adresse IP. Cette stratégie peut être renforcée par le ciblage géographique proposé par DataImpulse. Ainsi, utiliser un proxy résidentiel fiable pour changer votre adresse IP est un moyen simple de gérer les obstacles liés à la connexion.

2. Automatisation du navigateur et simulation du comportement humain

Des bibliothèques Python ou Node.js peuvent simuler le comportement réel des utilisateurs, notamment les mouvements de souris et le défilement. Par exemple, Selenium est conçu pour l’automatisation des navigateurs, mais peut être associé à des services de résolution de CAPTCHA (comme 2Captcha) dans le cadre du web scraping. Cette méthode est particulièrement utile pour les CAPTCHAs complexes qui analysent le comportement des utilisateurs. Cette approche vise à reproduire des signaux humains, afin que les scripts automatisés puissent poursuivre leur exécution.

3. Reconnaissance optique de caractères (OCR)

La technologie OCR aide à analyser et interpréter les images CAPTCHA contenant du texte déformé. Elle convertit les informations visuelles dans un format exploitable par les ordinateurs. Les méthodes OCR avancées font appel à l’apprentissage automatique afin d’améliorer leur adaptabilité. L’OCR fonctionne bien pour les CAPTCHAs standards, mais peut rencontrer des difficultés avec les plus complexes. Dans l’ensemble, il est préférable de l’associer à d’autres techniques. 

4. Analyse des cookies

L’analyse des cookies consiste à gérer les cookies du navigateur afin de préserver des sessions utilisateur actives. Comprendre comment les sites web utilisent les cookies pour suivre les actions des utilisateurs permet aux outils d’automatisation d’envoyer les cookies appropriés avec leurs requêtes afin d’imiter le comportement de vrais utilisateurs. Maintenir des sessions cohérentes et limiter les changements soudains de comportement peut réduire le nombre de vérifications demandées. Une bonne gestion des cookies contribue à maintenir des schémas de trafic naturels et à améliorer les interactions automatisées avec les sites web.

5. Fournisseurs de services de résolution de CAPTCHA

Le recours à un service de résolution de CAPTCHA est simple. Lorsqu’un bot rencontre un CAPTCHA, celui-ci est envoyé à l’API du service, où il est résolu par des outils automatisés ou par une personne. Après inscription et connexion de l’API à votre outil, le service renvoie la solution afin de permettre la poursuite du scraping.

• 2Captcha – un service populaire fondé sur une intervention humaine. Il propose également des exemples de code pour résoudre automatiquement les reCAPTCHAs à l’aide d’outils comme Selenium et Puppeteer. La configuration est simple grâce à des APIs compatibles avec plusieurs langages de programmation.
• CapSolver – un service basé sur l’IA qui prend en charge plusieurs types de proxies, afin de gérer la résolution de CAPTCHA sur plusieurs adresses IP. Cette plateforme réduit les délais, ce qui en fait un choix intéressant pour les entreprises ayant besoin d’outils de scraping précis. Elle propose aussi une formule d’essai à un tarif abordable. Si vous souhaitez en savoir plus sur ce service, lisez cet article.
• BypassCaptcha –  une plateforme professionnelle de décodage de CAPTCHA depuis 2008. Son service affiche un délai moyen de résolution de 8 à 13 secondes. BypassCaptcha est simple à implémenter dans des scripts et fonctionne avec des langages comme Ruby, Python et JavaScript. Les données du CAPTCHA sont envoyées à l’API, qui fournit rapidement les résultats pour les reCAPTCHA Google V2 et V3. Il est également compatible avec les proxies datacenter et résidentiels. 

Conclusion

En résumé, le CAPTCHA constitue une protection importante contre le spam, le piratage et le vol de mots de passe. Les CAPTCHA permettent aux sites web de vérifier qu’un utilisateur est humain et d’améliorer leur sécurité. Ils peuvent toutefois frustrer les utilisateurs, être difficiles à utiliser, ne pas fonctionner dans tous les navigateurs et poser problème aux personnes utilisant un lecteur d’écran.

Dans le respect des politiques applicables, des méthodes comme la rotation des proxies, l’émulation du navigateur, l’OCR et l’analyse des cookies permettent d’automatiser des tâches tout en reproduisant un comportement humain. La rotation des proxies, par exemple, renforce l’anonymat en répartissant les requêtes entre différentes adresses IP. Chez DataImpulse, les utilisateurs peuvent essayer des proxies résidentiels, datacenter et mobiles premium avec une facturation à l’utilisation. Ils bénéficient de solutions personnalisées, de plus de 15+ million d’IPs dans 194 emplacements, de connexions rapides et bien plus encore. 

Pour en savoir plus, “Try now“ ou contactez-nous à [email protected].

*Cet article est fourni à des fins éducatives uniquement. Procédez toujours avec prudence, respectez les principes éthiques et les conditions d’utilisation des sites web afin d’éviter tout problème juridique ou toute atteinte aux systèmes en ligne.