The State of the SME Website in Belgium 2026 est une mesure de référence nationale des sites web de PME belges réalisée par SEMANU. C'est un recensement, pas un échantillon : chaque site de PME repérable est mesuré avec un instrument déterministe et public, sans IA dans la mesure. Le code est open source, le jeu de données pseudonymisé paraît sous CC BY 4.0 et les résultats par entreprise ne sont jamais publiés, uniquement des agrégats.
En bref
- Un recensement de tous les sites web de PME belges repérables, construit sur les données ouvertes de la Banque-Carrefour des Entreprises.
- Trois couches de découverte : le champ site web du registre, l'archive web Common Crawl et des domaines dérivés du nom de l'entreprise, acceptés uniquement avec preuve de propriété.
- L'instrument est déterministe et public : chacun peut exécuter le même code sur le même site et obtenir le même résultat.
- L'effet de sélection de la recherche web est mesuré et publié par couche de découverte, pas éludé.
- Protocole, livre de codes et données paraissent avec un DOI permanent ; rien n'est publié par entreprise.
Pourquoi cette étude existe
Qui veut savoir aujourd'hui où en sont les PME belges en ligne trouve surtout des arguments de vente : des chiffres publiés par des acteurs qui vendent des sites, des outils ou du conseil, mesurés d'une manière que personne ne peut vérifier. Nous voulions une mesure de référence que l'on peut recalculer plutôt que croire. Nous publions donc non seulement les résultats mais tout l'instrumentarium : le protocole, le code de mesure et les seuils derrière chaque indicateur.
Un recensement, pas un échantillon
L'étude ne mesure pas mille sites aléatoires mais chaque site de PME qu'elle peut trouver. La question centrale passe de l'erreur d'échantillonnage à la couverture : non pas « l'échantillon est-il représentatif » mais « quelle part de la population voyons-nous ». Nous rapportons cette couverture explicitement, avec un contrôle de rappel indépendant contre une liste qui n'a joué aucun rôle dans la découverte des sites.
Comment nous trouvons les entreprises avec un site
L'épine dorsale est le registre des entreprises. Trois couches y cherchent des sites : le champ site web que les entreprises ont déclaré au registre, l'archive publique Common Crawl dans laquelle nous reconnaissons des numéros d'entreprise sur les pages et enfin des noms de domaine dérivés du nom enregistré : un candidat ne compte que lorsque la propriété est prouvée. Une quatrième couche via une API de recherche est morte en chemin : Google a fermé cette voie début 2026. Plutôt que de taire cette lacune, nous l'avons remplacée par une étape de validation qui mesure ce que nous manquons.
Ce que nous mesurons et pourquoi sans IA
Par site, le scanner n'enregistre que des indicateurs vérifiables par machine : accessibilité, sécurité, trouvabilité, possibilités de contact, signaux commerciaux et maturité GEO statique : un robot d'IA peut-il lire et comprendre le site ? Pas de jugement, pas de modèle, pas d'interprétation : le même code sur le même site donne toujours la même réponse. L'instrument est versionné et chaque ligne mesurée porte la version qui l'a produite. Nous avons intégralement écarté la version 1.0 après qu'un test sur notre propre site a démasqué cinq détecteurs qui semblaient raisonnables mais avaient presque toujours raison ou presque toujours tort. Ces défauts sont décrits dans l'historique des versions, avec des tests qui démontrent l'ancien comportement.
L'effet de sélection : nommé, borné, publié
Nous soulevons nous-mêmes l'objection la plus forte contre ce design : mesurer des sites repérables, c'est mesurer des entreprises sélectionnées sur leur repérabilité. Notre réponse n'est pas le déni mais l'encadrement. Toutes les couches sélectionnent dans la même direction, vers une présence web plus forte, donc chaque déficit rapporté est une borne inférieure du déficit réel. Chaque chiffre clé est ventilé par couche de découverte, le recouvrement entre couches est mesuré et un échantillon aléatoire d'entreprises non trouvées est vérifié à la main. La plus grande inconnue du design devient un chiffre mesuré avec un intervalle, pas une note de bas de page.
Tout est vérifiable
Le code de mesure est open source sous licence MIT. Le protocole est préenregistré et archivé avec un DOI permanent et le jeu de données pseudonymisé (tous les indicateurs par entreprise sous un identifiant d'étude aléatoire, sans nom, numéro de TVA ni URL) paraît sous CC BY 4.0. Le scanner s'identifie honnêtement avec son propre nom et une adresse de contact, respecte robots.txt, récupère au plus quatre pages par site et espace ses requêtes. Le cadre éthique suit le Menlo Report et le code de conduite européen pour l'intégrité de la recherche d'ALLEA.
La suite
La mesure se déroule en vagues sur plusieurs semaines. Suivront ici les premiers résultats : où en sont réellement les PME belges sur le plan technique, commercial et à l'ère de la recherche par IA, avec chaque limite énoncée. Qui n'y croit pas peut recalculer. Comme il se doit.
Des questions sur cette étude, ou envie de collaborer ? SEMANU Research est ouvert au feedback méthodologique, aux partenariats médias et aux organisations sectorielles qui souhaitent utiliser les résultats.