Refuser l’entraînement des IA en une ligne : un signal commun, mais volontaire

Quatre des plus gros acteurs américains de l’IA soutiennent une même ligne de texte pour qu’un site web refuse de servir à l’entraînement de leurs modèles. L’idée séduit par sa simplicité. Reste à savoir ce qu’elle protège vraiment, quand elle s’applique, et qui en contrôle le respect.

Une ligne à la place d’une règle par entreprise

Ce qui est en jeu pour un indépendant ou une PME : garder la main sur ce que deviennent les textes, photos et pages publiés sur son site.

Jusqu’ici, un éditeur qui ne voulait pas voir ses pages servir à entraîner des IA devait écrire une règle par entreprise, explique ZDNet. Il fallait connaître le nom de chaque robot d’exploration, c’est-à-dire le programme qui parcourt les sites pour en copier le contenu.

Le nouveau signal passe par robots.txt, un simple fichier texte placé à la racine d’un site. Il indique aux robots comment traiter les pages. Le signal repose sur un identifiant commun, __usage_ai-training. Deux lignes suffisent :

User-Agent: __usage_ai-training
Disallow: /

En clair : « mon site ne souhaite pas que son contenu serve à entraîner des modèles d’IA générative ». Il est aussi possible d’autoriser ou de refuser seulement certains chemins du site, par exemple un dossier précis.

Selon ZDNet, OpenAI explique dans son communiqué qu’elle respectera ce signal. Google et Microsoft ont publié leurs propres plans. Anthropic a, de son côté, commencé l’implémentation.

Un brouillon, pas une norme officielle

En jeu : savoir quel poids accorder à cette annonce. Elle n’a pas la force d’une loi, ni même celle d’une norme finalisée.

Le signal s’appuie sur un brouillon soumis à l’IETF, l’organisme qui élabore les standards d’Internet. Il reprend les travaux de son groupe consacré aux préférences en matière d’IA, appelé AIPREF. Mais, précise la source, le texte lui-même est un projet individuel, sans statut officiel.

Autrement dit, un document de travail a reçu l’appui de quatre entreprises. Il n’est pas encore une règle d’Internet reconnue. Ce soutien compte, puisque ces entreprises exploitent de gros robots d’exploration. Mais il ne garantit pas que le texte sera adopté tel quel.

Des calendriers très différents selon l’entreprise

Ce qui compte pour un site : à partir de quand sa ligne sera lue. La réponse varie.

• OpenAI vise une mise en œuvre « dans les prochains mois » et promet une nouvelle annonce pour détailler son application. Le signal ne remplace pas ses contrôles actuels : ses règles de crawler (robot d’exploration) restent valables.
• Google prévoit un support en 2027, sans date précise. Sans règle spécifique pour Google-Extended, il interprétera le signal commun comme un refus de Google-Extended, le réglage qui régit l’usage de contenus pour ses IA génératives.
• Microsoft est le plus précis : Bing appliquera les préférences à partir du 1er février 2027.
• Anthropic a entamé l’implémentation, sans calendrier cité dans l’article de ZDNet.

Microsoft apporte deux nuances. Le groupe distingue l’entraînement des modèles et le « grounding », c’est-à-dire l’usage de contenus externes pour nourrir une réponse. Ce second réglage se fait page par page, par balise ou en-tête, et non dans robots.txt. Un site peut donc refuser l’un sans refuser l’autre.

Second point : les sites qui utilisaient les réglages NoArchive et NoCache de Bing pour limiter l’usage par l’IA devront changer. Ces réglages cesseront d’être interprétés comme des préférences IA le 1er mars 2027. Une préférence transitoire sera disponible dans les outils pour webmasters de Bing à partir du 15 décembre 2026.

En clair : entre aujourd’hui et 2027, la ligne ne produira pas le même effet chez tous. Un refus écrit aujourd’hui peut n’être lu par certains qu’en 2027.

Ce que cela change pour un site de PME ou un blog

Pour un indépendant, un petit commerce ou un blogueur, le gain principal est la simplicité. Une seule déclaration remplace une liste de robots à suivre, et il n’y a pas à surveiller chaque nouveau nom.

Mais le dispositif a des limites que la source énumère clairement :

• le signal exprime une préférence, il ne bloque ni l’accès au site ni son indexation par les moteurs de recherche ;
• il n’est pas rétroactif : il ne retire rien de ce qui a pu être collecté avant ;
• les robots qui ne l’adoptent pas peuvent l’ignorer ;
• les entreprises engagées le suivent « par choix », sans mécanisme d’application.

Pour un blocage effectif, ZDNet rappelle que la gestion des robots et les pare-feu applicatifs restent les seuls moyens techniques. Un pare-feu applicatif est un filtre placé devant le site qui peut refuser l’accès à certains visiteurs automatisés. C’est plus lourd à mettre en place, et souvent hors de portée d’une petite structure sans prestataire.

Les éditeurs sont par ailleurs invités à garder leurs règles actuelles, comme GPTBot (OpenAI), Google-Extended ou ClaudeBot (Anthropic), en complément du nouveau signal. La nouvelle ligne s’ajoute donc aux anciennes. Elle ne les remplace pas.

Un test simple : ouvrez votresite.fr/robots.txt dans un navigateur. Si le fichier existe, vous verrez ce que votre site déclare déjà. S’il est géré par votre outil de création de site ou votre hébergeur, vérifiez s’il vous laisse le modifier.

Le fond du débat : un engagement volontaire suffit-il ?

Le hook mérite d’être posé franchement : ce sont les entreprises qui entraînent les modèles qui décident si elles respectent le signal. Aucune autorité extérieure ne vérifie, selon l’article, ce qu’un robot fait réellement des pages d’un site.

Il y a des arguments pour chaque lecture. D’un côté, un standard commun simplifie la vie des éditeurs. Il oblige des concurrents à parler le même langage, et OpenAI, Google, Microsoft et Anthropic affichent publiquement leur engagement, ce qui les expose si la pratique contredit le discours. De l’autre, le texte reste un brouillon, appliqué à des dates variables, sans sanction prévue en cas d’oubli ou d’entorse.

Quelques questions restent ouvertes, car l’article ne les tranche pas. Comment un petit éditeur saura-t-il si son refus a bien été respecté ? Que deviennent les contenus déjà collectés ? Et les robots qui n’adoptent pas le signal, qu’ils soient d’autres entreprises ou des acteurs moins visibles ?

Ce que le lecteur peut observer dans les prochains mois : l’annonce détaillée promise par OpenAI, le premier effet du calendrier de Bing en février 2027, et l’évolution du brouillon à l’IETF. Ce sont ces étapes qui diront si la ligne protège les contenus ou si elle sert surtout à afficher une bonne volonté.

Sources

• Refuser l’entraînement des IA en une ligne : OpenAI, Google, Microsoft et Anthropic soutiennent un signal commun (ZDNet)