Refuser l'entraînement des IA ne demandera plus qu'une consigne dans le robots.txt de votre site

Jusqu'ici, un éditeur de site qui refusait que ses textes servent à entraîner les intelligences artificielles devait les bloquer une par une. Une ligne pour le robot d'OpenAI, une autre pour Google-Extended, une troisième pour Anthropic, et ainsi de suite, au gré des nouveaux robots d'indexation. Le 30 octobre, Google, Microsoft, OpenAI et Anthropic ont annoncé qu'ils respecteraient une seule et même consigne.

Elle se place dans le fichier robots.txt, ce petit fichier qui indique depuis plus de trente ans aux robots ce qu'ils peuvent visiter. Le signal porte un nom technique, __usage_ai-training. Il est décrit dans un brouillon déposé le 30 octobre à l'IETF, l'organisme qui élabore les standards d'Internet. Son auteur, Kevin Kelley, travaille chez Anthropic.

Comment l'écrire dans votre robots.txt

Le signal s'utilise comme le nom d'un robot. Le brouillon donne cet exemple, qui refuse l'entraînement sur tout le site sauf sur le dossier de presse :

User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/

Un détail compte beaucoup. Selon le brouillon, une règle générale User-Agent: * ne doit pas être interprétée comme visant ce signal. Un site qui bloque déjà tous les robots n'exprime donc aucune préférence sur l'entraînement tant qu'il n'ajoute pas ce groupe. Sans lui, aucun choix n'est exprimé.

Qui s'engage, et à partir de quand ?

Les calendriers diffèrent. Microsoft est le plus précis : son moteur Bing commencera à lire ces préférences le 1er février 2027 et laisse aux sites jusqu'au 1er mars 2027 pour les publier. Après cette date, ses anciennes balises NoArchive et NoCache ne vaudront plus refus d'entraînement. Microsoft ajoute un réglage page par page et un second signal pour refuser que ses IA s'appuient sur un contenu pour élaborer leurs réponses.

Google prévoit de prendre en charge le signal en 2027 ; il le traitera comme un refus adressé à Google-Extended, son réglage existant, selon la presse spécialisée qui a lu son annonce. OpenAI parle de « prochains mois », d'après des comptes rendus de son billet. Chez Anthropic, l'auteur du brouillon a écrit sur une liste de l'IETF que l'entreprise avait « déjà commencé » à le mettre en œuvre.

Meta, qui a récemment élargi l'entraînement de son IA aux sites de ses annonceurs, n'apparaît pas parmi les entreprises qui s'engagent publiquement.

Ce que ce signal ne fait pas

Le texte est explicite : il exprime une préférence, ce n'est pas une interdiction d'accès. Les robots peuvent continuer à visiter vos pages. Rien ne retire vos contenus des modèles déjà entraînés. Le brouillon n'a aucun statut officiel à l'IETF, et des accords privés peuvent primer sur les préférences exprimées.

Microsoft le rappelle aussi : refuser ne garantit rien en retour, ni trafic, ni rémunération, et accepter non plus. Côté européen, Google présente ce signal comme compatible avec le code de bonnes pratiques de l'AI Act pour les IA à usage général ; c'est son appréciation, pas celle de Bruxelles.

Que faire dès maintenant ?

Rien ne presse avant 2027, mais la décision mérite d'être prise en amont, avec la direction et le service juridique :

• faites l'inventaire des règles actuelles de votre robots.txt visant des robots d'IA (GPTBot, Google-Extended, ClaudeBot…) et gardez-les : elles restent valables ;
• décidez quelles parties du site peuvent servir à l'entraînement (communiqués, documentation publique) et lesquelles non ;
• si Bing compte pour vous, notez l'échéance du 1er mars 2027.

Reste à savoir si le brouillon franchira les étapes de l'IETF, et si les autres acteurs, en Chine comme en Europe, s'y rallieront.