Comment dire non à l'entraînement des IA dans votre robots.txt

Google, OpenAI, Microsoft et Anthropic ont annoncé le 30 octobre 2026 qu'ils soutiennent un signal commun, placé dans le fichier robots.txt, pour refuser que le contenu d'un site serve à entraîner des modèles d'IA générative. Les éditeurs, les médias et les sites d'entreprise sont concernés, mais le dispositif n'est pas encore appliqué partout : les calendriers vont de « déjà en cours » à 2027.

Ce qu'il faut faire

• Conservez vos règles actuelles par robot (GPTBot, Google-Extended, ClaudeBot) : les contrôles existants continuent de fonctionner chez Google et OpenAI pendant la transition.
• Ajoutez un groupe User-Agent __usage_ai-training suivi d'un Disallow sur les chemins à protéger, en gardant en tête qu'il s'agit d'un projet de norme susceptible d'être révisé.
• Notez les échéances : 1er février 2027 pour Microsoft, début 2027 pour Google selon PPC Land, « prochains mois » pour OpenAI, Anthropic ayant déjà commencé.
• Relisez vos contrats de licence avec les éditeurs d'IA : d'après la lecture du projet rapportée par Shattered, un accord privé peut l'emporter sur le signal.
• Configurez à part le contrôle Search Console qui régit AI Overviews et AI Mode, car le signal commun ne le couvre pas.

Ce qui a été annoncé le 30 octobre

Les quatre entreprises ont fait savoir qu'elles honoreront une préférence unique, exprimée dans robots.txt. Jusqu'ici, un site devait configurer des restrictions pour chaque robot : GPTBot, Google-Extended, ClaudeBot et tous ceux à venir. Le nouveau mécanisme remplace cette liste par un seul groupe de règles.

Le dispositif repose sur ce que Mon Carnet appelle un « policy token ». Il est proposé par Kevin Kelley, responsable technique des normes chez Anthropic, et déposé auprès de l'Internet Engineering Task Force (IETF). Ce n'est pas un standard adopté. The420.in précise que le suivi des documents de l'IETF le classe comme un « Internet-Draft » individuel, sans statut formel dans le processus de normalisation.

OpenAI décrit la démarche comme volontaire, selon Shattered. Rien dans l'annonce ne crée une obligation légale, et aucun régulateur n'est impliqué. SiliconANGLE rappelle que robots.txt servait historiquement à guider les moteurs de recherche, et qu'il sert aujourd'hui aussi à réguler les robots qui collectent des données d'entraînement.

Le signal vise un usage précis : l'entraînement des modèles. Il ne vise ni l'exploration en tant que telle, ni le classement dans un moteur, ni la consultation d'une page pour répondre à une question. Cette distinction structure tout le reste de ce guide.

Photo : Chris Ried sur Unsplash

Comment déclarer son refus, concrètement

La syntaxe

Le mécanisme reprend la forme de robots.txt que tout webmestre connaît. Selon Shattered et The420.in, le jeton s'appelle __usage_ai-training. Il s'écrit dans une ligne User-Agent, suivie de règles Allow ou Disallow. Pour refuser l'entraînement sur tout le site :

User-Agent: __usage_ai-training
Disallow: /

Le contrôle peut être limité à certaines parties. Un site peut protéger ses contenus premium ou ses archives et laisser le reste libre. Mon Carnet donne l'exemple d'un média qui refuserait l'entraînement sur ses articles tout en l'autorisant pour une partie de ses archives publiques. The420.in évoque de son côté une page d'informations presse laissée ouverte, le reste étant restreint.

Selon la lecture de PPC Land rapportée par Shattered, la correspondance des chemins suit les règles de la RFC 9309, la spécification formelle de robots.txt. Un éditeur qui connaît déjà ses règles par chemin n'a donc rien de nouveau à apprendre.

Les trois pièges

Shattered signale trois règles qui piègent les sites :

• Un groupe générique, du type User-Agent: *, ne correspond pas au jeton. Une règle générale écrite il y a des années n'exprime donc aucun refus d'entraînement.
• Un site sans préférence déclarée est traité comme autorisant l'entraînement par défaut.
• Les accords de licence privés entre un éditeur et une entreprise d'IA peuvent primer sur ce que dit le jeton.

Kevin Kelley le formule ainsi dans son texte, selon Shattered : un robots.txt qui n'utilise pas ce mécanisme ne dit rien des préférences d'entraînement. D'anciens blocs visant des robots de recherche ne doivent donc être lus ni comme un consentement ni comme un refus.

Quels robots sont censés le respecter, et quand

Les quatre signataires n'avancent pas au même rythme. Le tableau ci-dessous reprend les calendriers annoncés. Il s'agit d'intentions déclarées : aucune source ne fait état d'un déploiement général à la date de l'annonce.

Entreprise	Calendrier annoncé	Précisions rapportées
Anthropic	Déjà commencé	Kevin Kelley indique que la mise en œuvre est en cours
OpenAI	« Prochains mois »	Aucune date ; les contrôles actuels des robots restent actifs
Microsoft	À partir du 1er février 2027	Ajoute une balise meta et un en-tête HTTP au niveau de la page
Google	2027 (début 2027 selon PPC Land)	Le jeton serait traité comme un Disallow Google-Extended
Meta	Non engagée	Accueille favorablement l'idée, sans confirmer l'application
Apple, Amazon	Aucun engagement rapporté	Shattered note Applebot-Extended chez Apple ; Amazon figure parmi les contributeurs

Pour Meta, Mon Carnet et The420.in s'accordent : soutien à l'idée d'un mécanisme commun, mais pas de confirmation qu'elle respectera ce signal. Mon Carnet en tire une conclusion : l'efficacité dépendra du nombre d'entreprises qui accepteront de le respecter.

Côté Google, Shattered rapporte, d'après PPC Land, que le jeton équivaudra à un Disallow Google-Extended, et qu'un Allow explicite sur Google-Extended peut l'emporter sur le blocage du jeton partagé. En cas de lignes contradictoires, la plus spécifique gagne.

Pour un éditeur, la conséquence est simple. Le jeton bloque, à terme, quatre développeurs. Les autres restent à gérer un par un.

Je veux bloquer X : que dois-je faire ?

Le jeton ne remplace pas les autres outils. Il en complète certains. Le tableau suivant associe chaque objectif au dispositif à utiliser, d'après les sources réunies.

Je veux…	Dispositif	Disponibilité et limites
Refuser l'entraînement chez les quatre signataires	Jeton __usage_ai-training dans robots.txt	Anthropic : en cours. Microsoft : 1er février 2027. Google : 2027. OpenAI : prochains mois
Refuser l'entraînement dès maintenant chez Google	Règle Google-Extended existante	Elle reste valable ; Google la traitera comme équivalente au jeton
Refuser l'entraînement dès maintenant chez OpenAI ou Anthropic	Règles par robot (GPTBot, ClaudeBot)	Les contrôles actuels continuent de fonctionner, du moins chez Google et OpenAI selon Mon Carnet
Régler page par page	Balise meta AI Training et en-tête HTTP de Microsoft	Prévues par Microsoft, avec une application à partir du 1er février 2027
Refuser l'usage en réponse (« grounding ») chez Microsoft	Nouvelles préférences Microsoft, dont DisallowExtended	Réglages temporaires attendus dans Bing Webmaster Tools le 15 décembre 2026 selon PPC Land
Sortir d'AI Overviews et d'AI Mode	Contrôle distinct de la Search Console	Disponible depuis juillet 2026 ; le jeton ne le modifie pas
Rester dans les résultats de recherche classiques	Règles Googlebot et Bingbot inchangées	Microsoft précise que ces choix n'empêchent pas une présence dans les résultats traditionnels de Bing
Obtenir une rémunération	Contrat de licence	Le jeton n'ouvre aucun droit à rémunération
Arrêter un robot qui ignore les règles	Aucun dispositif dans les sources	robots.txt reste volontaire

La ligne sur Microsoft mérite une précision. Selon PPC Land, cité par Shattered, la société prévoit trois niveaux pour le grounding : Allow par défaut, Disallow, et DisallowExtended, qui s'applique aux seuls produits Microsoft et exclut le grounding par des tiers. Le même rapport indique que Microsoft cessera de lire les anciennes directives NoArchive et NoCache après le 1er mars 2027. Si ce détail se confirme, les sites qui s'en servent devront migrer avant cette date. Nous n'avons trouvé ce point que dans cette source.

Photo : Kaffeebart sur Unsplash

Ce que le signal ne règle pas

Les titres parlent d'une protection commune. Le texte des annonces est plus étroit. Mon Carnet le résume : un progrès, pas une garantie absolue.

Rémunération

Le jeton exprime une préférence. Il ne crée aucun droit à rémunération. The420.in l'écrit sans détour : le signal n'établit ni système de paiement, ni compensation garantie, et ne tranche pas les litiges de droit d'auteur. Microsoft ajoute, selon PPC Land, qu'aucun de ses choix ne garantit ni inclusion, ni trafic, ni paiement. Refuser peut coûter de la visibilité dans les expériences d'IA. Accepter n'achète pas un versement.

Le levier financier reste donc contractuel. Le lancement de Suno v6 illustre ce régime : des accords de licence avec des ayants droit, et des procédures judiciaires qui continuent en parallèle. Notre analyse est dans Suno v6 : Warner et BMG signent, six procès continuent.

Contenus déjà collectés

Le signal ne rétroagit pas. Mon Carnet précise qu'il ne retire pas les contenus déjà utilisés dans les ensembles de données ayant servi à entraîner des modèles existants. The420.in confirme : ajouter l'instruction ne supprime rien des jeux de données ou des modèles déjà constitués. Le dispositif concerne les utilisations futures, par les entreprises qui s'engagent à le respecter.

Robots non signataires

robots.txt fonctionne comme un ensemble d'instructions volontaires. Mon Carnet note qu'il n'empêche pas techniquement un robot malveillant, ou une entreprise qui refuse de coopérer, de récupérer des pages accessibles publiquement. Meta, Apple et Amazon n'ont pas annoncé d'engagement. Les sources ne proposent aucune parade technique contre ces robots : elles décrivent un dispositif de bonne foi, pas un verrou.

Usage en réponse : une frontière à surveiller

Le signal vise l'entraînement. Il ne couvre ni l'exploration, ni le classement, ni l'usage en direct dans une réponse. Selon le tableau de Shattered, la récupération d'information chez OpenAI ou Anthropic est hors champ. Un site peut donc bloquer l'entraînement et voir ses articles résumés dans une réponse d'assistant.

Une nuance existe chez Google. D'après PPC Land, le contrôle Google-Extended gouverne l'entraînement des modèles Gemini et atteint aussi le grounding de Gemini. Mais le jeton ne modifie pas AI Overviews ni AI Mode, régis par un contrôle distinct de la Search Console. Nous n'avons pas trouvé de source qui détaille ce périmètre côté Google lui-même. Vérifiez la documentation de l'éditeur avant d'en tirer une conclusion.

Photo : Bank Phrom sur Unsplash

Le cas du Courrier de l'Ouest

Un exemple local montre pourquoi cette frontière compte. Le Courrier de l'Ouest, titre de la presse régionale, a publié le 31 octobre 2026 un article sur les erreurs de l'IA : « Quand l'intelligence artificielle annonce le décès d'une personne bien vivante ». Selon Ouest-France, Google Gemini a annoncé à tort le décès d'une personne qui s'exprimait sur un accident survenu dans les Deux-Sèvres.

Le texte décrit le mécanisme. Depuis plusieurs mois, Gemini répond à des questions ou à des recherches spécifiques en allant chercher des informations sur différents sites d'actualité, dont celui du Courrier de l'Ouest. Il « y puise ses ressources et les réinterprète à sa manière », avec des conséquences parfois « tragiques », selon le journal. L'article est réservé aux abonnés : nous n'avons pu lire que son début, et nous ne détaillons donc pas le cas au-delà.

Pour un éditeur, la leçon est double.

• Il s'agit d'un usage à la volée, qui consiste à consulter des pages pour composer une réponse. Ce n'est pas de l'entraînement. Le jeton, centré sur l'entraînement, n'était pas conçu pour ce scénario.
• Les deux usages se règlent séparément. Microsoft entend d'ailleurs les dissocier : un site pourrait refuser l'entraînement tout en autorisant la consultation pour des réponses accompagnées de références.

Nous ne pouvons pas dire si une règle robots.txt aurait évité l'erreur décrite par le Courrier de l'Ouest. Les sources ne le disent pas. Elles montrent seulement que le signal commun ne règle pas, à lui seul, la réinterprétation d'articles dans une réponse. Un média qui veut limiter ce risque doit regarder les contrôles spécifiques de chaque service, comme celui de la Search Console pour AI Mode et AI Overviews.

Un statut encore provisoire

Le jeton vient du groupe de travail AIPREF de l'IETF, mais le document qui le définit n'en est pas un produit. Shattered le décrit comme un Internet-Draft individuel, draft-kelley-aipref-training-preference-signal-00. Selon PPC Land, il expire le 3 mai 2027. Le sens du jeton s'appuie sur la définition de l'« AI Training » du document de vocabulaire du groupe, dont Shattered signale qu'il note lui-même l'absence de consensus. Le projet peut donc encore évoluer.

Sur le plan réglementaire, Mon Carnet relève que Google relie la proposition au code de bonnes pratiques européen pour les modèles d'IA à usage général, qui reconnaît robots.txt comme moyen d'exprimer des préférences sur l'usage des contenus. Mon Carnet ajoute que le mécanisme peut simplifier les relations entre développeurs et détenteurs de droits, sans régler les différends juridiques sur les œuvres protégées.

Autre précaution : la liste de 46 contributeurs du texte de Kevin Kelley, selon PPC Land, inclut des employés de Meta, Amazon et Cloudflare, ainsi que des représentants de médias. Être remercié dans un projet n'est pas un engagement. La présence d'une entreprise sur cette liste ne prouve pas qu'elle honorera le jeton.

Points clés à retenir

• Le 30 octobre 2026, Google, OpenAI, Microsoft et Anthropic ont annoncé qu'ils soutiennent un signal commun dans robots.txt pour refuser l'entraînement des IA.
• Le jeton __usage_ai-training s'écrit comme un groupe User-Agent avec des règles Disallow, par chemin si nécessaire.
• C'est un projet de norme de l'IETF, sans statut officiel, et non un standard adopté.
• Calendriers : Anthropic a commencé, OpenAI vise les prochains mois, Microsoft le 1er février 2027, Google 2027.
• Meta, Apple et Amazon n'ont pas annoncé d'engagement ; les règles par robot restent nécessaires.
• Un groupe User-Agent: * ne vaut pas refus ; l'absence de préférence est traitée comme une autorisation, selon Shattered.
• Le signal ne crée aucun droit à rémunération, ne retire rien des données déjà collectées et n'arrête pas un robot qui ne le respecte pas.
• L'usage en réponse (grounding) et AI Overviews ou AI Mode relèvent d'autres contrôles.

FAQ

Le signal est-il déjà actif sur mon site ?

Pas partout. Anthropic a commencé à l'appliquer. OpenAI annonce une intégration dans les prochains mois, Microsoft à partir du 1er février 2027 et Google en 2027. En attendant, gardez vos règles par robot.

Dois-je supprimer mes règles GPTBot ou Google-Extended ?

Non. Mon Carnet indique que les outils de contrôle existants continuent de fonctionner, du moins chez Google et OpenAI. The420.in précise qu'OpenAI maintient ses contrôles actuels à côté du nouveau mécanisme.

Bloquer l'entraînement me fait-il disparaître de Google ou de Bing ?

Selon Microsoft, restreindre l'usage pour l'entraînement ou le grounding n'empêche pas un site de rester éligible aux résultats classiques de Bing. Google indique de son côté que ses arrangements de visibilité dans la recherche continuent à côté du signal. Microsoft prévient toutefois qu'aucun choix ne garantit inclusion ou trafic.

Le signal protège-t-il mes articles contre les résumés d'assistants ?

Pas entièrement. Il vise l'entraînement, pas l'usage en réponse. Chez Microsoft, des contrôles de grounding distincts sont annoncés. Chez Google, AI Overviews et AI Mode dépendent d'un contrôle séparé de la Search Console.

Puis-je être payé si je refuse, ou si j'accepte ?

Le signal ne crée aucun droit à rémunération, d'après Mon Carnet et The420.in. Microsoft ajoute qu'aucun choix ne garantit un paiement. Seul un contrat de licence peut régler ce point.

Que se passe-t-il pour les contenus déjà collectés ?

Rien. Le signal concerne les utilisations futures. Il ne retire pas les contenus déjà présents dans les jeux de données ou les modèles existants.

Conclusion

Le signal commun simplifie la façon d'exprimer un refus : deux lignes dans robots.txt, au lieu d'une liste de robots à tenir à jour. Pour les contenus qui comptent, les éditeurs gagneront à l'ajouter sans attendre, tout en conservant leurs règles actuelles pendant la transition. Mais il reste volontaire, provisoire, limité à l'entraînement et silencieux sur l'argent, sur le passé et sur les robots qui ne jouent pas le jeu. Le cas du Courrier de l'Ouest rappelle que la réinterprétation en direct d'un article relève d'autres réglages. Retrouvez nos autres guides dans la catégorie Comparatifs et guides, et comparez les assistants concernés dans ChatGPT, Claude ou Gemini : le comparatif 2026.

---

Sources : Google, OpenAI, Microsoft et Anthropic s'entendent pour mieux protéger les contenus du Web contre l'IA · Quand l'intelligence artificielle annonce le décès d'une personne bien vivante · Google, Anthropic and others to support new AI crawling opt-out standard · 4 AI Giants Back One AI Opt-Out Token · OpenAI, Google, Microsoft And Anthropic Back Shared AI Training Opt-Out For Publishers

Photo de couverture : Vanilla Bear Films sur Unsplash