Entraînement des IA : un signal unique dans robots.txt, mais quels effets réels ?

Par Rédaction E.T Editalent, publié le 2026-10-31. Mis à jour le 2026-10-31.

Contenu partiellement rédigé par l’IA.

OpenAI, Google, Microsoft et Anthropic soutiennent un signal commun pour exprimer une opposition à l’entraînement des modèles sur les contenus du web. Annoncé le 30 octobre 2026, ce mécanisme reste un projet dont la prise en charge dépendra de chaque entreprise.

Un réglage commun, mais pas encore une norme

Pour une rédaction, identifier tous les robots susceptibles de récupérer ses articles est une tâche difficile. Chaque acteur peut avoir ses propres noms de robots, ses règles et ses exceptions. Le projet présenté fin octobre cherche à ajouter une préférence commune : indiquer que des pages ne doivent pas servir à l’entraînement d’une IA.

Le document déposé le 30 octobre 2026 auprès de l’IETF décrit un signal utilisable dans le fichier robots.txt. Son auteur, Kevin Kelley, travaille chez Anthropic. Le registre précise toutefois que ce document individuel n’est pas approuvé par l’IETF. Il ne faut donc pas le présenter comme une norme adoptée ou une obligation déjà appliquée partout.

PPC Land rapporte, le 31 octobre, le soutien des quatre entreprises. Le changement concerne l’expression d’un choix par l’éditeur. Il ne crée ni paiement automatique des contenus ni accord de licence avec les plateformes.

Quel calendrier pour Google, Microsoft et les autres ?

Google annonce viser une prise en charge en 2027, sans donner de jour précis. L’entreprise indique qu’elle publiera des informations sur l’avancement. Un éditeur ne peut donc pas supposer que cette nouvelle ligne produit déjà un effet chez Google.

Microsoft fournit un calendrier plus détaillé. La lecture des nouvelles préférences commencera le 1er février 2027, au fil des passages de ses robots. L’entreprise distingue deux usages : l’entraînement des modèles et l’appui sur des contenus pour répondre à une demande, appelé grounding dans sa documentation.

Pour les sites qui emploient actuellement NoArchive ou NoCache, Microsoft demande une transition avant le 1er mars 2027. Ces anciennes préférences ne seront ensuite plus lues pour ces deux usages. Cette échéance doit être examinée avec le prestataire qui gère le site, pas appliquée en supprimant des lignes au hasard.

Anthropic a commencé à mettre en œuvre le projet, selon la déclaration de son ingénieur rapportée par PPC Land. Pour OpenAI, ce média évoque une prise en charge dans les prochains mois. Ce dernier calendrier est ici attribué à la source de presse : il ne constitue pas une date ferme vérifiée dans une annonce originale d’OpenAI.

Que peut-on écrire dans robots.txt ?

La syntaxe du projet est déjà publique. Pour exprimer un refus d’entraînement sur l’ensemble du site, le document propose :

User-Agent: __usage_ai-training
Disallow: /

Ce bloc doit être ajouté après examen du fichier existant. Il ne faut pas remplacer l’ensemble du robots.txt par ces deux lignes : d’autres règles peuvent servir à l’exploration du site et à ses plans de pages.

Le projet permet aussi de cibler un chemin. Un éditeur pourrait réserver ses archives sans appliquer le même choix à toutes ses pages. La préférence doit alors correspondre au périmètre réellement décidé. Conserver une copie datée du fichier et vérifier sa lecture publique facilite les contrôles ultérieurs.

Cette proposition n’exige pas une nouvelle grammaire de robots.txt. Le nom placé après User-Agent désigne ici un usage, plutôt qu’un robot particulier. Son efficacité dépend cependant des services qui déclarent le respecter et de leur calendrier de mise en œuvre.

Refuser l’entraînement ne bloque pas la recherche

Le point essentiel est la séparation des usages. Ce signal vise l’entraînement, pas toutes les consultations d’une page, ni toute recherche d’information. Une préférence liée à l’usage des contenus n’est pas, à elle seule, un verrou empêchant leur téléchargement.

Microsoft indique que l’entraînement et le grounding sont deux choix indépendants. En l’absence de préférence applicable, ils sont tous deux autorisés par défaut dans sa politique annoncée. Cela ne signifie pas que le silence d’un site règle toutes les questions de droit d’auteur ou vaut un contrat universel.

L’entreprise avertit aussi qu’un refus de grounding peut limiter l’apparition des contenus dans ses expériences d’assistance. Il serait inexact d’attribuer automatiquement cette conséquence au seul refus d’entraînement. Les responsables éditoriaux doivent décider séparément ce qu’ils acceptent pour chaque usage.

Ce que cela change pour vous

Rédactions, blogueurs et communicants peuvent commencer par dresser l’inventaire de leurs réglages actuels. Qui les a décidés ? Quels contenus couvrent-ils ? Qui vérifie les annonces de mise en œuvre ? Cette préparation évite de confondre protection des archives, visibilité dans les réponses et indexation classique.

La décision relève aussi de l’éditorial et du juridique. Le service technique peut traduire une politique dans un fichier, mais ne doit pas choisir seul les usages autorisés. Notre dossier sur le droit d’auteur et l’opposition à l’entraînement apporte le contexte, distinct de cette annonce.

Pour suivre la visibilité, comparez des observations datées plutôt que des promesses. Un réglage d’entraînement n’offre aucune garantie de citation ou de trafic. Google seul décide de la présence dans AI Overview.

Photo d’illustration : baies de serveurs au NERSC, Derrick Coetzee, CC0, via Wikimedia Commons. Recadrage 16:9.

Sources

• Google, annonce du contrôle d’entraînement, 30 octobre 2026.
• Microsoft, préférences d’entraînement et de grounding, octobre 2026.
• IETF, projet individuel de signal d’entraînement, version du 30 octobre 2026.
• PPC Land, engagements des quatre entreprises, 31 octobre 2026.
• Crédit photo : Wikimedia Commons, baies de serveurs au NERSC, licence CC0.

Retour au blog