Refuser l'entraînement de l'IA sur votre site en deux lignes, sans disparaître des résultats de recherche

Si vous ne voulez pas que les entreprises d'IA entraînent leurs modèles sur le contenu de votre site, ajoutez deux lignes au fichier robots.txt de votre site : User-Agent: __usage_ai-training puis, en dessous, Disallow: /. Le 30 octobre 2026, OpenAI, Google et Microsoft ont annoncé qu'ils respecteront ce signal commun : Microsoft commence le 1er février 2027, Google vise 2027 et OpenAI dit le mettre en œuvre dans les prochains mois. Le signal ne concerne que l'entraînement : il ne retire pas votre site des résultats de recherche de Google ou de Bing. Tant que chaque entreprise ne l'a pas activé, gardez ses réglages actuels en place. Si vous avez lu notre article sur les nouvelles conditions de Meta qui autorisent ses robots à explorer votre site, voici l'étape suivante.

Qu'est-ce qui a été annoncé exactement ?

Jusqu'ici, le propriétaire d'un site qui voulait tenir son contenu à l'écart de l'entraînement des modèles devait connaître le nom du robot de chaque entreprise et lui écrire une règle à part : GPTBot pour OpenAI, ClaudeBot pour Anthropic, Google-Extended pour Google, et un nouveau nom à chaque nouvelle entreprise. Le nouveau signal remplace cette liste par un seul nom commun. Il vient d'un projet de norme (Internet-Draft) déposé auprès de l'Internet Engineering Task Force (IETF), l'organisme à l'origine de nombreuses normes techniques d'Internet, rédigé par Kevin Kelley, d'Anthropic, au sein du groupe de travail de l'IETF sur les préférences en matière d'IA. Le projet est daté du 30 octobre 2026, expire le 3 mai 2027 et vise la voie des normes : c'est encore une proposition, pas une norme achevée.

L'idée est volontairement simple. Le projet n'ajoute aucune nouvelle commande à robots.txt. Il utilise un groupe ordinaire dont la ligne User-Agent porte un nom spécial, appelé jeton de politique (policy token), et les règles Allow et Disallow habituelles indiquent quelles parties du site peuvent ou non être utilisées. Vous pouvez par exemple refuser l'entraînement sur tout le site mais l'autoriser sur votre espace presse :

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

Le projet définit l'entraînement de l'IA comme l'utilisation d'un contenu pour modifier les paramètres appris d'un modèle d'IA générative, c'est-à-dire un modèle qui produit du texte, des images ou d'autres contenus. Les modèles servant uniquement à classer, ordonner ou noter ne sont pas concernés.

Qui va le respecter, et quand ?

Deux détails de ces annonces comptent pour toute entreprise qui a un site. D'abord, Microsoft indique qu'après le 1er mars 2027 il ne lira plus les anciennes balises NoArchive et NoCache comme des préférences d'IA ; si votre site s'appuie sur elles, publiez les nouvelles préférences avant cette date. Les réglages de transition pour l'ancrage ouvrent dans Bing Webmaster Tools le 15 décembre 2026, uniquement pour les sites qui utilisent déjà ces balises, et expirent le 30 septembre 2027. Ensuite, le projet précise qu'une règle générale écrite pour tous les robots, User-Agent: *, ne vaut pas préférence d'entraînement. Un blocage global ne dit pas « pas d'entraînement » ; seul le jeton nommé le dit.

L'entraînement n'est pas la même chose que l'apparition dans les réponses

C'est la distinction que la plupart des propriétaires de sites ne voient pas. L'entraînement signifie que votre contenu aide à construire un futur modèle. Les réponses, que Microsoft appelle grounding (ancrage), signifient qu'un assistant d'IA lit votre page au moment où un client pose sa question et la cite avec un lien. Le nouveau jeton ne concerne que l'entraînement. OpenAI sépare les deux : GPTBot couvre l'entraînement, tandis qu'OAI-SearchBot décide si votre site peut apparaître dans les réponses de recherche de ChatGPT. Microsoft va plus loin et ajoute une préférence d'ancrage réglée page par page, avec trois options : Allow ; DisallowExtended, qui limite l'usage aux propres produits de Microsoft comme Copilot ; et Disallow. Microsoft prévient que restreindre l'ancrage réduit fortement votre visibilité dans les réponses d'IA, et qu'aucun des deux choix ne garantit ni présence, ni trafic, ni rémunération.

Google est l'exception à surveiller. Son réglage Google-Extended couvre à la fois l'entraînement des modèles Gemini et l'ancrage dans les applications Gemini, et Google indique que les sites qui autorisent explicitement Google-Extended peuvent apparaître dans les réponses des applications Gemini et en recevoir des clics. Si vous refusez l'entraînement par le jeton commun, Google le traitera donc comme un blocage de Google-Extended. Vous restez dans la recherche Google, car Google-Extended n'a aucun effet sur la présence ni sur le classement, mais vous renoncez à l'ancrage dans les applications Gemini. Si vous tenez à cette visibilité, réglez Google-Extended explicitement. Pour comprendre comment les réponses d'IA choisissent leurs sources, voyez comment faire apparaître votre entreprise dans ChatGPT.

Votre entreprise doit-elle refuser ?

Il n'y a pas de réponse unique : tout dépend de ce que contient votre site. Refuser a du sens si le contenu est lui-même le produit : formations payantes, recherches originales, listes de prix détaillées ou milliers de fiches produits rédigées par votre équipe. Autoriser coûte peu si le site présente vos services et que vous voulez faire connaître le nom de votre entreprise. Dans les deux cas, laissez passer les robots de recherche et de réponse, car ce sont eux qui vous amènent des clients.

Cinq étapes pour cette semaine

1. Lisez votre fichier actuel. Ouvrez votredomaine.com/robots.txt dans un navigateur. Cherchez un User-agent: * oublié avec Disallow: /, ou une règle qui bloque OAI-SearchBot, Googlebot ou Bingbot.
2. Tranchez deux questions séparément. Entraînement : oui ou non. Réponses : oui ou non. Notez la décision par écrit pour que le prochain développeur ne la défasse pas.
3. Ajoutez le jeton commun et gardez les règles actuelles. Aucune des trois entreprises ne respecte encore le jeton : gardez vos règles GPTBot, ClaudeBot et Google-Extended à côté jusqu'à ce que chacune le fasse. La page d'aide d'Anthropic présente toujours ClaudeBot comme le moyen de refuser.
4. Vérifiez vos balises Bing. Si vos pages utilisent NoArchive ou NoCache, prévoyez le passage aux nouvelles préférences avant le 1er mars 2027.
5. Mettez tout ce qui est privé derrière une connexion. robots.txt est un signal public et volontaire : le projet permet à des accords privés de passer outre, et une préférence s'applique à ce qui est récupéré après sa publication, pas à ce qui a été collecté avant.

Le regard d'Origami

Pendant des années, robots.txt a été un fichier dont personne ne se souvenait dans l'entreprise, écrit une fois par celui qui avait construit le site. Cela change : il décide désormais si votre contenu entraîne des modèles d'IA, si vos pages apparaissent dans les réponses d'IA, et bientôt comment Microsoft traite chaque page. Un nom commun est un vrai progrès face à une liste de robots qui s'allongeait chaque mois, mais il ne remplace pas une décision. Ce que nous voyons souvent, c'est un site dont personne ne sait qui a modifié robots.txt en dernier, ou un réseau de diffusion de contenu (CDN) qui bloque des robots que le propriétaire voulait accueillir. Chez Origami, nous construisons des sites, des plateformes et des systèmes sur mesure, et nous traitons ces réglages comme une partie du projet, écrits et vérifiés. Pour faire vérifier ensemble votre robots.txt, vos règles CDN et votre visibilité dans l'IA, contactez-nous.

Sources

• OpenAI : Making it easier for websites to express AI training preferences, 30 octobre 2026
• Blog Google Search Central : Supporting a shared AI training control for websites, 30 octobre 2026
• Blog Microsoft Bing : Your content, your choice: clearer preferences for training and grounding, 30 octobre 2026
• IETF : projet draft-kelley-aipref-training-preference-signal-00
• Google for Developers : robots d'exploration courants de Google, section Google-Extended
• OpenAI : Overview of OpenAI crawlers
• Centre d'aide d'Anthropic : Anthropic explore-t-il le web, et comment les propriétaires de sites peuvent-ils bloquer son robot ?