Pour un éditeur qui refuse que ses articles servent à entraîner des modèles d’IA, la tâche relevait jusqu’ici du jeu de patience : repérer chaque robot d’exploration, connaître son nom, l’ajouter à la main dans le fichier robots.txt, puis recommencer à chaque nouveau venu. Le 30 octobre, OpenAI, Google, Microsoft et Anthropic ont annoncé qu’ils allaient respecter une instruction commune, une seule ligne valable pour tous les acteurs qui rejoignent l’initiative. Une avancée réelle, mais encore loin d’être en vigueur.
Plan de l'article
Une ligne dans robots.txt au lieu d’une liste de robots #
Le mécanisme repose sur ce que les spécialistes appellent un « policy token », un jeton de politique. Concrètement, il s’agit d’un faux nom de robot, __usage_ai-training, que l’on place dans la ligne User-Agent du fichier robots.txt. Le site qui écrit User-Agent: __usage_ai-training suivi de Disallow: / exprime une préférence contre l’entraînement d’IA sur l’ensemble de ses pages. Il peut aussi cibler un seul répertoire, ou au contraire autoriser une rubrique précise, comme un espace presse.
La spécification est décrite dans un brouillon publié sur le site de l’IETF, l’organisme qui normalise les protocoles d’Internet. Le document est signé par Kevin Kelley, d’Anthropic, et daté du 30 octobre 2026. Il s’appuie sur le vocabulaire mis au point par le groupe de travail AI Preferences (aipref) de l’IETF. Une précision technique compte : un bloc User-Agent: *, celui qui s’adresse à tous les robots, ne vaut pas refus d’entraînement. Il faut nommer explicitement le jeton.
Le statut du texte invite à la prudence. Il s’agit d’un Internet-Draft individuel, valable six mois et qui expire le 3 mai 2027. Le document le rappelle lui-même : ce type de brouillon peut être modifié ou remplacé à tout moment et ne doit être cité que comme un « travail en cours ».
Des calendriers qui s’étalent jusqu’en 2027 #
L’annonce est commune, les échéances ne le sont pas. Sur le blog Search Central de Google, John Mueller indique que l’entreprise vise une prise en charge « en 2027 », sans date plus précise. Google traduira le jeton à sa manière : si un site refuse l’entraînement via ce signal et ne mentionne pas explicitement Google-Extended, le moteur fera comme si l’éditeur avait bloqué Google-Extended, le contrôle maison qu’il propose depuis 2023.
Microsoft est le plus précis. Sur le blog de Bing, l’éditeur annonce que ses robots respecteront les nouvelles préférences à partir du 1er février 2027. Côté OpenAI, l’application est promise « dans les prochains mois », selon la dépêche reprise par la RTBF. Anthropic dit avoir déjà commencé la mise en œuvre, toujours selon cette même source.
Microsoft sépare entraînement et réponses générées #
Le volet le plus intéressant vient de Microsoft, qui profite de l’occasion pour distinguer deux usages souvent confondus. D’un côté, l’entraînement, qui sert à fabriquer les futurs modèles. De l’autre, le « grounding », c’est-à-dire l’utilisation d’une page au moment où une réponse est générée, par exemple dans Bing, Copilot ou Microsoft 365.
À lire Control Room : OpenAI installe un frein d’urgence central sur ses modèles de recherche
Le jeton commun ne couvre que l’entraînement. Pour le grounding, Microsoft crée une préférence distincte, à poser page par page, avec une option intermédiaire baptisée DisallowExtended : elle limite l’usage aux services exploités par Microsoft et exclut ceux qu’il fournit à des tiers. Ces réglages remplacent les anciennes balises NoArchive et NoCache. Les sites qui les utilisent sont invités à publier leurs nouvelles préférences avant le 1er mars 2027.
Microsoft ne cache pas le revers : refuser le grounding réduira la visibilité de la marque dans les expériences d’IA. Et l’entreprise prévient qu’aucun des deux choix ne garantit ni présence, ni trafic, ni paiement. Autre point à garder en tête : sans préférence exprimée, l’autorisation reste la règle.
Pourquoi les éditeurs restent sur leurs gardes #
Cette annonce intervient dans un climat tendu entre la presse et les laboratoires d’IA. La RTBF rappelle que le New York Times accuse depuis décembre 2023 OpenAI et Microsoft d’avoir utilisé des millions de ses articles pour entraîner ChatGPT sans autorisation ni rémunération, ce que les deux entreprises contestent en invoquant une exception au droit d’auteur.
Le dispositif reste un mécanisme de refus, et non d’accord préalable. Il ne règle pas non plus la question des contenus déjà aspirés : le blog de Bing parle explicitement de l’entraînement des « futurs » modèles. Enfin, un jeton n’a de valeur que si les robots le lisent. Les acteurs qui n’ont pas rejoint l’initiative ne sont tenus à rien, et l’adhésion de chacun reste déclarative.
Ce que peut faire un éditeur dès maintenant #
Rien n’empêche d’ajouter dès aujourd’hui le bloc __usage_ai-training à son robots.txt : il sera ignoré par les robots qui ne le connaissent pas encore et pris en compte au fil des mises en œuvre. Mais il serait imprudent de retirer pour autant les blocages existants. Google précise que son contrôle Google-Extended reste en place, et la mise en œuvre progressive des autres acteurs laisse plusieurs mois de transition pendant lesquels les anciennes règles restent les seules réellement appliquées.
Pour les sites qui utilisent les balises NoArchive ou NoCache de Microsoft, le calendrier est plus serré, avec une échéance au 1er mars 2027. Le chantier n’est pas terminé pour autant : le groupe de travail de l’IETF poursuit ses travaux vers une norme définitive, et le texte publié le 30 octobre n’en est qu’une première version.




