Les éditeurs de sites pourraient bientôt disposer d’un réglage commun pour indiquer si leurs pages peuvent servir à l’entraînement des modèles d’intelligence artificielle. Déposée le 30 octobre 2026 auprès de l’IETF, la proposition est portée par Kevin Kelley, ingénieur chez Anthropic, et reçoit le soutien de Google, OpenAI, Microsoft et Anthropic.
Un seul signal pour plusieurs fournisseurs
Le projet introduit le jeton __usage_ai-training dans le fichier robots.txt, au même emplacement que les noms habituellement utilisés pour identifier les robots. Une instruction Disallow exprimerait le refus de l’entraînement, tandis qu’une directive Allow indiquerait l’accord du site. Ces règles pourraient être appliquées différemment selon les répertoires.
- un refus global de l’usage des pages pour l’entraînement ;
- une autorisation limitée à un dossier précis, comme un espace presse ;
- des consignes conservant la syntaxe habituelle de robots.txt.
Jusqu’à présent, les éditeurs devaient généralement gérer séparément les principaux robots. OpenAI utilise notamment GPTBot, tandis que Google s’appuie sur Google-Extended. Le nouveau mécanisme vise à éviter cette succession de réglages fournisseur par fournisseur, sans nécessiter de modification de la syntaxe existante.
Le périmètre reste limité à l’entraînement
La proposition reprend la définition de l’entraînement retenue par le groupe AI Preferences (AIPREF) de l’IETF, centrée sur les modèles d’IA générative. Elle ne modifie pas les règles qui autorisent ou interdisent l’exploration des pages par les robots : ce volet reste administré séparément par chaque fournisseur.
| Élément | Effet annoncé |
|---|---|
| __usage_ai-training | Signal commun placé dans robots.txt |
| Disallow | Refus de l’entraînement |
| Allow | Autorisation de l’entraînement |
| Exploration du site | Gérée par les règles propres à chaque robot |
Le choix effectué par un site ne devrait pas déterminer sa présence dans les résultats de Bing, selon Microsoft. De même, l’affichage de pages dans des réponses générées, comme AI Overviews ou Copilot, relève d’autres paramètres. Chez Google, le nouveau signal serait interprété comme un blocage de Google-Extended, sauf consigne explicite concernant ce robot.
Une proposition encore soumise à discussion
Le document reste une proposition individuelle présentée au groupe de travail de l’IETF. Anthropic applique déjà ce signal, tandis que le déploiement des autres acteurs doit s’étaler jusqu’en 2027, selon les informations publiées. Google considère par ailleurs le mécanisme compatible avec le code de bonnes pratiques de l’AI Act, qui reconnaît robots.txt comme un moyen d’exprimer les préférences des éditeurs.
