7 min read
Vous pouvez désormais dire à quatre des plus grandes entreprises d’IA, en une courte ligne de texte, que vous ne voulez pas que votre site serve à entraîner leurs modèles. Cela prend environ 20 minutes, ne coûte rien et ne nuira pas à votre classement Google si vous le faites correctement. Le hic, c’est qu’il s’agit d’une demande et non d’un verrou, et que trois de ces quatre entreprises ne l’ont pas encore activée.
Le 30 octobre, Kevin Kelley, responsable des standards chez Anthropic, a déposé un projet intitulé « Machine-Readable Training Preference Signal » auprès de l’Internet Engineering Task Force, l’organisme qui rédige une bonne partie des règles sur lesquelles repose le Web. OpenAI, Google, Microsoft et Anthropic ont tous annoncé qu’ils le respecteraient. Ce guide vous accompagne pas à pas dans la mise en place, même si vous n’avez jamais ouvert de fichier robots.txt. Un fichier robots.txt est un petit fichier texte public, placé sur votre site, qui indique aux visiteurs automatisés ce que vous aimeriez qu’ils fassent.
Ce que fait le nouveau jeton, en termes simples
Le projet crée une étiquette appelée __usage_ai-training. Vous la placez dans robots.txt, et elle exprime une préférence sur un seul point : vos pages peuvent-elles servir à l’entraînement de l’IA générative ? L’entraînement est l’étape où une entreprise fournit des contenus à un modèle pour qu’il en tire des apprentissages.
Cette étiquette n’empêche personne de visiter votre site. Le projet précise clairement qu’il ne s’agit pas d’une règle d’exploration. Elle ne dit rien non plus des réponses d’IA en direct, par exemple quand un assistant consulte votre page pour répondre à un client. C’est une bonne nouvelle pour une petite entreprise, car vous pouvez refuser l’entraînement tout en restant trouvable et citable par la recherche IA. Si ce second point compte pour vous, lisez notre guide pour débutants sur la façon d’être mentionné dans les réponses d’IA.
Le calendrier varie selon les entreprises, d’après l’annonce d’OpenAI et ce que la presse rapporte des trois autres :
- Anthropic : mise en œuvre commencée en octobre 2026.
- OpenAI : prévue dans les prochains mois.
- Microsoft : date cible du 1er février 2027.
- Google : objectif début 2027, date à laquelle l’étiquette sera traitée comme un refus Google-Extended.
Ajouter la ligne dès maintenant reste logique. La modification prend deux minutes, et elle sera déjà en place à mesure que chaque entreprise s’y mettra.
Étape 1 : décidez de ce que vous voulez vraiment
Avant de toucher à quoi que ce soit, répartissez votre site en deux piles.
- Les pages que vous voulez voir circuler largement : vos services, vos tarifs, votre adresse et votre espace presse. Si un modèle les apprend, cela peut aider les gens à vous trouver.
- Les pages qui sont votre produit : guides payants, leçons de cours, recherches originales, recettes ou modèles que vous vendez.
Si vous vendez votre savoir, refusez pour l’ensemble du site et accordez quelques exceptions. Si votre site est surtout une plaquette, l’enjeu est faible. Vous pouvez raisonnablement ne rien faire, ou bloquer uniquement le dossier qui contient vos contenus payants. Il n’y a pas de mauvaise réponse, et vous pourrez changer d’avis plus tard.
Étape 2 : trouvez votre fichier robots.txt
Saisissez votre domaine dans un navigateur et ajoutez /robots.txt à la fin, comme ceci : yourbusiness.com/robots.txt. Vous verrez un court fichier texte, ou une page d’erreur s’il n’en existe pas encore. Copiez ce que vous voyez dans une note pour en garder une sauvegarde.
Étape 3 : ouvrez l’éditeur de votre plateforme
L’endroit où modifier le fichier dépend de la façon dont votre site a été créé :
- WordPress : WordPress crée ce fichier automatiquement, il n’y a donc souvent rien à ouvrir sur le serveur. Des extensions SEO comme Yoast et Rank Math intègrent un éditeur de fichiers, mais vous pouvez aussi téléverser votre propre fichier via votre hébergeur.
- Shopify : modifiez le modèle de thème nommé robots.txt.liquid.
- Wix : cherchez l’éditeur robots.txt dans les paramètres SEO.
- Squarespace et autres créateurs de sites fermés : ils ne permettent pas toujours la modification directe. Consultez leur page d’aide actuelle avant de perdre du temps à chercher.
Si Cloudflare se trouve devant votre site, vérifiez si sa fonction de robots.txt géré est activée, car elle peut ajouter des éléments à ce que voient les visiteurs ou le modifier.
Étape 4 : ajoutez les lignes
Ajoutez une ligne vide à la fin du fichier, puis collez ceci comme groupe distinct :
User-Agent: __usage_ai-training
Disallow: /Pour garder certaines pages ouvertes, ajoutez une exception. Cette version refuse partout sauf dans un dossier presse :
User-Agent: __usage_ai-training
Disallow: /
Allow: /press/Deux erreurs à éviter. D’abord, n’ajoutez pas Disallow: / sous la ligne User-Agent: *. Ce groupe s’adresse à tous les robots, y compris Google, et pourrait vous faire disparaître des résultats de recherche. Ensuite, ne partez pas du principe que ce groupe existant couvre déjà l’entraînement. Le projet indique qu’un groupe générique ne compte pas : un fichier qui ne nomme jamais l’étiquette n’exprime donc aucune préférence.
Étape 5 : testez
Enregistrez, puis ouvrez yourbusiness.com/robots.txt dans une fenêtre de navigation privée et vérifiez que les nouvelles lignes apparaissent. Si vous utilisez Google Search Console, son rapport robots.txt affiche la dernière version récupérée par Google. Vérifiez ensuite rapidement que vos pages principales se chargent toujours et que rien d’autre n’a changé dans le fichier.
Étape 6 : comblez le vide avec les règles qui fonctionnent déjà
Comme la nouvelle étiquette est encore en cours de déploiement, vous pouvez ajouter dès aujourd’hui les anciennes règles propres à chaque entreprise. La documentation d’OpenAI sur ses robots distingue GPTBot, qui collecte les données d’entraînement, d’OAI-SearchBot, qui alimente la recherche. Le robot d’entraînement d’Anthropic s’appelle ClaudeBot, et Google utilise une étiquette appelée Google-Extended. Pour refuser l’entraînement sans quitter la recherche IA, bloquez uniquement ces trois-là :
User-Agent: GPTBot
User-Agent: ClaudeBot
User-Agent: Google-Extended
Disallow: /OpenAI a indiqué que ses règles actuelles pour les robots resteront en vigueur aux côtés du nouveau signal : ces lignes ne sont donc pas un effort perdu.
Ce que cela ne peut pas faire pour vous
Soyez honnête avec vous-même sur les limites. Il s’agit d’une préférence, qui dépend du bon vouloir des entreprises. Elle ne change rien aux contenus déjà présents dans les modèles entraînés. Les petits collecteurs de données qui n’ont jamais rien accepté peuvent l’ignorer. Des accords de licence privés peuvent passer outre. Le projet lui-même est une soumission individuelle, sans statut officiel à l’IETF pour l’instant, et ses détails pourraient changer : revenez donc y jeter un œil au printemps.
Ce n’est pas non plus une stratégie de droit d’auteur. Vos droits sur votre propre travail ne dépendent pas de ce fichier, et c’est une question distincte de ce que vous pouvez revendiquer sur les productions de l’IA, sujet que nous avons traité dans notre article sur les mythes du droit d’auteur. Si vos contenus sont au cœur de vos revenus, une courte discussion avec un avocat vaut plus que n’importe quelle ligne de robots.txt.
Votre liste de contrôle en 20 minutes
- Répartissez vos pages entre « à diffuser largement » et « mon produit ».
- Sauvegardez votre robots.txt actuel.
- Ajoutez le groupe __usage_ai-training, avec vos éventuelles exceptions.
- Ajoutez GPTBot, ClaudeBot et Google-Extended pour être couvert dès aujourd’hui.
- Testez dans une fenêtre privée, puis programmez un rappel dans votre agenda en mars 2027 pour faire le point.
Tant que vous y êtes, demandez-vous ce que les machines lisent d’autre sur votre site. Notre plan sur les agents IA de vos clients qui lisent vos conditions est une suite logique.
