Un jeton, une ligne, quatre fournisseurs
OpenAI, Google, Microsoft et Anthropic ont indiqué le 30 octobre 2026 qu'ils honoreront un signal commun dans le fichier robots.txt, un jeton de politique nommé __usage_ai-training. Jusqu'ici, un site devait écrire une règle distincte pour chaque robot d'IA : GPTBot pour OpenAI, ClaudeBot pour Anthropic, Google-Extended pour Google, et ainsi de suite. Avec ce jeton, une seule déclaration suffit pour exprimer une préférence d'entraînement valable auprès des quatre entreprises.
La syntaxe reprend celle, déjà connue, de robots.txt. L'exemple donné dans le brouillon s'écrit ainsi : User-Agent: __usage_ai-training, suivi de Disallow: /, avec la possibilité d'ajouter des exceptions via Allow:, par exemple pour un dossier de presse. Deux règles encadrent la lecture de ce jeton : un groupe générique User-Agent: * ne compte jamais comme une expression de préférence, et l'absence totale du jeton dans un fichier robots.txt signifie qu'aucune préférence n'a été exprimée, ni pour ni contre l'entraînement.
Entraînement bloqué, collecte technique toujours possible
Le point le plus important pour un professionnel francophone tient à la portée réelle du signal : il ne concerne que l'entraînement des modèles, pas la collecte des pages. Le brouillon le précise explicitement, ce jeton n'est pas une directive de comportement de crawl. Un robot peut donc continuer à récupérer une page même si le site a exprimé un refus d'entraînement via __usage_ai-training. Pour empêcher la simple collecte d'un robot donné, il faut toujours nommer ce robot spécifiquement, comme c'était déjà le cas avant cette annonce.
OpenAI décrit lui-même le mécanisme comme un outil de coordination plutôt qu'un contrôle de sécurité, placé sous le cadre de la RFC 9309. Concrètement, cela signifie qu'un robot qui ne respecte pas les règles n'est tenu par rien d'autre que la bonne volonté de son exploitant : le signal fonctionne pour les acteurs qui choisissent de l'honorer, pas comme une barrière technique opposable à tous. Autre limite à garder en tête : la mise à jour d'un fichier robots.txt ne retire pas les contenus déjà collectés dans des jeux de données ou déjà intégrés à des modèles entraînés avant la mise en place du jeton.
Des calendriers qui ne s'alignent pas
Les quatre entreprises n'avancent pas au même rythme, ce qui complique la planification pour un service juridique ou une DSI qui voudrait harmoniser sa politique de contenu.
| Fournisseur | Engagement | Echeance annoncee |
|---|---|---|
| Anthropic | A deja commence la mise en oeuvre du support | Deja en cours |
| OpenAI | Vise a implementer le signal | Dans les prochains mois, sans mois precise |
| Microsoft | Preferences d'entrainement et de grounding effectives | 1er fevrier 2027 |
| Vise a prendre en charge le signal | 2027, sans mois precise |
Le document technique derriere cette annonce est un brouillon Internet individuel de l'IETF, intitule Machine-Readable Training Preference Signal, redige par Kevin Kelley, technical lead standards chez Anthropic, date du 30 octobre 2026 et dont l'expiration est fixee au 3 mai 2027.
Microsoft isole une preference distincte pour le grounding
Microsoft va plus loin que les trois autres fournisseurs en ajoutant une seconde preference, separee de l'entrainement : le grounding, c'est-a-dire la recuperation de contenu en direct pour nourrir une reponse de chat, par opposition a l'entrainement des poids du modele. Un site peut choisir Disallow, qui bloque le grounding, ou une option plus fine nommee DisallowExtended, qui ne le bloque que dans les services que Microsoft revend a des tiers, par exemple via une API de grounding. Par defaut, les deux preferences sont positionnees sur autorise.
Ces nouveaux reglages remplaceront les balises NoArchive et NoCache, que Microsoft cessera de lire comme des preferences d'entrainement ou de grounding apres le 1er mars 2027. Microsoft est transparent sur la portee de ces choix : ni l'autorisation ni le refus ne garantissent l'inclusion d'un site, son trafic ou une remuneration. L'entreprise precise aussi que les sites continueront d'apparaitre dans les resultats de recherche Bing quel que soit leur choix sur l'entrainement ou le grounding.
Un brouillon IETF, loin d'etre un standard acquis
Le statut juridique du document merite d'etre precise avant toute communication interne enthousiaste. Il s'agit d'un Internet-Draft individuel : la base de donnees de l'IETF indique explicitement qu'un tel document n'est pas endosse par l'IETF et n'a aucune valeur formelle dans le processus de standardisation. Le groupe de travail concerne, AIPREF, est preside par Mark Nottingham de Cloudflare et Suresh Krishnan de Cisco. Parmi les participants cites figurent Meta, Cloudflare, la Common Crawl Foundation, News Corp, le Financial Times, la BBC, l'Electronic Frontier Foundation et Creative Commons.
Deux clauses du brouillon limitent encore sa portee pratique. D'abord, les expressions specifiques a une entreprise, comme une regle nommant directement GPTBot, devraient prevaloir sur le jeton partage selon le texte lui-meme. Ensuite, des accords prives peuvent outrepasser les preferences exprimees via ce mecanisme, ce qui laisse la porte ouverte a des negociations bilaterales entre un editeur et un fournisseur, independamment du signal public. Enfin, la liste des signataires reste incomplete : Meta, par la voix de son responsable communication Andy Stone, a salue l'idee d'un signal commun sans s'engager a l'honorer, et Apple comme Perplexity n'apparaissent pas dans les annonces du 30 octobre.
Ce que ca change reellement pour les DSI et editeurs francais
L'interet pour un editeur ou une DSI francaise tient d'abord a la simplification operationnelle : une ligne remplace une liste de regles par fournisseur, ce qui reduit la charge de maintenance d'un fichier robots.txt et clarifie la preuve d'une intention exprimee en matiere d'entrainement. Google indique de son cote que sa proposition est coherente avec le Code de pratique europeen pour les fournisseurs de modeles d'IA a usage general (GPAI), un point qui interesse directement les services conformite confrontes aux obligations europeennes en matiere d'intelligence artificielle.
Il faut toutefois resister a la tentation de presenter ce jeton comme un outil de mise en conformite RGPD. Le signal porte sur l'entrainement de modeles a partir de contenus publics d'un site, pas sur le traitement de donnees personnelles transmises par une entreprise a des modeles tiers dans le cadre de son activite quotidienne. Ces deux sujets, bien que proches, repondent a des logiques differentes. Pour une entreprise qui envoie des informations a des modeles d'IA via une plateforme professionnelle, la question porte davantage sur ce qui part effectivement vers les serveurs des fournisseurs de modeles au moment de la requete. Sur Moon AI par exemple, la fonction Moon Blur remplace les donnees personnelles par des jetons avant l'envoi aux modeles tiers, puis les retablit au retour ; ce procede etant reversible, il releve d'une pseudonymisation au sens du RGPD, pas d'une anonymisation, et les requetes partent bien chez les fournisseurs de modeles apres ce traitement.
Pour les editeurs de contenus en ligne, le jeton __usage_ai-training reste donc un instrument utile de negociation et de documentation d'une volonte exprimee, mais il ne protege ni contre les robots non conformes ni contre la reutilisation de contenus deja collectes avant sa mise en place.
Questions frequentes
Le jeton __usage_ai-training remplace-t-il les regles existantes comme GPTBot ou ClaudeBot ?
Non. Le signal s'ajoute aux regles existantes, il ne les remplace pas. OpenAI precise que le signal ne remplacera pas les controles deja proposes via robots.txt. Pour empecher un robot specifique de collecter des pages, il faut toujours ecrire une regle qui le nomme directement.
Un site qui n'a rien ecrit dans son robots.txt a-t-il implicitement refuse l'entrainement ?
Non. Le brouillon precise qu'en l'absence du groupe __usage_ai-training, aucune preference n'est exprimee, ni pour ni contre. Un groupe generique avec User-Agent: * ne compte pas non plus comme une expression de preference sur ce jeton.
Ce signal s'applique-t-il aux contenus deja utilises pour entrainer des modeles existants ?
Non. La mise a jour d'un fichier robots.txt ne retire pas les materiaux deja collectes dans des jeux de donnees ou deja integres a des modeles entraines avant l'adoption du jeton par le site concerne.
Tous les acteurs majeurs de l'IA vont-ils respecter ce jeton ?
Pas encore de maniere certaine. Meta a signale son soutien a l'idee d'un signal commun par la voix d'Andy Stone, sans preciser si l'entreprise l'honorera effectivement. Apple et Perplexity n'apparaissent pas parmi les acteurs ayant annonce leur soutien le 30 octobre 2026.