Les éditeurs de sites pourraient bientôt exprimer une seule préférence contre l’utilisation de leurs contenus pour l’entraînement d’IA, au lieu de maintenir une règle différente pour chaque fournisseur. OpenAI, Google et Microsoft ont annoncé vendredi 30 octobre leur soutien à un signal commun placé dans le fichier robots.txt.

La proposition repose sur un Internet-Draft daté du même jour. Elle définit le jeton de politique `__usage_ai-training`. Un site peut l’associer aux règles ordinaires `Allow` et `Disallow` afin d’exprimer une préférence pour tout le domaine ou seulement certains chemins. Le brouillon donne notamment l’exemple d’un refus général qui conserve l’autorisation pour un dossier « press-kit ».

Une préférence d’usage, pas une barrière technique

Le texte ne crée ni nouvelle directive ni nouvelle grammaire. Les anciens analyseurs de robots.txt continueront donc à ignorer ce groupe s’ils ne reconnaissent pas le jeton. Surtout, le document précise que le signal porte sur l’usage des contenus et non sur l’autorisation de les explorer. Un opérateur qui veut empêcher un robot de parcourir son site doit encore cibler le nom de ce robot.

Cette distinction limite la portée immédiate de l’annonce. Le signal ne constitue ni un contrôle d’accès ni une garantie universelle : seuls les fournisseurs qui choisissent de l’interpréter s’engagent à le respecter. Le projet est en outre un Internet-Draft individuel, sans approbation formelle de l’IETF à ce stade, et peut encore être modifié ou remplacé.

Des calendriers et des portées encore différents

OpenAI vise une mise en œuvre « dans les prochains mois » et indique que ses contrôles actuels resteront valables. Google prévoit un soutien en 2027, parallèlement à Google-Extended. Microsoft annonce un démarrage au 1er février 2027 et ajoute une préférence distincte pour le « grounding », c’est-à-dire l’usage d’une page afin d’alimenter une réponse générée.

L’apport concret est donc surtout la réduction du travail de configuration : une même déclaration pourra être comprise par plusieurs acteurs. Elle ne règle pas la rémunération des éditeurs, n’efface pas les données déjà collectées et ne confond pas entraînement, recherche classique et génération de réponses. La suite décisive sera la stabilisation du texte au sein des travaux IETF et la publication, par chaque fournisseur, de règles d’interprétation précises.