Google, OpenAI et Microsoft veulent simplifier le refus d’entraînement des IA

Google, OpenAI et Microsoft soutiennent un mécanisme commun qui permet aux éditeurs de sites web de refuser plus simplement l’utilisation de leurs contenus pour entraîner des modèles d’IA. L’idée, présentée dans le cadre des travaux de l’IETF, repose sur le fichier robots.txt déjà utilisé pour guider les robots du web. À la clé, une seule instruction au lieu d’une série de réglages robot par robot. Reste un détail qui compte : ce signal ne bloque rien techniquement, il demande surtout aux entreprises de jouer le jeu.

Un signal unique pour dire non aux robots d’entraînement

Le principe est simple. Un éditeur pourra signaler une fois, via le fichier robots.txt, qu’un site ne doit pas servir à l’entraînement des IA des entreprises participantes. Le dispositif introduit un identifiant partagé, __usage_ai-training, pour centraliser cette préférence. Des exceptions resteront possibles, ce qui laisse de la marge pour des accords spécifiques ou des usages ciblés.

Jusqu’ici, la tâche était plus fastidieuse. Chaque éditeur devait définir des règles distinctes pour les différents robots qui collectent les contenus du web, ce qui alourdissait la gestion quotidienne. Le nouveau cadre vise donc surtout à réduire la friction administrative, pas à rebattre complètement les cartes du droit d’accès aux contenus. Dans le genre “merci de ne pas entrer”, le panneau devient enfin lisible.

Pourquoi les éditeurs réclamaient ce type de mécanisme

Les plaintes des éditeurs se multiplient depuis que les modèles d’IA exploitent massivement articles, images et autres contenus publiés en ligne. Le sujet est sensible, car ces données nourrissent l’entraînement des systèmes sans que les ayants droit aient toujours donné leur accord explicite. Selon la source, le nouveau mécanisme doit justement leur éviter de répéter la même consigne à chaque fournisseur.

Google a annoncé le 30 octobre son intention de soutenir ce processus commun. Microsoft dit qu’elle appliquera le dispositif à partir du 1er février 2027, OpenAI prévoit de le faire dans les prochains mois, et Google annonce une mise en œuvre début 2027. Anthropic a également commencé à l’appliquer, tandis que Meta n’a pas confirmé son adoption pour l’instant [à vérifier].

Un accord utile, mais pas une barrière technique

Le point central, c’est que ce mécanisme n’empêche pas techniquement les robots IA de récupérer un contenu. Il fonctionne comme une préférence exprimée par le site, pas comme un verrou. Son efficacité dépend donc de la discipline des entreprises qui l’acceptent. Si elles respectent le signal, les éditeurs gagnent en simplicité ; si elles l’ignorent, la situation ne change pas vraiment.

Google précise aussi que ce nouveau signal sera pris en compte pour certaines utilisations des contenus par Gemini. En revanche, refuser l’entraînement ne signifie pas automatiquement refuser l’usage des contenus pour générer des réponses. Les deux questions restent liées, mais elles ne se confondent pas. C’est là que les discussions juridiques et commerciales risquent de continuer à faire du bruit, même si le fichier robots.txt essaie de parler plus calmement.

Ce que cela change pour le marché de l’IA

Pour les acteurs de l’IA, l’accord marque une tentative de normalisation. Pour les éditeurs, il offre une manière plus simple d’exprimer leur choix et de garder une trace technique de ce refus. Mais la portée réelle dépendra de l’adhésion des grands fournisseurs, de leur calendrier et de leur interprétation du signal.

À ce stade, l’enjeu n’est pas seulement technique. Il touche aussi à la répartition de la valeur entre plateformes d’IA et producteurs de contenus, un sujet qui revient désormais dans presque toutes les discussions sur la monétisation du web. Le nouveau mécanisme ne règle pas tout, mais il offre au moins une langue commune pour dire non. Et sur internet, c’est déjà un petit progrès.