IA : OpenAI, Google, Microsoft et Anthropic adoptent un signal unique pour limiter l’entraînement
Jusqu’à présent, les sites web souhaitant empêcher l’utilisation de leur contenu pour l’entraînement d’IA devaient mettre en place des règles spécifiques pour chaque entreprise. Une solution plus simple se profile à l’horizon.
Les principaux acteurs de l’intelligence artificielle s’apprêtent à faciliter l’expression de ce refus grâce à un signal partagé intégré au fichier robots.txt, un outil standard utilisé pour guider les robots d’exploration. Ce dispositif, bien que volontaire, marque une étape importante dans la gestion de l’utilisation des données en ligne.
OpenAI a annoncé qu’elle respectera ce signal, permettant aux éditeurs de définir leurs préférences concernant l’utilisation de leur contenu pour l’entraînement de modèles d’IA générative. Google et Microsoft ont également dévoilé leurs plans, tandis qu’Anthropic a commencé à mettre en œuvre cette nouvelle approche.
Ce signal, basé sur un projet soumis à l’IETF, l’organisme responsable des standards d’Internet, introduit un identifiant commun, __usage_ai-training, à insérer dans le fichier robots.txt. Deux lignes suffisent : « User-Agent : __usage_ai-training » et « Disallow : / ». Cela indique que le site ne souhaite pas que son contenu soit utilisé pour entraîner des modèles d’IA.
Les calendriers de mise en œuvre varient considérablement. OpenAI prévoit une application dans les prochains mois, Google cible 2027 sans date précise, et Microsoft annonce une application par Bing à partir du 1er février 2027. Microsoft distingue l’entraînement des modèles de l’utilisation de contenu externe pour améliorer les réponses, ce dernier étant géré au niveau de chaque page.
Il est important de noter que ce signal est volontaire et non contraignant. Il n’empêche pas l’accès au site ni son indexation par les moteurs de recherche. Les éditeurs sont encouragés à conserver leurs règles existantes, telles que GPTBot, Google-Extended et ClaudeBot, en complément de ce nouveau signal. Pour un blocage effectif, la gestion des robots et les pare-feu applicatifs restent les seuls moyens techniques disponibles.