Google, OpenAI, Anthropic et Microsoft soutiennent un même interrupteur pour exclure votre site de l'entraînement de l'IA
Une proposition de directive robots.txt permettrait aux éditeurs de bloquer les robots d'exploration d'IA avec une seule règle au lieu d'une règle par entreprise.
Google, OpenAI, Anthropic et Microsoft se sont engagés à respecter un nouveau paramètre permettant aux propriétaires de sites Web de dire si leur contenu peut être utilisé pour entraîner l’IA. Selon Engadget, les entreprises adoptent une proposition en cours d’examen par l’IETF, l’organisme qui fixe les normes Internet. Il a été rédigé par le responsable des normes Anthropic, Kevin Kelley.
Aujourd’hui, un éditeur qui souhaite se désinscrire doit trouver le robot d’exploration de chaque entreprise (le programme automatique qui visite les pages) et rédiger une règle distincte pour celui-ci. La proposition remplace cela par un signal partagé dans le robots.txt file, le petit fichier texte à la racine d’un site Web qui indique aux robots d’exploration ce qu’ils peuvent visiter. L’exemple ressemble à ceci : un agent utilisateur appelé __usage_ai-training, avec Disallow: / pour tout bloquer et, si vous le souhaitez, Allow: /press-kit/ pour autoriser une section.
Le déploiement diffère selon les entreprises. Anthropic a déjà commencé à le prendre en charge. Microsoft prévoit de démarrer le 1er février 2027, Google début 2027 et OpenAI a indiqué « dans les mois à venir ».
Qu’est-ce qui se cache derrière : Depuis des années, la question : “Les entreprises d’IA peuvent-elles se former sur mon site ?” avait une réponse compliquée, car chaque fournisseur avait ses propres règles et noms. Une étiquette partagée permet à un petit éditeur de dire non une fois et d’en finir plus facilement. Deux limites méritent d’être connues. La directive s’applique uniquement à l’entraînement de l’IA : elle n’arrête pas toutes les explorations et ne supprime pas les pages de Google Search. Google indique qu’il lira le signal sous forme de bloc pour Google-Extended, l’agent qui collecte le matériel pour entraîner Gemini. Et cela ne peut pas défaire le passé. Le contenu déjà collecté reste collecté ; la règle couvre uniquement l’exploration future. De plus, robots.txt est une demande que les robots d’exploration honnêtes suivent, et non un verrou.
Ce que cela signifie pour vous : Si vous gérez un blog, une boutique ou un site de portfolio, demandez à celui qui le gère si la nouvelle règle sera ajoutée une fois définitive, ou vérifiez vos paramètres robots.txt sur la plateforme de votre site Web. Si vous souhaitez que votre travail soit accessible aux outils d’IA, vous n’avez rien à faire. Si vous n’êtes qu’un lecteur, c’est un petit signe que les grands laboratoires sont d’accord sur l’étiquette de base, même si les détails mettront des mois à se concrétiser.
Sources
Sources: https://www.engadget.com/2303225/google-openai-anthropic-ai-crawling-controls/
Chiffres d'Anthropic avant son introduction en bourse : chiffre d'affaires multiplié par douze, perte de 23 milliards de dollars
Les rapports sur le dépôt d'introduction en bourse mis à jour d'Anthropic montrent un chiffre d'affaires trimestriel de près de 17 milliards de dollars, une perte nette de 23,3 milliards de dollars et 895 milliards de dollars d'engagements de calcul.
