Bloquer l'entraînement des IA dans robots.txt sans disparaître des réponses
Le signal __usage_ai-training refuse l'entraînement chez Anthropic, OpenAI, Google et Bing. Dates, piège Gemini, règles qui l'annulent, réglage par objectif.
En bref
Pour refuser l'entraînement des IA sur tout votre site, deux lignes suffisent dans robots.txt, à condition que votre fichier ne nomme encore aucun robot d'IA : User-Agent: __usage_ai-training puis Disallow: /. C'est le signal commun annoncé le 30 octobre 2026 par Anthropic, OpenAI, Google et Microsoft. Il exprime une préférence sur l'usage de vos contenus. Il ne bloque aucun robot et ne retire votre site d'aucun moteur.
Anthropic dit l'appliquer depuis le 30 octobre 2026. OpenAI parle des « prochains mois », Google de « début 2027 », Microsoft du 1er février 2027. Deux pièges décident de tout le reste. Chez Google, refuser l'entraînement coupera aussi les citations dans Gemini si votre fichier ne nomme pas Google-Extended. Et vos règles par robot passent devant le signal commun : un site qui a ouvert ses portes à ClaudeBot ou à Google-Extended pour être cité doit les reprendre avant de poser quoi que ce soit.
Pour la plupart des PME qui vendent un service, je conseille de ne rien ajouter. Le signal sert aux contenus qui sont votre produit : formations payantes, documentation réservée, base de connaissances vendue. Ce qui conditionne votre visibilité dans les réponses des assistants est un autre sujet, traité dans notre guide audit GEO : les contrôles à faire seul.
Vérifiez ce que ce sujet change chez vous : 45 minutes, gratuit, sans engagement.
Réserver l'audit gratuit →Qu'est-ce que le signal commun d'entraînement ?
C'est un groupe de robots.txt comme un autre, sauf que sa ligne User-Agent ne désigne aucun robot : elle porte un nom réservé, __usage_ai-training. Mettez-y Disallow et vous dites « n'entraînez pas de modèle d'IA générative sur ce chemin » ; mettez-y Allow et vous dites l'inverse. Le texte est un brouillon déposé à l'IETF le 30 octobre 2026 par Kevin Kelley, d'Anthropic, qui prolonge les travaux du groupe AI Preferences (aipref).
Voici l'exemple du brouillon, qui refuse tout sauf l'espace presse.
User-Agent: __usage_ai-training
Disallow: /
Allow: /press-kit/Entraînement et ancrage ne veulent pas dire la même chose. L'entraînement modifie les paramètres d'un modèle d'IA générative. L'ancrage (grounding) consiste à lire une page au moment où l'assistant répond, pour s'y appuyer et souvent la citer avec un lien. C'est l'ancrage qui peut vous amener des visites, et le signal ne le vise pas.
Gardez en tête le statut du texte : un brouillon individuel, que l'IETF n'endosse pas, sans statut formel, et qui expire le 3 mai 2027 faute de révision.
Qui le lit, et à partir de quand
| Éditeur | Ce qu'il annonce | Quand | Ce qui reste séparé |
|---|---|---|---|
| Anthropic (Claude) | A « commencé à reconnaître » le signal ; une règle qui nomme ClaudeBot l'emporte sur lui | Depuis le 30 octobre 2026, déploiement progressif | ClaudeBot (entraînement), Claude-SearchBot et Claude-User (recherche et visites à la demande) |
| OpenAI (ChatGPT) | Respectera le signal ; ses réglages par robot restent valables | « Dans les prochains mois », sans date | GPTBot (entraînement), OAI-SearchBot (réponses de recherche de ChatGPT) |
| Google (Gemini) | Lira un refus par le signal comme un refus de Google-Extended, sauf si Google-Extended est nommé | « Début 2027 » (documentation des robots de Google) | Googlebot (Recherche, Aperçus IA, mode IA) ; réglage de la Search Console pour l'IA générative dans la Recherche |
| Microsoft (Bing, Copilot) | Respectera le signal, page par page aussi ; ajoute une préférence d'ancrage distincte | À partir du 1er février 2027, au fil des passages du robot | Classement dans Bing inchangé ; ancrage réglé page par page (ai-grounding) |
Ces informations viennent des annonces d'OpenAI, de Google et de Microsoft du 30 octobre 2026, de la page d'Anthropic sur ses robots et de la documentation des robots de Google.
Ce que le signal ne fait pas
Il ne bloque rien. Le brouillon précise que le jeton n'est pas une directive d'exploration : un robot qui l'ignore continue de passer, et pour en fermer un il faut toujours une règle à son nom ou un blocage côté serveur. Une règle User-agent: * n'y change rien non plus, puisque le brouillon interdit de lire le groupe de l'étoile comme une préférence d'entraînement. Un site qui bloque tout le reste mais n'écrit pas la ligne __usage_ai-training n'a exprimé aucun choix.
Il laisse la recherche en l'état. Google écrit que Google-Extended n'a pas d'effet sur l'inclusion dans la Recherche et n'est pas un critère de classement ; Microsoft, que ses préférences ne changent pas l'éligibilité aux résultats de Bing. Sortir des Aperçus IA et du mode IA de Google passe par un autre réglage, « IA générative dans la Recherche », dans la Search Console, ouvert à tous les sites depuis le 31 août 2026. La page d'aide précise qu'il n'agit pas sur l'entraînement, qui relève de Google-Extended.
Il ne défait pas le passé, et il ne rapporte rien. Anthropic l'écrit pour les conversations : ce qui est déjà entré dans un modèle entraîné y reste, et les annonces ne parlent que des usages futurs. Microsoft dit sans détour que ni l'autorisation ni le refus ne garantissent présence, trafic ou paiement.
Le piège Google : entraînement et citations dans Gemini vont ensemble
Google-Extended n'est pas un robot mais un jeton qui commande deux choses à la fois. Selon la documentation de Google, il décide si vos pages servent à entraîner les futurs modèles Gemini, et si elles servent à l'ancrage des réponses de l'application Gemini et de « Grounding with Google Search » sur Vertex AI. Google a annoncé que le signal commun vaudra refus de Google-Extended quand votre fichier ne nomme pas Google-Extended.
Il n'existe donc aujourd'hui, chez Google, aucun réglage qui refuse l'entraînement tout en gardant les citations dans Gemini. Il faut choisir. Si vous écrivez le signal sans nommer Google-Extended, vous refusez l'entraînement et vous sortez des réponses ancrées de Gemini. Si vous ajoutez User-agent: Google-Extended avec Allow: /, vous restez éligible aux citations de Gemini, mais Google peut entraîner ses modèles sur vos pages, alors que les autres éditeurs lisent toujours votre refus.
Chez Bing, c'est l'inverse : l'entraînement se règle par le signal commun, l'ancrage par une préférence distincte, posée page par page (<meta name="Bingbot" content="ai-grounding:disallow"> ou l'en-tête HTTP équivalent). On peut refuser l'entraînement et rester cité dans Copilot.
Le second piège : vos règles par robot passent devant
C'est l'erreur que je m'attends à voir le plus souvent en PME. Beaucoup de sites, waimia.com compris, nomment les robots d'IA dans leur robots.txt pour les autoriser et se faire lire. Ces règles nommées survivent au signal commun, et elles sont plus précises que lui. Anthropic le dit en toutes lettres : « si votre robots.txt nomme ClaudeBot, nous suivons cette règle, même si votre réglage général dit autre chose ». Google ne lit le signal comme un refus de Google-Extended que si Google-Extended n'est pas nommé. OpenAI écrit que ses réglages par robot « continueront de s'appliquer » sans détailler leur combinaison avec le signal : gardez vos règles nommées alignées sur votre choix et relisez l'annonce à chaque mise à jour.
Regardez notre cas. Le robots.txt de waimia.com liste quinze robots d'IA, GPTBot, ClaudeBot et Google-Extended compris, dans le groupe de User-agent: *, avec Allow: /. Nous voulons être lus. Poser demain le signal avec Disallow: / ne changerait rien chez Anthropic ni chez Google, puisque ClaudeBot et Google-Extended restent autorisés par leur nom. Pour refuser pour de bon, il faudrait les sortir du groupe partagé et leur donner leur propre groupe.
L'autre erreur consiste à ajouter la ligne User-Agent: __usage_ai-training à un groupe existant. Un même groupe peut porter plusieurs noms ; si celui-là contient Allow: /, vous venez de déclarer une préférence pour l'entraînement. Le signal prend son propre groupe.
Quel réglage pour quel objectif
| Votre objectif | Dans robots.txt | Ce que vous perdez |
|---|---|---|
| Être connu et cité partout (site vitrine, services B2B, la plupart des PME) | Rien à ajouter. L'absence de groupe __usage_ai-training n'exprime aucun refus. | Rien. Vos pages peuvent servir à l'entraînement. |
| Protéger un espace qui est votre produit (formations payantes, documentation réservée) | Groupe __usage_ai-training avec Disallow: /formations/ (le chemin concerné) ; mêmes chemins interdits dans les groupes GPTBot et ClaudeBot si vous les nommez | Chez Google, sans règle Google-Extended : plus de citations Gemini sur ce chemin seulement. |
| Refuser l'entraînement partout, rester cité par ChatGPT, Claude et Copilot | Groupe __usage_ai-training avec Disallow: / ; GPTBot et ClaudeBot sortis du groupe partagé, avec Disallow: / ; OAI-SearchBot et Claude-SearchBot laissés autorisés | Les réponses ancrées de Gemini, sauf si vous autorisez Google-Extended (et donc l'entraînement chez Google). |
| Ne plus apparaître dans les Aperçus IA et le mode IA de Google | Rien dans robots.txt : réglage « IA générative dans la Recherche » de la Search Console | Toute impression et tout clic venant de ces fonctions (page d'aide de Google). |
La procédure en six étapes
- Ouvrez
https://votre-domaine/robots.txtet lisez ce qui est servi, pas ce que vous croyez avoir écrit : un CMS, un hébergeur ou un CDN peut générer ou modifier le fichier. Sur Cloudflare, le réglage « Refuser l'entraînement des IA », annoncé le 21 septembre 2026, s'ajoute à ce que vous contrôlez. - Dressez la liste des groupes et, pour chacun, des robots d'IA nommés (GPTBot, ClaudeBot, Google-Extended, Applebot-Extended, CCBot), avec ce qu'ils peuvent lire.
- Tranchez par espace du site, à l'aide du tableau ci-dessus : site public, contenus vendus, espace presse. Écrivez la décision et sa date.
- Posez le signal dans un groupe à lui.
- Remettez les règles nommées d'accord avec cette décision. Un robot d'entraînement autorisé par son nom annule votre refus chez Anthropic et chez Google.
- Programmez trois relectures : OpenAI (aucune date annoncée), Microsoft le 1er février 2027, Google début 2027. Le brouillon peut encore bouger, donc relisez la page de l'éditeur à chaque échéance.
Exemple : une PME qui vend des formations en ligne
Prenons une PME de 25 personnes qui publie des articles gratuits pour être trouvée et vend des modules de formation sous /formations/. Elle veut être citée pour ses articles, pas entraînée sur ses modules. Son robots.txt avant :
User-agent: *
User-agent: GPTBot
User-agent: ClaudeBot
User-agent: Google-Extended
Allow: /
Disallow: /admin/Après :
User-agent: *
User-agent: OAI-SearchBot
User-agent: Claude-SearchBot
Allow: /
Disallow: /admin/
User-agent: GPTBot
User-agent: ClaudeBot
User-agent: Google-Extended
Allow: /
Disallow: /admin/
Disallow: /formations/
User-Agent: __usage_ai-training
Disallow: /formations/Les robots de recherche et les visiteurs ordinaires gardent tout, sauf l'administration. GPTBot, ClaudeBot et Google-Extended gardent les articles mais perdent /formations/ : dans robots.txt, la règle au chemin le plus long l'emporte, donc Disallow: /formations/ passe devant Allow: /, et ce refus vaut dès aujourd'hui, sans attendre le signal commun.
Google-Extended est nommé exprès. Sans cela, il suivrait le groupe *, qui autorise tout, jusqu'à ce que Google applique le signal début 2027. Le prix est voulu ici : les modules ne servent plus à l'ancrage de Gemini. Le groupe __usage_ai-training répète le même refus pour les éditeurs non nommés qui liront le signal.
Ma position
Je ne pose pas le signal par principe. Pour une PME dont le site sert à trouver des clients, être connu des modèles ne coûte rien de direct, et le refus peut coûter les citations de Gemini. Je le réserve à ce que vous vendez : un contenu qui est votre produit n'a rien à faire dans un corpus d'entraînement, et on le protège chemin par chemin, pas site entier.
Et je ne touche pas à ce fichier avant de l'avoir lu en entier. Les règles nommées écrites hier pour « ouvrir le site aux IA » contredisent le signal sans que rien n'avertisse personne.
Entraînement et visibilité sont deux sujets. Pour apparaître dans ChatGPT, c'est OAI-SearchBot qui compte ; pour les Aperçus IA, Googlebot et la Search Console. Apparaître dans ChatGPT : ce qu'une PME contrôle détaille ce volet.
Waimia aide les PME et ETI à être citées par les moteurs IA, et la lecture du robots.txt fait partie de notre accompagnement GEO. Pour en parler, l'audit gratuit de Waimia dure 45 minutes : prendre rendez-vous.
Recevez la grille d'audit de site internet dans votre boîte mail
- Huit axes à cocher, du formulaire de contact à la citabilité par les IA
- Pour chaque point, le geste ou l'outil gratuit pour le vérifier
- Les signaux d'alerte, et ce qui se corrige sans refonte
- Une règle de décision : corriger ou refaire