OpenAI, Google et Anthropic soutiennent un standard pour refuser le scraping IA

OpenAI, Google, Microsoft et Anthropic prévoient de soutenir un standard permettant aux éditeurs de signaler plus clairement leur refus du scraping de leurs contenus pour des usages d’intelligence artificielle. Selon The Verge, ce signal d’opt-out viserait à remplacer des règles disparates par une consigne plus homogène pour les robots d’exploration.

Pour les médias et détenteurs de droits, l’enjeu est de mieux contrôler l’utilisation de textes, d’images et d’autres publications dans l’entraînement des modèles ou certains produits alimentés par l’IA. Le dispositif pourrait permettre d’adresser une même préférence à plusieurs grandes plateformes.

Un complément à robots.txt

Le fichier robots.txt permet déjà à un site d’indiquer aux robots automatisés les zones qu’ils ne doivent pas explorer. Mais ce mécanisme, ancien et fondé sur l’adhésion volontaire des opérateurs, ne distingue pas toujours les usages liés aux systèmes d’IA générative.

Un standard dédié pourrait préciser les restrictions applicables à ces systèmes. Il ne bloquerait pas nécessairement l’accès technique à une page : il exprimerait une préférence d’usage que les entreprises collectant des données pourraient reconnaître de façon cohérente.

Des limites encore ouvertes

Le soutien des quatre entreprises serait significatif si leurs robots appliquent effectivement ce signal. Pour les éditeurs français et européens, il pourrait simplifier la gestion des consignes destinées aux acteurs mondiaux de l’IA, sans remplacer une négociation commerciale, une licence de contenu ou les protections du droit d’auteur.

Son utilité dépendra toutefois de ses modalités techniques, de son respect par les crawlers et des moyens de vérifier son application. Restent notamment à préciser les usages couverts — entraînement, recherche, indexation ou autres fonctions d’IA —, son éventuelle application aux données déjà collectées et les conséquences lorsqu’un robot ignore le refus d’un éditeur.