OpenAI, Google, Microsoft et Anthropic soutiennent une nouvelle méthode permettant aux propriétaires de sites Web de refuser l'utilisation de leurs contenus pour entraîner des intelligences artificielles. Une avancée technique importante, annoncée alors que plusieurs journaux américains poursuivent Brave pour exploitation présumée de leurs articles. Derrière ces événements, une question fondamentale se pose : qui peut utiliser les informations disponibles sur Internet, et dans quelles conditions ?
Une nouvelle règle commune pour les robots d'intelligence artificielle
Le 30 octobre 2026, Kevin Kelley, spécialiste des standards techniques chez Anthropic, a publié une proposition auprès de l'Internet Engineering Task Force (IETF), organisme participant à l'élaboration des standards d'Internet.
Son objectif : simplifier la manière dont les éditeurs de sites Web expriment leur opposition à l'utilisation de leurs contenus pour l'entraînement des modèles d'IA générative.
Aujourd'hui, un propriétaire de site peut déjà définir des règles spécifiques pour certains robots, notamment ceux d'OpenAI, de Google ou d'autres fournisseurs. Mais chaque entreprise dispose de ses propres mécanismes, ce qui complique leur gestion.
La nouvelle proposition introduit un signal commun dans le fichier robots.txt, traditionnellement utilisé pour communiquer des instructions aux robots d'exploration.
Un site pourrait ainsi déclarer :
User-agent: __usage_ai-training
Disallow: /
Ces deux lignes expriment une préférence contre l'utilisation de l'ensemble du site pour entraîner des modèles d'IA générative.
Il serait également possible d'autoriser certains répertoires tout en refusant l'utilisation des autres.
L'intérêt principal réside dans l'interopérabilité : un seul signal pourrait être reconnu par plusieurs fournisseurs d'intelligence artificielle.
Le propriétaire d'un site n'aurait donc plus besoin de multiplier les instructions spécifiques pour exprimer une même préférence à chaque entreprise participante.
Source : proposition technique IETF
Un signal de préférence, pas un mécanisme de protection
Cette évolution mérite toutefois une précision importante.
Le nouveau mécanisme n'empêche pas techniquement un robot de télécharger les contenus d'un site.
Il permet d'exprimer une préférence concernant leur utilisation pour l'entraînement.
La différence est essentielle : autoriser l'accès à une page Web ne signifie pas nécessairement autoriser son utilisation pour entraîner un modèle.
Une entreprise qui s'engage à respecter le signal devra en tenir compte dans ses traitements. En revanche, le dispositif ne constitue pas une barrière informatique contre les acteurs qui décideraient de l'ignorer.
Il ne crée pas non plus, à lui seul, une nouvelle protection juridique ou un système de rémunération des contenus.
Autre précision : le document publié le 30 octobre est encore un projet individuel soumis à l'IETF. Il ne constitue pas un standard officiellement adopté.
Son adoption par les différentes entreprises sera progressive.
OpenAI annonce une implémentation dans les prochains mois. Google prévoit de prendre en charge le mécanisme en 2027, tandis que Microsoft annonce une application à partir du 1er février 2027, au fil de l'exploration des pages. Kevin Kelley, chez Anthropic, est le rédacteur de la proposition ; aucune date de mise en œuvre par Anthropic ne figure dans les sources consultées.
Annonce OpenAI · Annonce Google · Annonce Microsoft
Entraîner une IA et utiliser un contenu dans une réponse : deux opérations différentes
La proposition concerne principalement l'entraînement des modèles. Or les intelligences artificielles utilisent également les informations du Web d'une autre manière.
Lorsqu'un utilisateur pose une question à un assistant IA, celui-ci peut rechercher des documents sur Internet afin de compléter sa réponse.
Cette approche est notamment utilisée dans les architectures dites Retrieval-Augmented Generation, ou RAG.
Contrairement à l'entraînement, qui modifie les paramètres d'un modèle, le RAG lui fournit des informations supplémentaires au moment où il produit sa réponse.
Un système peut ainsi consulter un article récent pour répondre à une question, sans que cet article ait été intégré à l'entraînement initial du modèle.
Ces deux pratiques soulèvent des questions différentes concernant l'autorisation d'utilisation, les droits des éditeurs et la rémunération éventuelle des contenus.
Microsoft a d'ailleurs annoncé un mécanisme complémentaire baptisé AI Grounding, destiné à permettre aux éditeurs de contrôler séparément l'utilisation de leurs pages dans les réponses générées par ses services d'IA.
Les propriétaires de sites pourront donc exprimer des préférences distinctes concernant l'entraînement et l'utilisation de leurs contenus comme sources d'information pour les réponses.
Ce contrôle supplémentaire est propre à Microsoft et ne fait pas partie du signal commun proposé pour l'entraînement.
Brave poursuivi par quatre journaux américains
Le 2 novembre 2026, deux procédures judiciaires ont été engagées aux États-Unis contre Brave Software.
La première émane du New York Times. La seconde a été déposée par le New York Daily News, le Chicago Tribune et l'Orlando Sentinel.
Brave est principalement connu pour son navigateur Web, mais l'entreprise développe également Brave Search, un moteur de recherche disposant de son propre index, ainsi qu'une API commerciale permettant à des applications et à des systèmes d'intelligence artificielle d'exploiter les résultats de recherche.
Les éditeurs accusent Brave d'avoir copié leurs articles sans autorisation afin de constituer son index, puis d'en avoir commercialisé l'accès auprès d'entreprises développant des produits d'IA.
Les plaintes citent notamment Anthropic, Perplexity, Mistral, xAI et Cohere parmi les entreprises utilisant certains services de Brave.
Ces sociétés ne sont pas les défenderesses de ces nouvelles procédures.
Les accusations concernent également la reproduction présumée de contenus dans des réponses générées par les outils de Brave, ainsi qu'une fonctionnalité du navigateur susceptible de contourner certains accès réservés aux abonnés.
À ce stade, il s'agit d'accusations formulées par les éditeurs, et non de faits établis par une décision judiciaire.
Source : TechCrunch, 2 novembre 2026
La particularité du robot d'exploration de Brave
Un aspect technique du dossier mérite une attention particulière.
Selon sa documentation officielle, Brave Search n'utilise pas d'identifiant de robot distinct permettant aux sites de le reconnaître facilement.
L'entreprise explique cette décision par sa volonté d'éviter que certains sites réservent leur exploration à Google.
Brave affirme néanmoins ne pas explorer les pages dont l'accès est interdit à Googlebot.
Cette approche illustre une difficulté plus générale : les éditeurs souhaitent contrôler les différents usages de leurs contenus, tandis que les services de recherche ont besoin d'accéder aux informations pour construire leurs index.
La question devient encore plus complexe lorsque ces index servent à alimenter des réponses générées par intelligence artificielle.
Source : documentation officielle Brave Search
Meta également sous surveillance au Royaume-Uni
Les inquiétudes des éditeurs dépassent le cas de Brave.
Le 30 octobre 2026, l'autorité britannique de la concurrence, la Competition and Markets Authority (CMA), a ouvert une enquête concernant les nouvelles conditions commerciales envisagées par Meta.
Ces dispositions pourraient permettre à Meta de collecter des contenus provenant des sites de certaines entreprises et organisations de presse utilisant ses services professionnels, notamment pour développer ses propres produits d'intelligence artificielle.
L'autorité souhaite déterminer si ces conditions pourraient désavantager les éditeurs dépendant des plateformes de Meta pour atteindre leur audience.
Meta conteste cette interprétation et présente les modifications comme liées principalement à ses services publicitaires et commerciaux.
Le déploiement des nouvelles conditions a été suspendu pour permettre des consultations.
Aucune infraction au droit de la concurrence n'a été établie à ce stade.
Source : autorité britannique de la concurrence, 30 octobre 2026
Ce que cela change pour les développeurs utilisant des API IA
Pour les développeurs, les entreprises SaaS et les intégrateurs de modèles d'intelligence artificielle, ces évolutions dépassent le simple problème des robots d'exploration.
Elles mettent en évidence plusieurs opérations qu'il devient nécessaire de distinguer :
- L'exploration : récupérer des pages ou des documents sur Internet.
- L'indexation : organiser ces contenus pour permettre leur recherche.
- L'entraînement : utiliser des données pour modifier les paramètres d'un modèle.
- Le RAG : fournir des documents à un modèle pour compléter une réponse.
- La redistribution : mettre des contenus ou leurs reproductions à disposition de tiers, éventuellement dans un service commercial.
Chacune de ces opérations possède des implications techniques, contractuelles et juridiques différentes.
Une API de recherche peut fournir des informations à une application sans que cela implique nécessairement une autorisation de les redistribuer intégralement.
De même, utiliser un modèle préentraîné via une API ne signifie pas que les documents transmis dans une requête servent automatiquement à entraîner ce modèle.
Pour les projets intégrant plusieurs fournisseurs d'IA, la traçabilité des sources et la compréhension des conditions d'utilisation deviennent donc particulièrement importantes.
Il ne suffit plus de vérifier si une information est techniquement accessible. Il faut également comprendre quels usages sont autorisés et quelles responsabilités s'appliquent aux différents intervenants.
Vers une gouvernance plus précise des contenus à l'ère de l'IA
L'apparition d'un signal commun constitue une avancée pour l'ensemble de l'écosystème.
Elle pourrait réduire la complexité technique supportée par les éditeurs et faciliter la mise en place de politiques cohérentes entre plusieurs fournisseurs.
Mais elle ne résout qu'une partie du problème.
Un mécanisme destiné à exprimer une préférence ne garantit pas que tous les acteurs la respecteront. Il ne détermine pas non plus automatiquement les conditions juridiques d'utilisation des contenus ou les modalités d'une éventuelle rémunération.
Les procédures visant Brave et l'enquête concernant Meta montrent que les tensions portent désormais sur l'ensemble de la chaîne de valorisation de l'information : de sa collecte jusqu'à son utilisation dans des produits commerciaux.
Pour les entreprises qui développent ou intègrent des services d'intelligence artificielle, l'enjeu sera de concilier l'accès à des informations de qualité avec le respect des droits et des choix de ceux qui les produisent.
Le véritable progrès ne consistera pas seulement à permettre aux éditeurs de dire non à l'entraînement des IA, mais à rendre ce refus compréhensible, applicable et vérifiable dans un écosystème mondial de fournisseurs et de services.
Tester l’API RouterLab
Passez d’un article à une requête réelle : créez un essai, récupérez une clé et appelez les modèles depuis une API compatible OpenAI.