Fin octobre 2026, OpenAI a annoncé qu'il respectera un signal commun, placé dans le fichier robots.txt, pour savoir si un site accepte ou refuse que ses contenus servent à entraîner des IA génératives. Selon AI Daily Post, qui rend compte de l'annonce, la prise en charge arrivera « dans les prochains mois », sans date précise. Voici ce que ce signal dit vraiment, et ce qu'il change pour une PME qui veut surtout être trouvée.
Qu'est-ce que ce signal commun ?
Le robots.txt est le fichier, placé à la racine d'un site, qui indique aux robots ce qu'ils peuvent explorer. Jusqu'ici, pour refuser l'entraînement, il fallait viser chaque robot de chaque fournisseur, un par un.
Le signal commun est une ligne User-Agent: __usage_ai-training suivie des règles habituelles Disallow et Allow. Il est décrit dans un brouillon publié à l'IETF le 30 octobre 2026 par Kevin Kelley, d'Anthropic, et s'appuie sur les travaux du groupe AI Preferences de l'IETF, l'organisme qui normalise les protocoles d'Internet. Selon le texte :
- un chemin en
Disallowexprime une préférence contre l'entraînement, un chemin enAllowune préférence pour ; - le groupe
User-Agent: *ne compte pas : sans groupe dédié, aucune préférence n'est exprimée ; - ce n'est pas une consigne d'exploration : les règles déjà écrites pour chaque robot gardent leur sens, indépendamment de ce signal ;
- l'entraînement visé est celui des modèles génératifs ; les modèles qui servent seulement à classer ou à noter des contenus n'entrent pas dans la définition.
Il s'agit d'un Internet-Draft individuel : un document de travail, pas un standard adopté. L'IETF rappelle qu'un tel texte peut être modifié ou remplacé à tout moment, et celui-ci expire le 3 mai 2027 s'il n'est pas mis à jour. Ses remerciements citent des participants de Google, Microsoft, Meta, Cloudflare ou OpenAI, à titre individuel, comme le veut l'IETF.
Ce que ça change pour une PME
Entraînement et citation : deux décisions distinctes
C'est le point que je vois le plus souvent mal compris. Laisser une IA s'entraîner sur vos pages et laisser un moteur IA vous citer dans ses réponses sont deux choix séparés, gérés par des robots différents.
| Fournisseur | Entraînement | Recherche et citation |
|---|---|---|
| OpenAI | GPTBot | OAI-SearchBot |
| Google-Extended | Googlebot (recherche Google) | |
| Anthropic | ClaudeBot | Claude-SearchBot |
La documentation d'OpenAI est claire : chaque réglage est indépendant, et un site qui bloque OAI-SearchBot n'apparaît plus dans les réponses de ChatGPT search, sauf comme simple lien de navigation. OpenAI recommande d'autoriser ce robot pour y figurer. Anthropic prévient de même que bloquer Claude-SearchBot peut réduire votre visibilité. Chez Google, Google-Extended n'a aucune incidence sur la recherche Google, mais il couvre l'entraînement de Gemini et aussi l'ancrage des réponses dans les applications Gemini.
Mon avis : pour une PME qui vit de sa visibilité, bloquer les robots de recherche IA est contre-productif. Vos prospects posent déjà leurs questions à ChatGPT ou à Gemini, comme je l'expliquais dans mon article sur le site lisible par les IA. Vous fermer la porte des réponses, c'est laisser la place à vos concurrents.
Une seule décision, répertoire par répertoire
L'intérêt du signal commun est double. Vous décidez une fois pour tous les fournisseurs qui le respecteront, au lieu d'entretenir une liste de robots qui s'allonge. Et vous décidez par répertoire : un blog ouvert, un espace de ressources réservé, par exemple.
Voici à quoi pourrait ressembler un robots.txt qui reste ouvert à l'exploration, y compris par les robots de recherche IA, mais qui refuse l'entraînement sauf pour l'espace presse :
# Exploration : tout le site est ouvert, sauf l'espace client User-agent: * Allow: / Disallow: /espace-client/ # Entraînement des IA génératives (signal commun, pas encore appliqué) # Contre l'entraînement sur tout le site, sauf l'espace presse User-agent: __usage_ai-training Disallow: / Allow: /presse/ Sitemap: https://www.votre-site.fr/sitemap.xml
La règle la plus longue l'emporte, comme d'habitude : /presse/ est donc ouvert à l'entraînement, le reste non. Le brouillon prévoit toutefois qu'un fournisseur puisse faire primer ses propres jetons, jugés plus précis. Gardez donc vos règles par robot cohérentes avec le signal commun.
Pour ce site, j'ai choisi la simplicité. Le robots.txt ne contient qu'un groupe User-agent: * qui ouvre tout aux robots, sauf quelques pages techniques, et aucun groupe __usage_ai-training. Aucune préférence d'entraînement n'y est donc exprimée.
Rien ne change aujourd'hui
Selon AI Daily Post, OpenAI précise que le signal s'ajoutera à ses contrôles actuels sans les remplacer, et que d'autres participants du groupe de travail se sont associés à l'annonce, sans que l'article les nomme. Le média souligne aussi l'absence de date ferme et de détail sur ce que « respecter » le signal changera concrètement.
En clair : vos règles actuelles restent valables, et ajouter le groupe aujourd'hui n'aura d'effet que lorsque les fournisseurs l'appliqueront. Il n'y a pas d'urgence, mais une décision à préparer.
Ce que vous pouvez faire dès cette semaine
- Ouvrez votre robots.txt (
votre-site.fr/robots.txt) et repérez les règles qui visent des robots IA. Vérifiez qu'aucune ne bloque OAI-SearchBot ou Claude-SearchBot par erreur. - Notez vos blocages existants de GPTBot, Google-Extended ou ClaudeBot : ils restent en vigueur, et le signal commun viendra s'y ajouter.
- Décidez de votre position sur l'entraînement, pour l'ensemble du site ou par répertoire. C'est une décision de direction (image, contenus à valeur, relations avec les IA), pas un réglage technique.
- Fixez-la avec votre prestataire, qui l'écrira dans le robots.txt le moment venu et suivra les détails de mise en œuvre d'OpenAI. Pour le cadre général, voyez ma page référencement SEO et ce que Google dit vraiment du GEO.
- Faites le point avec mon audit SEO gratuit, dont l'analyse technique couvre l'indexation de vos pages.
Sources
- IETF, Kevin Kelley (Anthropic), Machine-Readable Training Preference Signal, Internet-Draft, 30/10/2026.
- OpenAI, Making it easier for websites to express AI training preferences, fin octobre 2026 (contenu rapporté par AI Daily Post).
- AI Daily Post, OpenAI to Honor robots.txt AI Training Signals, 31/10/2026, mis à jour le 01/11/2026.
- OpenAI, Overview of OpenAI Crawlers, consulté le 03/11/2026.
- Google, Robots d'exploration communs de Google, mis à jour le 20/10/2026.
- Anthropic, Does Anthropic crawl data from the web, and how can site owners block the crawler?, 07/04/2026.



