Robots.txt et entraînement des IA

Ce que Google a annoncé

Le 30 octobre 2026, sur le blogue Google Search Central, John Mueller a annoncé que Google prévoit de prendre en charge un contrôle partagé de l'entraînement des IA dans le fichier robots.txt. Ce fichier est celui qui donne des consignes aux robots qui visitent votre site.

L'idée est simple. Au lieu d'écrire une instruction pour chaque développeur d'IA, un site pourra exprimer une seule préférence, lue par tous les fournisseurs participants. Le mécanisme vient des travaux du groupe AIPREF de l'IETF, l'organisme qui élabore des standards d'Internet.

Google vise 2027, et sa documentation parle du début de 2027. Les contrôles propres à chaque entreprise, comme Google-Extended, continueront de fonctionner à côté. Search Engine Roundtable rapporte que Microsoft, OpenAI et Anthropic ont pris des mesures semblables.

À quoi ressemble la règle

Le brouillon publié à l'IETF le même jour donne cet exemple, en trois lignes :

« User-Agent: __usage_ai-training » ouvre la règle commune.
« Disallow: / » exprime une préférence contre l'entraînement sur tout le site.
« Allow: /press-kit/ » l'accepte pour un dossier précis.

Deux précisions comptent. Un bloc « User-Agent: * » ne suffit pas : sans groupe qui nomme ce signal, aucune préférence n'est exprimée. Et ce n'est pas une règle d'exploration, mais une préférence. Le texte reste un brouillon individuel, sans statut officiel à l'IETF, donc la syntaxe peut encore évoluer.

Ce que ça change pour une PME

Bonne nouvelle d'abord : Google précise que Google-Extended n'a pas d'effet sur la présence d'un site dans Google Search et n'est pas un signal de classement. Refuser l'entraînement ne vous retire donc pas des résultats de recherche.

Le revers est ailleurs. Google-Extended contrôle deux choses : l'entraînement des modèles Gemini et l'ancrage (grounding), c'est-à-dire le contenu fourni au modèle pour étayer sa réponse dans les applications Gemini. Google écrit que les sites qui autorisent explicitement Google-Extended peuvent apparaître dans ces réponses et recevoir des clics. Il écrit aussi qu'un refus par le signal commun, sans mention de Google-Extended, sera traité comme un refus de Google-Extended.

En lisant ces deux textes ensemble, un refus général posé par réflexe peut donc aussi vous sortir de ces réponses. Pour une entreprise qui veut être trouvée, ce n'est pas un détail.

Comment décider

Votre site sert à attirer des clients : laisser les IA y accéder reste le choix logique, car votre but est d'être vu et cité.
Votre contenu est ce que vous vendez (formation, média, données) : un refus se défend, et il mérite une vraie réflexion.
Entre les deux : le brouillon permet de choisir dossier par dossier, par exemple refuser partout sauf une section publique.
Vous refusez en général, mais voulez rester admissible dans Gemini : une règle qui autorise explicitement Google-Extended est prévue, mais ce contrôle couvre aussi l'entraînement de Gemini. On ne peut pas séparer les deux avec lui.

Pour aller plus loin sur la façon d'être cité par l'IA, lisez notre article sur les liens dans les réponses IA de Google.

Lire : les liens dans les réponses IA de Google

Faut-il modifier mon robots.txt maintenant ?

Non. Google vise 2027 pour lire ce signal, et sa documentation parle du début de 2027. La proposition peut encore changer d'ici là. Pour l'instant, le bon réflexe est de vérifier ce que votre robots.txt dit déjà.

Refuser l'entraînement des IA fait-il baisser mon site dans Google ?

Selon Google, non : Google-Extended, le contrôle auquel le signal commun sera associé, n'a pas d'effet sur la présence d'un site dans Google Search et n'est pas un signal de classement. Il peut toutefois jouer sur votre présence dans les réponses des applications Gemini.

Un Disallow dans robots.txt empêche-t-il vraiment une IA d'utiliser mon contenu ?

Pas à lui seul. Le brouillon précise que ce signal exprime une préférence et n'est pas une règle d'exploration. Il compte seulement pour les fournisseurs qui choisissent de le lire et de le respecter.

Nos bonnes pratiques, et les services qui s'en occupent

Ce que nous appliquons, concrètement :

Sur notre propre site, oeuvria.com, le robots.txt autorise nommément les agents IA (GPTBot, ClaudeBot, PerplexityBot, Google-Extended et d'autres), parce que notre but est d'être cité. Seul l'espace d'administration est interdit.
Notre audit gratuit vérifie déjà que votre site a un fichier robots.txt accessible et un fichier llms.txt.
Nous suivons ces annonces à la source, chez Google et à l'IETF. Notre conseil : ne rien modifier pour un signal qui n'est pas encore lu, et ne jamais bloquer par réflexe.

Côté services : « Optimisation SEO, GEO et AEO » comprend un audit d'opportunité et des optimisations SEO on-page et techniques ; « Sites web + système de captation de leads » couvre la création, ou la refonte, de sites pour les métiers de services et de la construction.

Voir notre service SEO, GEO et AEO

Auditer mon site gratuitement

Voir notre service de création de site web

Prochaine étape

Rien ne presse d'ici 2027, mais c'est le bon moment pour savoir ce que votre robots.txt dit aujourd'hui et ce que vous voulez qu'il dise. Réservez un créneau avec nous pour en parler.

Source : Google Search Central, « Supporting a shared AI training control for websites » (30 oct. 2026) (Google Search Central)

Source : Google, documentation des robots d'exploration courants (Google-Extended) (Google for Developers)

Source : IETF, brouillon « draft-kelley-aipref-training-preference-signal » (version 00, 30 oct. 2026) (IETF Datatracker)

Source : Search Engine Roundtable, « Google Also Adopts New AI Training Control » (Search Engine Roundtable)