Visibilité IA et GEO

Robots d'IA : lesquels autoriser ou bloquer sur votre site ?

Gabriel Gervais
Gabriel Gervais

Associé · Stratégie, publicité et mesure

9 août 2026Mis à jour le 12 min de lectureRead in English →

PartagerLinkedInFacebookCourriel

Gabriel Gervais

Perspectives · Visibilité IA et GEO

Écrire à Gabriel Gervais

Une question sur cet article ou sur votre situation ? Votre message arrive directement à Gabriel.

Une adresse d'entreprise, de préférence.
Réponse sous 1 jour ouvrable

Deux familles de robots d'IA visitent votre site et appellent des décisions opposées. Celui qui collecte pour entraîner un modèle ne vous rapporte rien à court terme. Celui qui va chercher votre page au moment où quelqu'un pose une question vous amène des clients. Les bloquer ensemble est l'erreur la plus fréquente.

Ce qu'il faut retenir
  • Un robot d'entraînement collecte du contenu pour nourrir un modèle. Un robot de récupération va chercher une page pendant qu'un utilisateur pose sa question et cite la source.
  • Google écrit que l'IA est intégrée à la recherche et fait partie intégrante de son fonctionnement. Vous ne pouvez pas refuser les fonctionnalités d'IA de la recherche sans refuser la recherche.
  • Le jeton Google-Extended, l'identifiant que l'on bloque ou autorise dans la configuration de son site, couvre l'entraînement des modèles Gemini et l'ancrage de leurs réponses dans les applications Gemini et sur Vertex AI, pas la recherche Google.
  • Pour limiter ce qui est affiché à partir de vos pages dans la recherche, Google renvoie à des commandes distinctes : nosnippet, data-nosnippet, max-snippet et noindex.
  • Le fichier robots.txt, ce fichier public où un site indique aux robots ce qu'ils peuvent visiter, est une convention. Les grands acteurs la documentent et la respectent, d'autres non. Un blocage réel se fait côté serveur, sur la machine qui héberge le site.
  • Le 30 octobre 2026, Google, Microsoft, OpenAI et Anthropic ont annoncé un signal commun pour refuser l'entraînement des IA dans le robots.txt (le jeton __usage_ai-training). Chez Google, ce refus vaut aussi pour les réponses de Gemini, sauf si Google-Extended est autorisé explicitement.
Sur cette page
Définition

Qu'est-ce qu'un robot de récupération

Un robot de récupération est un agent qui va chercher une page au moment où un utilisateur pose une question à un système d'IA, afin d'y répondre à partir de contenu à jour et d'en citer la source. Il se distingue du robot d'entraînement, qui collecte du contenu pour nourrir un modèle sans lien avec une question précise. Bloquer un robot de récupération vous retire des réponses que vos clients lisent. Bloquer un robot d'entraînement limite l'usage futur de votre contenu sans effet immédiat sur votre visibilité.

Partie intégranteStatut de l'IA dans la recherche Google selon sa documentation : elle y est intégrée et fait partie intégrante de son fonctionnement. Les directives robots.txt pour Googlebot gèrent l'exploration pour la recherche dans son ensemble.Google Search Central, documentation consultée en juillet 2026
Gemini et Vertex AIPortée du jeton Google-Extended : l'entraînement des modèles Gemini et l'ancrage de leurs réponses dans les applications Gemini et sur Vertex AI. Il ne porte pas sur la recherche Google.Google, documentation sur l'exploration, consultée en juillet 2026
4 commandesNombre de commandes que Google indique pour limiter les informations affichées à partir de vos pages dans la recherche : nosnippet, data-nosnippet, max-snippet et noindex.Google Search Central, documentation consultée en juillet 2026

Deux familles, deux décisions

Ce qui suit s'adresse aux dirigeants et aux responsables marketing à qui l'on a proposé de bloquer les robots d'IA, ou qui se demandent s'il faut le faire. Il porte sur la décision d'affaires, pas sur la configuration technique.

On parle des robots d'IA comme d'un seul ensemble et c'est de là que vient la confusion : ils font deux choses différentes.

Le robot d'entraînement collecte du contenu pour nourrir un modèle. Votre page sert alors à améliorer un système, sans qu'un lien vers votre site apparaisse nulle part. Le bénéfice pour vous est indirect et lointain : votre entreprise finit par exister dans la connaissance générale du modèle.

Le robot de récupération va chercher votre page pendant qu'un utilisateur pose sa question et la réponse cite généralement la source. C'est un canal de visibilité, avec un lien et un visiteur possible au bout.

Bloquer les deux d'un même geste, ce que font beaucoup de configurations, revient à se protéger d'un usage qui ne coûte rien tout en se retirant d'un canal qui rapporte.

Deux familles de robots d'IA : le robot d'entraînement nourrit un modèle d'IA sans lien vers votre site, le robot de récupération va chercher votre page, cite la source et amène des clients.FamilleCe qu'il faitLa décisionRobot d'entraînementNourrit un modèle d'IA,aucun lien vers vousSe bloque sanscoût immédiatRobot de récupérationVa chercher votre page,cite la sourceÀ laisser ouvert :il amène des clients
Deux familles de robots d'IA, deux décisions opposées.
Le risque à nommer

La décision se prend une fois et ses effets se découvrent des mois plus tard. Un blocage total mis en place par prudence technique retire progressivement votre entreprise des réponses que vos acheteurs consultent, sans qu'aucun rapport ne le signale. Personne ne mesure une absence.

Le cas Google et ce qu'on ne peut pas refuser

C'est le point le plus mal compris et Google est explicite.

Sa documentation indique que l'IA est intégrée à la recherche et fait partie intégrante de son fonctionnement. Ce sont les directives robots.txt destinées à Googlebot qui permettent de gérer la façon dont un site est exploré pour la recherche. Googlebot est le robot qui parcourt les sites pour alimenter la recherche Google.

Il n'existe donc pas de moyen de rester dans la recherche Google tout en refusant que votre contenu alimente ses fonctionnalités d'IA. Le seul refus possible est le refus de la recherche elle-même, ce qui n'est une option pour à peu près personne.

Le jeton Google-Extended existe et il a une portée précise : il couvre l'entraînement des futurs modèles Gemini et l'ancrage de leurs réponses dans les applications Gemini et sur Vertex AI. C'est un contrôle sur d'autres systèmes de Google, pas sur la recherche : Google précise qu'il n'affecte ni l'inclusion ni le classement dans ses résultats.

Une entreprise peut donc bloquer Google-Extended sans disparaître de la recherche : la décision porte sur Gemini (son entraînement et ses réponses dans les applications Gemini) et n'a aucun effet sur les demandes que la recherche vous amène.

Le signal commun pour refuser l'entraînement

Le 30 octobre 2026, Google, Microsoft, OpenAI et Anthropic ont annoncé qu'ils reconnaîtront un même signal dans le robots.txt pour refuser que le contenu d'un site serve à entraîner leurs modèles d'IA. Le signal vient d'un brouillon soumis à l'IETF (l'organisme qui écrit les normes d'Internet) par Kevin Kelley, d'Anthropic. Il prend la forme d'un jeton, __usage_ai-training, qui s'écrit à la place du nom d'un robot :

User-Agent: __usage_ai-training
Disallow: /

Le jeton exprime une préférence sur l'usage du contenu. Il ne bloque aucun robot : le brouillon précise qu'il ne s'agit pas d'une directive d'exploration. Un groupe User-agent: * ne compte pas comme un refus, seul le jeton nommé exprime la préférence. L'entraînement y désigne l'usage d'un contenu pour modifier les paramètres appris d'un modèle d'IA générative. Le brouillon ne parle pas de la lecture d'une page au moment de répondre à une question, celle qui vous vaut une citation.

Au 2 novembre 2026, le signal n'est encore appliqué nulle part. Google vise le début de 2027 et précise que les contrôles propres à chaque entreprise, comme Google-Extended, continuent de fonctionner à côté du signal commun. Selon PPC Land, OpenAI prévoit une mise en place dans les prochains mois et garde ses contrôles actuels, alors qu'Anthropic dit en avoir commencé l'implantation. Meta, Amazon et Apple ne figurent pas parmi les entreprises qui se sont engagées.

Le piège chez Google. Google lira le jeton comme un refus de Google-Extended quand le fichier ne mentionne pas Google-Extended. Or ce jeton couvre à la fois l'entraînement des modèles Gemini et l'ancrage de leurs réponses dans les applications Gemini. Un site qui pose le signal commun pour refuser l'entraînement peut donc sortir aussi des réponses de Gemini. Google écrit que les sites qui autorisent explicitement Google-Extended restent admissibles aux réponses et aux clics de l'ancrage dans les applications Gemini. Il ne décrit aucune façon de refuser l'entraînement de Gemini tout en restant dans ses réponses : chez Google, les deux usages passent par le même jeton.

Chez Microsoft, les deux décisions sont séparées. Le refus de l'entraînement se pose dans le robots.txt, ou page par page avec la balise ai-training. L'ancrage (l'usage d'une page pour composer une réponse dans Copilot) a son propre réglage, ai-grounding, page par page seulement. Microsoft écrit que l'un ne change pas l'autre. Aucun des deux ne change l'admissibilité aux résultats de Bing. Microsoft prévient toutefois que refuser l'ancrage réduirait beaucoup la visibilité d'un contenu dans ses réponses d'IA. Il appliquera ces préférences à partir du 1er février 2027. Les balises NoArchive et NoCache ne seront plus lues comme une préférence d'entraînement ou d'ancrage après le 1er mars 2027 : un site qui s'en sert pour tenir Bing à l'écart de ses réponses d'IA doit publier ses nouveaux réglages avant cette date. Bing Webmaster Tools permettra d'y enregistrer une préférence temporaire à partir du 15 décembre 2026.

Pour une entreprise qui veut être trouvée et citée par les IA, le signal commun ne demande rien : il ne sert qu'à refuser. Il concerne surtout l'éditeur qui refuse déjà l'entraînement avec Google-Extended, GPTBot ou ClaudeBot. Ses règles actuelles continuent de fonctionner et le jeton commun pourra les compléter, à condition de mesurer ce qu'il coûte chez Gemini.

Ce que vous contrôlez sur l'affichage

Puisque le refus global n'existe pas, la vraie question est ailleurs : que pouvez-vous contrôler dans ce qui est montré ?

Google renvoie à quatre commandes pour limiter les informations affichées à partir de vos pages dans la recherche : nosnippet, data-nosnippet, max-snippet et noindex.

Elles ne visent pas les robots mais l'affichage. La commande data-nosnippet, en particulier, permet de désigner des portions précises d'une page à ne pas reprendre, ce qui est plus fin qu'un blocage général.

Attention toutefois à l'arbitrage. Limiter les extraits réduit ce qui peut être repris de votre page et réduit du même coup ce qui peut attirer un lecteur. Sur la plupart des sites d'entreprise, restreindre les extraits coûte plus de visites qu'il n'en protège.

Ces commandes gardent leur utilité sur des contenus précis : une base de connaissances payante, un tarif que vous ne voulez pas voir reproduit hors contexte, un document réservé aux clients.

Le robots.txt est une convention

La nuance est technique, mais sa conséquence relève de la gestion.

Le protocole d'exclusion des robots est une norme publique et Google indique que ses robots automatiques la respectent, en s'appuyant sur la spécification correspondante. Les autres grands opérateurs documentent également leurs agents et leur conformité.

Mais un fichier robots.txt n'empêche techniquement rien. C'est une demande, respectée par ceux qui choisissent de la respecter. Un acteur qui décide de l'ignorer accède au contenu comme n'importe quel visiteur.

Si votre objectif est réellement d'empêcher l'accès, le robots.txt ne suffit pas : il faut un blocage côté serveur ou une authentification. Si votre objectif est d'exprimer une préférence auprès des acteurs sérieux, le robots.txt est l'outil adapté.

Cette distinction évite une déception fréquente. Une entreprise qui bloque par robots.txt et constate ensuite que son contenu apparaît quand même n'a pas été trahie : elle a utilisé un outil de préférence en croyant utiliser une barrière.

L'arbitrage réel

Une fois les deux familles distinguées, la décision se réduit à trois questions.

01

Votre contenu est-il votre produit ? Un éditeur, une base de données payante ou un média vend son contenu. Pour eux, l'entraînement représente une valeur cédée sans contrepartie et le blocage se défend.

02

Votre contenu sert-il à vendre autre chose ? C'est le cas de la quasi-totalité des entreprises. Votre contenu est un moyen d'être trouvé, pas un actif vendu. Le bloquer revient à se cacher de ses acheteurs.

03

Vos acheteurs utilisent-ils ces systèmes pour se renseigner ? Si oui, la récupération doit rester ouverte, quel que soit votre choix sur l'entraînement.

Pour la majorité des entreprises que nous voyons, la réponse est la même : laisser la récupération ouverte et trancher l'entraînement selon la valeur propre du contenu. La logique de la visibilité dans ces systèmes est traitée dans notre article sur la présélection assistée.

Décider selon votre modèle d'affaires

Trois profils, trois positions défendables.

L'entreprise qui vend un produit ou un service. Fabricant, distributeur, entrepreneur, cabinet. Tout ouvrir, entraînement compris. Votre contenu n'a aucune valeur marchande propre et chaque mention vous rapproche d'un acheteur.

L'éditeur ou le média. Le contenu est le produit. Bloquer l'entraînement se défend, laisser la récupération ouverte reste généralement souhaitable puisqu'elle amène des lecteurs avec un lien. Chez Google, bloquer Google-Extended retire aussi vos pages des réponses de Gemini.

L'entreprise avec une zone sensible. Un tarif détaillé, une base de connaissances réservée, une documentation client. Traitez la zone plutôt que le site : une authentification sur cette section règle le problème mieux que n'importe quelle directive.

Dans les trois cas, écrivez la décision et sa raison quelque part. Le blocage que personne n'assume vient le plus souvent d'un fichier robots.txt modifié il y a trois ans par un fournisseur qui n'est plus là.

Pour décider

Ce qu'il faut vérifier sur votre site cette semaine

Ces cinq vérifications prennent une heure et révèlent souvent des blocages que personne n'a décidés.

  • Que contient votre fichier robots.txt aujourd'hui et qui l'a modifié en dernier ?
  • Distinguez-vous les robots d'entraînement des robots de récupération, ou tout est-il traité pareil ?
  • Votre contenu a-t-il une valeur marchande propre, ou sert-il à vendre autre chose ?
  • Existe-t-il des zones qui mériteraient une authentification plutôt qu'une directive ?
  • Si un blocage vous retire des réponses que vos acheteurs consultent, qui s'en apercevra et comment ?

Une réponse solide distingue les deux familles et nomme une décision assumée. Une réponse évasive dit qu'on bloque les IA par prudence. Un fournisseur qui propose de bloquer tous les robots d'IA sans demander si votre contenu est votre produit vous retire d'un canal sans rien protéger de vendable.

Auditer votre configuration et trancher cette décision selon votre modèle fait partie de ce qu'on couvre en audit payant.

Ce qu'on voit sur le terrain

Ce qui vous appartient en propre : la décision d'ouvrir ou de fermer, qui dépend de la valeur marchande de votre contenu, puis l'identification des zones sensibles. Ce qui se délègue : l'audit du fichier existant, la distinction entre les agents, la configuration, la mise en place d'un blocage côté serveur si nécessaire et le suivi des mentions. Une entreprise qui tranche selon son modèle d'affaires assume une position qu'elle peut expliquer. Une entreprise qui bloque par prudence technique se retire de réponses que ses acheteurs consultent et personne ne s'en apercevra avant des mois, parce qu'une absence ne déclenche aucune alarme.

Ce que chaque plateforme rend mesurable est comparé dans optimiser pour les moteurs de réponse : qui mesure quoi et qui ne mesure rien.

Décider comment votre entreprise existe dans les réponses générées est au cœur de l'objectif Renforcer votre visibilité dans les réponses IA.

Vous voulez d'abord savoir si vous êtes cité et comment ? Voyez notre travail en visibilité dans les moteurs de réponse.

Pour savoir quels robots lisent déjà votre site avant de trancher, suivez notre recette d'analyse de logs IA.

L'accès des robots n'est qu'un des volets à trancher : le cadre interne figure dans notre article sur la politique d'usage de l'IA en PME.

Avec quoi voulez-vous envoyer ce courriel ?

Questions fréquentes sur les robots d'IA

Peut-on refuser les fonctionnalités d'IA de Google sans quitter la recherche ?

Non. Google indique que l'IA est intégrée à la recherche et fait partie intégrante de son fonctionnement et que les directives robots.txt destinées à Googlebot gèrent l'exploration pour la recherche. Le seul refus possible est celui de la recherche elle-même. Vous pouvez en revanche limiter ce qui est affiché à partir de vos pages avec des commandes distinctes.

À quoi sert Google-Extended ?

Ce jeton couvre l'entraînement des modèles Gemini et l'ancrage de leurs réponses dans les applications Gemini et sur Vertex AI. Il ne porte pas sur la recherche Google. Vous pouvez donc le bloquer sans disparaître des résultats de recherche : c'est une décision sur des systèmes distincts, sans effet sur les demandes que la recherche vous amène. Le bloquer retire en revanche vos pages des réponses de Gemini.

Dois-je ajouter le nouveau signal robots.txt pour être cité par les IA ?

Non. Le jeton __usage_ai-training, annoncé le 30 octobre 2026, ne sert qu'à refuser l'entraînement des modèles. Chez Google, il peut même vous retirer des réponses de Gemini, parce que Google le lira comme un refus de Google-Extended si votre fichier ne mentionne pas Google-Extended. Pour être cité, il faut au contraire que les robots de récupération puissent lire vos pages.

Bloquer les robots d'IA protège-t-il vraiment mon contenu ?

Le fichier robots.txt est une convention, pas une barrière. Les grands opérateurs documentent leurs agents et respectent le protocole, d'autres non. Si votre objectif est d'empêcher réellement l'accès, il faut un blocage côté serveur ou une authentification. Le robots.txt exprime une préférence auprès de ceux qui choisissent de la respecter.

Que risque-t-on à tout bloquer ?

De se retirer des réponses que vos acheteurs consultent, sans rien protéger qui ait une valeur marchande. Pour une entreprise dont le contenu sert à vendre autre chose, ce qui est la quasi-totalité des cas, le blocage total revient à se cacher de ses clients. Le coût ne se découvre que des mois plus tard, parce que personne ne mesure une absence.

Comment protéger une section sensible ?

Par une authentification sur cette section, pas par une directive à l'échelle du site. Un tarif détaillé, une base de connaissances réservée ou une documentation client se protègent en exigeant une connexion. C'est plus efficace qu'un blocage général et cela laisse le reste de votre contenu faire son travail.

À quelle fréquence revoir cette configuration ?

Une fois par année suffit dans la plupart des cas, avec une vérification supplémentaire après toute refonte ou changement de fournisseur. Le risque principal n'est pas l'évolution du domaine, c'est un fichier modifié il y a des années par quelqu'un qui n'est plus là et dont personne n'assume la décision. Une vérification s'ajoute avant le 1er mars 2027 si votre site compte sur les balises NoArchive ou NoCache pour tenir Bing à l'écart de ses réponses d'IA.

Sources et références
  1. Google Search Central, Fonctionnalités d'IA et votre site Web, documentation officielle, consultée en juillet 2026. Source de l'intégration de l'IA à la recherche, du rôle des directives robots.txt pour Googlebot et des quatre commandes de limitation de l'affichage.
  2. Google, Gérer la façon dont les robots d'exploration et les extracteurs Google interagissent avec votre site Web, documentation officielle, consultée en juillet 2026. Source de la portée de Google-Extended : entraînement des modèles Gemini et ancrage des réponses dans les applications Gemini et sur Vertex AI. Consultée de nouveau le 2 novembre 2026 pour l'intention de Google de prendre en charge le signal commun au début de 2027.
  3. Google Search Central, Comment Google interprète la spécification robots.txt, documentation officielle, consultée en juillet 2026. Source du caractère conventionnel du protocole d'exclusion des robots.
  4. Google Search Central, Supporting a shared AI training control for websites, billet de John Mueller, 30 octobre 2026, consulté le 2 novembre 2026. Source de la lecture du signal commun comme un refus de Google-Extended, de l'admissibilité à l'ancrage dans les applications Gemini, de l'échéance de 2027 et du maintien des contrôles existants.
  5. Microsoft Bing, Your content, your choice: clearer preferences for training and grounding, billet de Krishna Madhavan, 30 octobre 2026, consulté le 2 novembre 2026. Source des réglages ai-training et ai-grounding, de leur indépendance, de l'absence d'effet sur les résultats de Bing et des dates du 15 décembre 2026, du 1er février 2027 et du 1er mars 2027.
  6. IETF, Machine-Readable Training Preference Signal (draft-kelley-aipref-training-preference-signal-00), Kevin Kelley (Anthropic), 30 octobre 2026, consulté le 2 novembre 2026. Source du jeton, de la définition de l'entraînement, du traitement du groupe * et du fait que le jeton n'est pas une directive d'exploration.
  7. PPC Land, Google, Microsoft, OpenAI and Anthropic back one AI training opt-out, 30 octobre 2026, consulté le 2 novembre 2026. Source des engagements d'OpenAI et d'Anthropic et de l'absence de Meta, d'Amazon et d'Apple.
Gabriel Gervais
Gabriel GervaisAssocié · Stratégie, publicité et mesure

C'est presque toujours Gabriel qui prend votre premier appel et qui réalise votre audit. Il construit la stratégie à partir de votre objectif de croissance : où placer votre budget, quel marché tester et comment relier chaque lead à une vente réelle dans votre CRM. Il mène surtout les accompagnements Optimiser la rentabilité de vos campagnes numériques, Développer un nouveau marché ainsi que Générer de la demande et de la croissance. Avec Geneviève, il travaille aussi le référencement (SEO), la visibilité IA (GEO) et la conversion (CRO). Les ventes d'une campagne Google Ads ou Meta Ads dépendent de la page qui reçoit le clic. Ses analyses portent surtout sur la stratégie marketing, la publicité payante et la mesure.

À propos de Falia →

Trois analyses sur le même sujet

Tout Visibilité IA et GEO →
01
Visibilité IA et GEO·15 min de lecture

Astro SEO : ce qu'Astro fait seul pour Google et les IA, ce qu'il faut ajouter

→
02
Visibilité IA et GEO·6 min de lecture

Un seul signal robots.txt pour refuser l'entraînement des IA : la plupart des entreprises n'ont rien à ajouter

→
03
Visibilité IA et GEO·5 min de lecture

ChatGPT lance son outil de statistiques pour les entreprises : la rumeur du 6 novembre est confirmée

→

Consultation diagnostique · Mandat payant

90 minutes sur votre rentabilité, pas sur la théorie

Vous venez de lire la méthode. La vôtre commence par vos chiffres. On regarde vos chiffres avec vous, on nomme l'écart et vous repartez avec une synthèse écrite et l'ordre de travail recommandé, que vous l'exécutiez avec nous ou non.

C'est un mandat payant, mené par l'expert qui exécute. Vous gardez le livrable, sans engagement de suite.

Réserver ma consultation
01AvantVous nous envoyez vos accès en lecture et vos chiffres de marge. Nos experts arrivent préparés.
02Pendant90 minutes avec le stratège senior qui exécuterait le mandat. Vos questions, nos constats, aucune présentation générique.
03AprèsUne synthèse écrite : l'écart chiffré, l'ordre de travail pour vos ventes, ce qu'on vous déconseille de faire tout de suite.
Les autres sujetsStratégieSEOPublicité payanteConversionVisibilité IAConception webCommerce en ligne
← Tous les articles