robots.txt : le standard __usage_ai-training arrive, faut-il l'adopter pour votre GEO ?

Le 30 octobre 2026, Google, OpenAI, Microsoft et Anthropic ont annoncé soutenir un même jeton pour contrôler l'entraînement des IA depuis le fichier robots.txt : __usage_ai-training. Pour la première fois, les quatre acteurs qui pèsent le plus sur le web parlent le même langage sur ce point. La question que tous mes clients m'ont posée la semaine suivante est simple : faut-il l'ajouter tout de suite, et est-ce que ça va me faire disparaître des réponses IA ?

La réponse courte : non, ça ne vous fait pas disparaître des réponses, à condition de comprendre la nuance que personne n'explique clairement. Je la détaille plus bas, parce que c'est exactement là où je vois des sites se tirer une balle dans le pied.

Ce que fait concrètement __usage_ai-training

Le principe est volontairement simple. Vous ajoutez dans votre robots.txt un bloc qui cible ce jeton comme s'il s'agissait d'un robot, et vous lui interdisez l'accès :

User-Agent: __usage_ai-training
Disallow: /
Allow: /kit-presse/

Cet exemple dit : n'utilise pas mon site pour entraîner des modèles, sauf le dossier kit-presse. C'est une préférence, pas une barrière technique. L'article de référence le rappelle sans détour : ce signal n'est pas contraignant. Un robot qui décide de l'ignorer le peut. Les jetons propriétaires existants (Google-Extended, GPTBot, ClaudeBot) restent valables en parallèle.

Le calendrier est lui aussi inégal. Anthropic est le seul à l'utiliser déjà. OpenAI l'annonce pour les prochains mois, Microsoft à partir de février 2027, Google début 2027. Autrement dit, en novembre 2026, poser ce jeton seul ne protège presque rien dans l'immédiat.

Le piège : entraînement n'est pas citation

Voilà le point que je martele en rendez-vous. Bloquer l'entraînement IA et bloquer les citations IA sont deux choses différentes, qui passent par des robots différents.

Quand ChatGPT, Gemini ou Perplexity citent votre page dans une réponse, ils ne puisent pas dans leur mémoire d'entraînement : ils vont lire votre page en direct, au moment de la requête (ce qu'on appelle le RAG, la récupération augmentée). Ce crawl de lecture passe par d'autres agents que le crawl d'entraînement. Si vous coupez tout sans distinguer, vous pouvez garder vos données hors des modèles tout en restant parfaitement citable. Mais si vous bloquez les mauvais robots, vous sortez des réponses IA, qui sont aujourd'hui, en AI Mode, la seule visibilité qui reste quand le lien bleu disparaît.

Le jeton __usage_ai-training vise l'entraînement. Il ne commande pas, à lui seul, votre présence dans les réponses. Pour une séparation nette entre entraînement, usage en direct et recherche, c'est la directive Content-Signal de Cloudflare qui est la plus lisible aujourd'hui, avec ses trois valeurs ai-train, ai-input et search. J'ai détaillé cette mécanique dans mon guide sur comment bloquer les crawlers IA sans perdre son SEO.

Le détail Google qui peut vous coûter cher

Google a posé une règle qu'il faut lire deux fois : si votre site utilise le nouveau jeton sans mentionner Google-Extended, Google traite la situation comme si vous aviez interdit Google-Extended. Concrètement, un copier-coller mal maîtrisé de __usage_ai-training peut modifier la façon dont Google perçoit vos autorisations sur ses propres systèmes. De son côté, Microsoft introduit DisallowExtended, qui ne concerne que ses services comme Copilot et 365.

La leçon de terrain : on ne pose pas ce genre de ligne à l'aveugle. Un robots.txt se teste, se versionne et se relit après chaque modification.

Ma recommandation pour novembre 2026

Pour la plupart des sites de PME et d'e-commerçants que j'accompagne, la bonne posture tient en trois points. D'abord, décidez une vraie politique : voulez-vous vraiment sortir des jeux d'entraînement, ou cherchez-vous surtout à rester cité ? Ce ne sont pas les mêmes réglages. Ensuite, gardez vos jetons existants tant que le nouveau standard n'est pas universellement pris en charge, puisqu'il ne le sera pas avant 2027 pour Google et Microsoft. Enfin, si vous tenez à contrôler l'entraînement sans sacrifier vos citations, traitez d'abord la distinction entraînement / lecture, au besoin via Content-Signal, avant d'ajouter __usage_ai-training comme signal complémentaire.

Pour les robots qui ignorent purement le robots.txt, le fichier ne suffit jamais : il faut une couche de filtrage au niveau du réseau, typiquement via un service de mitigation de bots.

Un dernier réflexe, trop souvent oublié : une fois le robots.txt modifié, testez-le. Vérifiez qu'un robot de recherche légitime accède toujours à vos pages importantes, que vous n'avez pas bloqué par accident une ressource nécessaire au rendu, et relisez la cohérence entre vos anciens jetons et le nouveau. Une règle ajoutée un vendredi soir sans relecture est le genre de détail qui fait chuter une visibilité sans que personne ne comprenne pourquoi pendant des semaines.

Ce qu'un fichier robots.txt seul ne fera jamais

Poser un jeton, c'est cinq minutes. Construire une stratégie de visibilité GEO qui tient, c'est autre chose. Un robots.txt ne décide pas de la structure de vos pages, de la clarté de vos entités, de votre maillage interne ou de la façon dont vos réponses sont extractibles par un moteur IA. C'est ce travail de fond qui fait qu'une marque est citée plutôt qu'une autre. Si vous voulez être cité tout en gardant la main sur l'entraînement, je cadre les deux ensemble dans mon accompagnement GEO, en lien avec le SEO technique qui reste le socle de tout.

Deux lectures pour aller plus loin : faut-il vraiment un fichier llms.txt pour être cité, et la complétude sémantique, ce signal qui multiplie les citations.

Vous hésitez sur la bonne config robots.txt pour votre cas ? Réservons 30 minutes.