Bloquer les bots IA sur son site : ce que Meta a tenté et ce que dit le droit
Bloquer les bots IA sur son site semblait une affaire réglée : quelques lignes dans robots.txt, et les robots d’entraînement passaient leur chemin. Cet automne, Meta a pourtant glissé dans ses conditions commerciales une phrase qui pouvait tout rouvrir. Elle l’autorisait à explorer les sites de ses clients professionnels et à se servir de leur contenu pour « entraîner » ses produits. La phrase a disparu dans la nuit du 16 au 17 octobre.
L’épisode vaut le détour. Pour bloquer les bots IA, un fichier technique ne suffit pas toujours : il y a le droit de la fouille de textes et de données, l’AI Act et les contrats que l’on accepte sans les lire.
Les conditions commerciales de Meta : la phrase ajoutée, puis retirée

Les conditions commerciales de Meta couvrent tout usage professionnel de ses services : publicité, vente, catalogue, gestion d’une Page, Ads Manager ou Meta Business Suite. Un blog qui anime une Page Facebook y entre. La nouvelle version entre en vigueur le 30 octobre 2026 ; elle était en ligne au plus tard le 5 octobre, date de la première copie conservée par l’Internet Archive.
Le passage tenait en deux phrases. La première vous faisait autoriser Meta à envoyer des logiciels automatisés (scrapers, robots, agents utilisateurs) sur les domaines associés à vos produits, pour les indexer, les analyser et en tirer les mises à jour. La seconde allait plus loin : Meta pouvait utiliser tout contenu de ces pages pour développer, améliorer, rechercher et « entraîner » ses produits. Le verbe « train » figure en toutes lettres dans la version archivée du 16 octobre.
Nieman Lab a repéré la clause, et The Verge l’a relayée le 16 octobre. Des juristes y voyaient de quoi soutenir que ces conditions l’emportaient sur le robots.txt d’un site. James Grimmelmann, professeur de droit du numérique à Cornell, y lisait une permission d’entraîner l’IA sur tout le contenu des éditeurs de presse. Meta a d’abord nié : rien ne changeait dans l’usage de ses robots, la mise à jour servait à récupérer des informations exactes sur les produits vendus ailleurs.
Puis le texte a bougé. Les copies archivées la montrent encore le 16 octobre à 16 h 20 (UTC), plus le 17 à 3 h 19. La nouvelle rédaction limite l’exploration aux produits publicitaires et commerciaux, plus la sécurité des services. Dans sa déclaration du 17 octobre, Meta assure que vous pouvez toujours exprimer vos préférences par robots.txt et que la mise à jour ne lui donne aucun droit nouveau qui passerait au-dessus.
Le recul est réel, mais partiel : l’autorisation d’explorer vos domaines demeure. Pour une entreprise qui développe ses propres modèles de pointe, la frontière entre publicité et amélioration des produits mérite d’être relue à chaque version des conditions commerciales de Meta.
Pourquoi une clause de contrat pèse plus lourd qu’un robots.txt
Pour bloquer les bots IA, tout part de l’exception de fouille de textes et de données. Le droit européen permet à n’importe qui de copier des contenus accessibles légalement pour les analyser automatiquement, sauf si le titulaire des droits s’y est opposé. Votre robots.txt et vos mentions d’opposition servent à ça. Un crawler IA qui les ignore sort du cadre : l’AI Act rappelle dans son considérant 105 qu’après une opposition, le fournisseur doit obtenir l’autorisation des titulaires de droits.
Et c’est là que le contrat change tout. Si vous autorisez vous-même l’usage de vos contenus, le fournisseur n’a plus besoin de l’exception : il tient une autorisation contractuelle. Votre opt-out de fouille de textes devient sans objet, puisque vous avez dit oui ailleurs. Le scénario redouté : une case cochée pour acheter de la publicité qui vaut accord pour l’entraînement.
Le droit français pose des garde-fous. Une cession de droits d’auteur exige une mention distincte de chaque droit cédé et un domaine délimité « quant à son étendue et à sa destination, quant au lieu et quant à la durée » (article L. 131-3 du code de la propriété intellectuelle). Une ligne générale dans des conditions mondiales s’en éloigne nettement. Et un annonceur n’autorise que ce dont il détient les droits : les photos d’une agence ou les papiers d’un pigiste ne lui appartiennent pas forcément. La leçon : lisez les clauses d’exploration avant d’accepter une mise à jour.
Opt-out de fouille de textes : ce que disent la directive et le CPI
Le socle, c’est l’article 4 de la directive (UE) 2019/790. Il ouvre la fouille de textes et de données à tous, à condition que l’usage n’ait pas été « expressément réservé » par les titulaires de droits « de manière appropriée, notamment par des procédés lisibles par machine » pour les contenus en ligne.
La France l’a transposé à l’article L. 122-5-3 du code de la propriété intellectuelle, en vigueur depuis le 26 novembre 2021. Son III autorise les copies pour une fouille menée par toute personne, quelle qu’en soit la finalité, sauf opposition appropriée de l’auteur ; les copies sont ensuite détruites. Le II, réservé à la recherche scientifique (organismes de recherche, bibliothèques, musées, archives), ne connaît pas d’opt-out de fouille de textes.
Le détail qui compte est réglementaire. L’article R. 122-28 précise que l’opposition « n’a pas à être motivée et peut être exprimée par tout moyen ». En ligne, elle peut passer par des métadonnées et par les conditions générales d’utilisation d’un site, ce que dit aussi le considérant 18 de la directive. Une mention d’opposition dans vos CGU compte juridiquement. Elle sera seulement moins bien lue par un robot qu’une ligne de robots.txt.
Une proposition de loi instaurant une présomption d’utilisation des contenus culturels par les fournisseurs d’IA a été adoptée par le Sénat le 8 avril 2026, puis en commission à l’Assemblée le 2 juin ; elle attend son passage en séance. D’ici là, c’est à l’auteur de prouver que ses œuvres ont servi. Côté création, lisez notre point sur le droit d’auteur des créations générées par IA.
AI Act, article 53 : l’obligation de respecter votre opposition
L’AI Act (règlement (UE) 2024/1689) a donné des dents à votre opt-out de fouille de textes. Son article 53 oblige les fournisseurs de modèles d’IA à usage général à identifier et respecter, « y compris au moyen de technologies de pointe », la réservation de droits prévue par la directive. Ils publient aussi un résumé suffisamment détaillé des contenus d’entraînement.
Le considérant 106 ferme une porte : l’obligation vaut pour tout modèle mis sur le marché de l’Union, où qu’il ait été entraîné. Ces règles s’appliquent depuis le 2 août 2025, mais la Commission ne peut infliger d’amendes (jusqu’à 3 % du chiffre d’affaires mondial ou 15 millions d’euros) que depuis le 2 août 2026. Les modèles mis sur le marché avant août 2025 ont jusqu’au 2 août 2027. L’omnibus numérique de juillet (règlement 2026/1744) n’a pas touché ces dates : voyez ce qui s’applique déjà en 2026.
Le code de bonnes pratiques du 10 juillet 2025 traduit cela en engagements. Sa mesure 1.3 demande des robots qui lisent et suivent robots.txt (RFC 9309) et les autres protocoles lisibles par machine appropriés. OpenAI, Google, Anthropic, Microsoft et Mistral AI l’ont signé. Meta, non : elle ne figure pas sur la liste mise à jour le 7 octobre 2026. Pour ses modèles proposés en Europe, elle doit donc présenter à la Commission « d’autres moyens appropriés de mise en conformité » (article 53, paragraphe 4), en attendant une norme harmonisée. Notre guide de l’AI Act selon votre rôle fait le tri.
Robots.txt IA : bloquer les bots IA ligne par ligne
Robots.txt reste l’outil que les fournisseurs se sont engagés à lire. Placé à la racine du site, il nomme chaque crawler IA par son jeton, et un robots.txt IA bien tenu se relit à chaque nouveau robot annoncé. Voici un robots.txt IA raisonnable pour un éditeur qui refuse l’entraînement mais veut rester visible dans les moteurs :
User-agent: GPTBot
Disallow: /
User-agent: ClaudeBot
Disallow: /
User-agent: Google-Extended
Disallow: /
User-agent: Meta-ExternalAgent
Disallow: /
User-agent: CCBot
Disallow: /Chez OpenAI, trois robots coexistent. GPTBot collecte pour l’entraînement : le bloquer signale que vos pages ne doivent pas y servir. OAI-SearchBot alimente la recherche de ChatGPT : le bloquer vous en fait sortir. ChatGPT-User agit à la demande d’un utilisateur, et OpenAI prévient que robots.txt peut ne pas s’appliquer à ses visites.
Google fonctionne autrement. Google-Extended est un jeton de contrôle sans agent utilisateur propre : il décide si vos contenus entraînent les futurs Gemini et ancrent leurs réponses, sans effet sur la recherche Google. Le revers ? Il ne vous retire pas des AI Overviews ni du mode IA, qui relèvent de la recherche et ne se règlent qu’avec Googlebot ou les balises nosnippet et noindex, selon la documentation de Google. Sortir des résumés IA coûte donc de la visibilité tout court.

Côté Meta, la documentation distingue cinq robots. Meta-ExternalAgent sert à l’entraînement des modèles : c’est le crawler IA à viser. Meta-ExternalAds travaille pour la publicité (celle que vise la nouvelle clause), Meta-WebIndexer pour la recherche de Meta AI, FacebookExternalHit pour les aperçus de liens. ClaudeBot, chez Anthropic, et CCBot, chez Common Crawl, se bloquent pareil. Comptez jusqu’à 24 heures : c’est le délai annoncé par Meta, et par OpenAI pour sa recherche.
Ce que robots.txt ne bloque pas
La RFC 9309, qui normalise robots.txt depuis septembre 2022, le dit elle-même : ses règles ne constituent pas une autorisation d’accès. C’est une demande, pas un verrou : bloquer les bots IA par ce seul fichier suppose leur bonne volonté. Rien n’empêche un crawler IA mal élevé de passer outre.
Deuxième angle mort, les agents. Meta-ExternalFetcher récupère les liens demandés par un utilisateur, y compris pour des agents qui naviguent afin d’accomplir une tâche, et Meta écrit qu’il peut contourner robots.txt. Même logique pour ChatGPT-User. Un agent qui pilote un navigateur, comme l’extension ChatGPT pour Chrome, visite vos pages au nom d’une personne : ce n’est plus un crawler IA classique. The Verge rapporte que pare-feu et détecteurs de robots attrapent désormais aussi les agents. Les bases : ce qu’est un agent autonome.
Troisième limite, le temps. Une ligne Disallow ne vaut que pour l’avenir : Anthropic parle bien des contenus « futurs » d’un site, et ce qui a déjà été collecté reste dans les jeux de données. Le code de bonnes pratiques, lui, ne vise que les robots des signataires : pour les contenus collectés par des tiers, il renvoie au droit d’auteur. D’où l’intérêt de bloquer aussi un collecteur généraliste comme CCBot.
La CNIL ajoute une couche, côté données personnelles. Dans sa fiche du 19 juin 2025 sur le moissonnage, elle range parmi les mesures obligatoires l’exclusion des sites qui s’opposent à la collecte par robots.txt ou par CAPTCHA. Les éditeurs qui veulent protéger leur contenu « doivent », écrit-elle, poser l’un ou l’autre ; elle cite aussi TDMRep (W3C) et ai.txt. Un site riche en commentaires ou en profils tient donc un argument tiré du RGPD, en plus du droit d’auteur.
Bloquer les bots IA : le plan d’un éditeur français en cinq gestes
Comptez une heure, puis revenez-y à chaque mise à jour des plateformes.
- Mettre à jour votre robots.txt IA avec les jetons d’entraînement du bloc ci-dessus, en laissant passer les robots de recherche si vous tenez à votre trafic.
- Écrire une mention d’opposition à la fouille de textes et de données dans vos CGU ou vos mentions légales, en visant l’article L. 122-5-3 du CPI.
- Ajouter un signal lisible par machine, comme TDMRep, cité par la CNIL.
- Relire les clauses d’exploration des plateformes où vous faites de la publicité : les nouvelles conditions commerciales de Meta s’appliquent le 30 octobre.
- Surveiller vos journaux de serveur et, si un crawler IA ignore vos consignes, le bloquer au pare-feu en gardant les traces.
Le deuxième geste a l’air d’une formalité. C’est pourtant votre opt-out de fouille de textes le mieux ancré en droit français, puisqu’un décret prévoit que des CGU suffisent. Et le dernier pèsera lourd si la présomption d’utilisation est votée. Franchement, pour bloquer les bots IA durablement, mieux vaut une preuve datée qu’une indignation sur les réseaux.
Foire aux questions
Bloquer GPTBot retire-t-il mon site de ChatGPT ?
Non. GPTBot ne concerne que l’entraînement des modèles. L’apparition dans la recherche de ChatGPT dépend d’OAI-SearchBot, que vous pouvez laisser passer. Les visites lancées par un utilisateur (ChatGPT-User) peuvent échapper à robots.txt, prévient OpenAI.
Google-Extended me fait-il sortir des AI Overviews ?
Non. Google-Extended gère l’entraînement des modèles Gemini et l’ancrage de leurs réponses, sans effet sur la recherche Google. Les AI Overviews et le mode IA font partie de la recherche : seuls Googlebot et les balises nosnippet ou noindex les limitent, au prix de votre visibilité.
Une phrase dans mes CGU suffit-elle pour bloquer les bots IA ?
Juridiquement, elle vaut opposition : l’article R. 122-28 du code de la propriété intellectuelle l’admet « par tout moyen », CGU comprises. Techniquement, non. Les fournisseurs se sont engagés à lire robots.txt, pas à interpréter vos CGU. Faites les deux : la mention pour le droit, le fichier pour les robots.
La clause de Meta sur l’entraînement s’applique-t-elle encore ?
Non. Elle a disparu des conditions commerciales de Meta avant même son entrée en vigueur. La version applicable le 30 octobre 2026 autorise toujours l’exploration de vos domaines, mais pour la publicité et la sécurité des services. Meta dit respecter vos consignes robots.txt.
Sources
- Légifrance : article L. 122-5-3 du CPI
- Légifrance : article R. 122-28 du CPI
- Légifrance : article L. 131-3 du CPI
- EUR-Lex : directive (UE) 2019/790 sur le droit d’auteur
- EUR-Lex : règlement (UE) 2024/1689 (AI Act)
- EUR-Lex : règlement (UE) 2026/1744 (omnibus numérique sur l’IA)
- Commission européenne : code de bonnes pratiques pour l’IA à usage général
- CNIL : fiche focus sur le moissonnage (19 juin 2025)
- Assemblée nationale : proposition de loi sur la présomption d’utilisation des contenus culturels
- Sénat : dossier législatif de la même proposition de loi






