// CLUBIC — INTELLIGENZA ARTIFICIALE
Google, OpenAI et Microsoft s'accordent enfin sur une règle pour protéger les contenus du Web, mais il y a un piège
Google, OpenAI et Microsoft veulent simplifier la manière dont les sites Internet refusent de voir leurs contenus utilisés pour entraîner les intelligences artificielles. Une initiative commune qui pourrait faciliter la vie des éditeurs, mais qui repose encore largement sur la bonne volonté des entreprises concernées.
Depuis l’explosion de l’intelligence artificielle générative, les éditeurs de sites web ont découvert un problème assez agaçant : leurs articles, images et autres contenus peuvent servir à entraîner des modèles d’IA sans qu’ils aient nécessairement donné leur accord. Pour s’y opposer, ils doivent aujourd’hui multiplier les consignes destinées aux robots des différentes entreprises. Google, Microsoft, OpenAI et Anthropic veulent désormais simplifier cette situation avec un mécanisme commun. Une avancée bienvenue sur le papier, même si elle est loin de régler tous les problèmes.
Dans une annonce publiée le 30 octobre, Google confirme son intention d’adopter un nouveau signal commun permettant aux propriétaires de sites d’exprimer leurs préférences concernant l’entraînement des intelligences artificielles.
Le principe repose sur le fichier robots.txt, utilisé depuis des décennies pour communiquer des instructions aux robots qui parcourent le Web. Jusqu’ici, un éditeur souhaitant limiter la collecte destinée à l’IA devait notamment gérer les règles propres à chaque fournisseur, comme GPTBot ou Google-Extended.
Le nouveau dispositif introduit un identifiant partagé, baptisé __usage_ai-training. Quelques lignes suffiraient ainsi à signaler que les contenus d’un site ne doivent pas servir à entraîner les modèles des entreprises participantes.
L'intérêt est évident pour les médias, les photographes, les auteurs et plus largement tous ceux qui publient des contenus originaux sur Internet. Plus besoin de suivre individuellement les évolutions de chaque robot pour exprimer un refus général.
Le système doit également permettre de définir des exceptions. Un éditeur pourrait, par exemple, interdire l’utilisation de ses articles tout en autorisant celle d’une rubrique particulière.
Google précise que ses contrôles existants continueront de fonctionner. Une règle spécifique à Google-Extended pourra notamment primer sur le nouveau signal commun.
Le projet est développé dans le cadre des travaux de l’Internet Engineering Task Force (IETF), un organisme qui participe à l’élaboration des standards d’Internet. Il ne s’agit toutefois pas encore d’une norme définitivement adoptée.
Surtout, aucune barrière technique n’empêche un robot d’ignorer ces instructions. Le mécanisme exprime une préférence sur l’utilisation des contenus, mais ne bloque pas leur téléchargement et n’efface évidemment pas les données déjà utilisées pour entraîner un modèle.