Faut-il bloquer les robots des IA sur son site ?

Faut-il bloquer les robots des IA sur son site ?

Non, dans la quasi-totalité des cas. Chaque éditeur d’IA envoie trois robots distincts sur votre site : un seul sert à entraîner le modèle, les deux autres servent à vous citer.

La case à cocher que propose votre hébergeur ne fait pas cette différence. Elle coupe les trois d’un coup. Vous perdez les citations, et vous ne gagnez presque rien en échange.

Que bloquez-vous exactement quand vous « bloquez ChatGPT » ?

Trois choses, alors que vous n’en visiez qu’une. OpenAI documente GPTBot, qui collecte de quoi entraîner les futurs modèles. OAI-SearchBot, lui, indexe les pages pour la recherche interne de ChatGPT. ChatGPT-User va chercher votre page au moment précis où quelqu’un pose la question. Anthropic suit la même organisation, avec ClaudeBot, Claude-SearchBot et Claude-User.

Ces noms se pilotent séparément, ligne par ligne, dans le fichier robots.txt de votre site. Vous pouvez refuser l’entraînement et garder la citation. Pour une entreprise qui vend des services, c’est le réglage le plus défendable : ce que vous voulez, c’est figurer dans la réponse, pas alimenter un modèle.

Un Disallow global posé « par sécurité » fait l’inverse. Il supprime la seule chose qui vous intéressait.

Bloquer Google-Extended vous sort-il des réponses de Google ?

Non, et c’est le contresens le plus répandu. Google-Extended ne règle qu’un point : l’usage de vos pages par les applications Gemini et les API génératives de Vertex AI. La documentation de Google est explicite, ce jeton n’a aucun effet sur la présence ni sur le classement dans la recherche.

Les résumés générés en tête des résultats sont alimentés par Googlebot, le robot de la recherche lui-même. Pour en sortir, il faudrait bloquer Googlebot, donc quitter Google. Personne ne signe ça.

D’où une conclusion pratique : Google-Extended est le seul refus à peu près gratuit. Si l’entraînement vous gêne par principe, posez celui-là, et arrêtez-vous là.

Êtes-vous déjà bloqué sans le savoir ?

Il y a de bonnes chances, et c’est le vrai sujet de ce Focus. Depuis le 1er juillet 2025, Cloudflare demande à chaque nouveau domaine s’il autorise les robots d’IA, avec le blocage comme réglage retenu par défaut. Les extensions de sécurité WordPress proposent la même case, souvent baptisée « protection contre l’IA ». Le dirigeant n’est jamais celui qui la coche.

Une maison d’hôtes près de Moustiers en a fait les frais. Son prestataire a activé l’option fin 2025, pour « protéger le contenu ». Au printemps 2026, la propriétaire s’étonne : aucun assistant ne la cite quand on lui demande où dormir dans les gorges du Verdon. Ses textes sont pourtant soignés, et Google la trouve. Rien à réécrire donc, quatre lignes de robots.txt à corriger.

Notre propre fichier, lui, ne porte aucune ligne Disallow, et vous pouvez aller le lire sur /robots.txt. Vendre à des clients d’être cités par les assistants tout en se l’interdisant à soi-même serait intenable.

Que prennent ces robots, et que rendent-ils ?

Beaucoup, et peu. Cloudflare publie le rapport entre les pages qu’un robot explore et les visiteurs qu’il renvoie. Sur les 28 jours arrêtés au 1er août 2026, il fallait environ 1 780 pages explorées pour un visiteur renvoyé chez Anthropic, 233 chez OpenAI, moins de 5 chez Google. Ces écarts bougent fortement d’un mois sur l’autre : le relevé se consulte en direct sur Cloudflare Radar, mieux vaut le lire que le citer de mémoire.

L’argument des éditeurs de presse est donc fondé : leur métier se vend à la page vue, et l’échange leur est défavorable. Le vôtre ne se vend pas à la page vue. Une TPE vit de demandes de devis, pas d’audience. Être nommée dans une réponse a de la valeur même sans clic, parce que le prospect retient un nom avant d’ouvrir quoi que ce soit. C’est le mécanisme décrit dans notre Focus sur la visibilité dans ChatGPT.

Dans quel cas faut-il vraiment bloquer ?

Quand le contenu est le produit. Un formateur indépendant de Manosque qui publie son catalogue de fiches méthodes met en ligne exactement ce que le robot vient chercher. Un fonds documentaire, un cours, une base constituée à la main : là, refuser l’entraînement se défend, et le manque à gagner en citations est un prix acceptable.

Le droit vous suit. L’article L122-5-3 du code de la propriété intellectuelle autorise la fouille de textes et de données, sauf opposition de l’auteur. Cette opposition doit être exprimée par un moyen lisible par une machine, et le robots.txt en est un. Depuis le 2 août 2025, l’article 53 du règlement européen sur l’IA oblige les fournisseurs de modèles à détecter ces réservations.

Restent deux limites, qu’un prestataire honnête vous dira. Un robots.txt est une pancarte, pas une serrure : il est respecté par les robots qui se nomment, et ignoré par les autres. Ce qui ne doit pas sortir se met derrière un identifiant, pas derrière une ligne de texte.

La seconde limite est stratégique. Si votre différence tient dans un document que n’importe qui peut recopier, le robot n’est pas votre problème. Nous avons construit monemplacement.fr sur des données publiques ouvertes à tout le monde : la donnée brute n’a jamais été le produit, le croisement et la lecture le sont. Un concurrent peut télécharger les mêmes fichiers, il ne récupère pas le service.

Comment vérifier chez vous, en dix minutes ?

Dans cet ordre, sans outil payant.

1. Ouvrez votredomaine.fr/robots.txt. Cherchez les mots Disallow, GPTBot, ClaudeBot, OAI-SearchBot, Google-Extended. Un fichier vide ou sans Disallow est une bonne nouvelle.
2. Regardez votre tableau de bord Cloudflare, s’il y en a un, à la rubrique des robots d’IA. Le réglage y prime sur votre fichier.
3. Listez vos extensions de sécurité et de SEO. Certaines écrivent ces règles à votre place, sans le dire dans leur interface.
4. Décidez par usage, pas par réflexe. Refusez l’entraînement si vous y tenez, jamais la recherche ni la lecture déclenchée par un utilisateur.

Ce réglage ne fait pas une stratégie : il ouvre la porte, il ne remplit pas la maison. Ce qui décide ensuite, c’est la structure de vos pages, et c’est le travail de référencement dans les IA, au sein de notre pilier être trouvé. Notre campagne chez INH mesure ce que cela donne, page citée par page citée. Le Repère sur les technologies web à l’ère de l’IA explique ce qui rend un site lisible par une machine. Celui sur MCP et WebMCP montre l’étage d’après, quand la page ne se contente plus d’être lue.

Si vous ne savez pas dans quel état est votre site, un audit de visibilité commence par là. Vous pouvez aussi nous écrire avec l’adresse de votre site : la vérification des quatre points ci-dessus ne demande pas de devis.