Faut-il bloquer les bots IA (GPTBot, ClaudeBot, PerplexityBot) sur votre site en 2026 ?

Non, sauf si votre contenu est votre produit. Bloquer les bots IA se décide bot par bot, et quatre leviers distincts existent. Trois d’entre eux ont changé entre juillet et septembre 2026.

Le 1er juillet 2026, Cloudflare a remplacé son bouton unique « Block AI bots » par trois catégories : Search, Agent et Training. Au 15 septembre, bloquer la catégorie Training bloquera aussi Googlebot, Applebot et Bingbot, qui explorent le web pour les deux usages à la fois (Cloudflare, « Your site, your rules », 1er juillet 2026). Une case cochée par prudence il y a un an peut donc vous sortir de Google dans quelques semaines. Le fichier robots.txt, GPTBot et ClaudeBot ne sont qu’une partie du problème.

Faut-il bloquer les bots IA ? La réponse en une ligne

Non pour la quasi-totalité des sites d’entreprise, oui dans un seul cas : quand votre contenu est le produit que vous vendez.

La question est mal posée dès qu’on parle « des bots IA » au singulier. Il n’existe pas une catégorie homogène de robots à autoriser ou refuser en bloc. Il existe trois comportements distincts, portés par des robots différents, avec des conséquences opposées sur votre activité.

Un site vitrine, un cabinet de conseil, un e-commerce ou un artisan vit de sa visibilité IA. Son problème n’est pas qu’un modèle apprenne sa page « tarifs ». Son problème est que ChatGPT cite trois concurrents et pas lui quand un prospect demande une recommandation. Bloquer les robots de citation revient à se retirer volontairement de la conversation commerciale.

Un éditeur de presse, une base de données payante, un site de formation dont les cours constituent le catalogue vendable se trouvent dans la situation inverse. Leur contenu a une valeur marchande directe, et un modèle qui le restitue gratuitement détruit cette valeur. Le blocage devient une décision de protection d’actif, pas un réglage technique.

Entre les deux, la question se tranche ligne par ligne, robot par robot, avec le bon levier.

Les 4 leviers de blocage et ce que chacun contrôle réellement

Quatre mécanismes coexistent en 2026, et ils n’ont ni la même portée ni la même force. Les confondre produit l’essentiel des erreurs que je rencontre en audit.

La distinction qui compte : le robots.txt est une demande, le pare-feu est une décision. Quand les deux se contredisent, le pare-feu gagne, et votre fichier robots.txt devient un document qui décrit une politique qui n’est plus appliquée. J’ai vu des sites dont le robots.txt autorisait explicitement PerplexityBot pendant que leur hébergeur lui renvoyait un 403 depuis des mois.

Les grands opérateurs annoncent respecter la norme RFC 9309, qui régit le robots.txt. Des acteurs moins établis l’ignorent. Un blocage réel passe donc toujours par la couche serveur, jamais par un fichier texte.

Quels bots font quoi ? La cartographie 2026

Trois familles de comportements, à traiter séparément. Cloudflare a d’ailleurs bâti sa nouvelle classification sur exactement cette distinction : « Search », « Agent » et « Training ».

Les robots d’entraînement collectent votre contenu pour entraîner ou affiner un modèle. Ils ne renvoient aucun trafic et ne produisent aucune citation.

• GPTBot (OpenAI)
• ClaudeBot (Anthropic)
• CCBot (Common Crawl, dont les archives alimentent de nombreux modèles)
• Google-Extended et Applebot-Extended : ce sont des jetons de contrôle, pas des robots. Vous ne les verrez jamais dans vos logs.
• Meta-ExternalAgent (Meta)

Les robots de recherche et de citation construisent un index pour répondre aux questions des utilisateurs, avec un lien vers votre site. Ce sont eux qui produisent votre trafic référent IA.

• OAI-SearchBot (ChatGPT Search)
• PerplexityBot (Perplexity)
• Claude-SearchBot (Anthropic)

Les agents utilisateurs vont chercher une page en temps réel parce qu’un humain vient de poser une question. Il y a quelqu’un qui attend derrière la requête.

• ChatGPT-User, Claude-User, Perplexity-User, MistralAI-User

Bloquer un agent utilisateur produit un effet particulièrement contre-productif : un prospect a explicitement demandé à consulter votre page, et vous lui refusez l’accès. Sur un e-commerce, cette famille de robots commence à réaliser des parcours d’achat complets.

Le 15 septembre 2026 : ce que Cloudflare change sans vous prévenir

Cloudflare a retiré le 1er juillet 2026 son bouton unique de blocage des robots IA, remplacé par trois réglages indépendants. Le calendrier mérite votre attention immédiate.

Pour les nouveaux domaines arrivant sur Cloudflare, les catégories Training et Agent seront bloquées par défaut sur les pages affichant de la publicité, la catégorie Search restant autorisée. La logique affichée par l’éditeur est simple : une publicité signale qu’un humain était attendu sur cette page.

Le point réellement dangereux se trouve ailleurs. À partir du 15 septembre, les robots multi-usages seront évalués selon l’ensemble de leurs comportements, et la règle la plus restrictive s’applique. Cloudflare l’écrit sans ambiguïté : les robots multi-usages comme Googlebot, Applebot et Bingbot seront bloqués chez les clients ayant choisi de bloquer l’entraînement, que ce soit via les nouvelles options ou via l’ancien service « Block AI bots ».

Cloudflare teste par ailleurs un signal use qui prolonge les Content Signals dans le robots.txt, avec trois valeurs : immediate (aucun stockage), reference (indexation, extrait et lien retour, valeur par défaut) et full (résumé et reproduction). Ce signal exprime une préférence, il ne bloque rien par lui-même.

D’après moi, le vrai risque pour une entreprise française n’a jamais été le blocage volontaire, mûrement réfléchi. C’est le blocage hérité : une case cochée par un prestataire il y a dix-huit mois, dans un contexte médiatique où « bloquer les IA » ressemblait à une évidence, et que plus personne ne relit. Ces réglages dorment dans des comptes Cloudflare que le dirigeant n’ouvre jamais. Le 15 septembre va révéler ces oublis de la pire manière possible, par une chute de trafic organique que l’on mettra des semaines à relier à sa cause.

Google-Extended ne vous fait pas sortir des Aperçus IA

Google-Extended contrôle une seule chose : l’utilisation de votre contenu pour entraîner et ancrer Gemini et les API génératives de Vertex AI. Google indique que ce jeton n’affecte ni l’inclusion dans Google Search ni le classement, et qu’il ne constitue pas un signal de positionnement.

Aucun robot nommé « Google-Extended » ne visite votre site. C’est Googlebot qui explore, comme avant ; le jeton indique seulement ce que Google a le droit de faire ensuite du contenu récupéré. Le bloquer ne réduit donc pas votre charge serveur et ne change rien à votre indexation.

La conséquence surprend beaucoup de dirigeants : bloquer Google-Extended ne vous retire pas des Aperçus IA ni du Mode IA. Ces surfaces font partie de Google Search et puisent dans l’index classique. Pour y figurer, il suffit d’être indexé et éligible à l’affichage d’un extrait.

Google a lancé les Aperçus IA et le Mode IA en France le 22 juillet 2026, après plus de deux ans d’attente liée au dossier des droits voisins (Google France, 22 juillet 2026). Un contrôle dédié existe désormais dans la Search Console, sous le libellé « IA générative dans la recherche ». Il permet de choisir si votre site alimente ces surfaces. Google précise que ce réglage n’est pas utilisé comme signal de classement pour le reste de la recherche.

Le compromis est net : un site qui se retire ne reçoit plus ni trafic ni impressions depuis les Aperçus IA et le Mode IA, tout en conservant son positionnement dans les liens bleus. Pour un site commercial, cela revient à quitter volontairement un canal de découverte en pleine croissance. Pour un média dont les articles sont intégralement résumés au-dessus des résultats, le calcul peut s’inverser.

Bloquer ou autoriser ? L’arbre de décision par profil

Quatre profils, quatre réponses différentes. Identifiez le vôtre avant de toucher à un fichier.

Site vitrine, services, indépendant, TPE et PME

Autorisez tout. Votre contenu n’a pas de valeur marchande autonome : il sert à démontrer une compétence et à générer des demandes de devis. Chaque citation dans ChatGPT, Perplexity ou Gemini agit comme une recommandation devant un prospect en phase de décision. Le coût serveur de ces robots reste marginal sur un site de quelques centaines de pages.

E-commerce

Autorisez la recherche et les agents, arbitrez l’entraînement. Les agents utilisateurs consultent vos fiches produit pour le compte d’un acheteur en train de comparer. Les bloquer revient à fermer la porte à un client qui frappe. L’entraînement se discute si votre catalogue comporte des descriptions rédigées en interne à forte valeur.

Média, éditeur, site monétisé par la publicité

Bloquez l’entraînement, autorisez la recherche, arbitrez les agents. Votre modèle repose sur des pages vues, et un résumé qui répond à la place de votre article vous prive du revenu associé. Vérifiez impérativement le piège Googlebot décrit plus haut avant d’activer le blocage de l’entraînement chez votre CDN.

Base de connaissance propriétaire ou contenu payant

Le robots.txt ne suffit pas et n’a jamais suffi. Un contenu qui ne doit pas circuler se protège par une authentification, un contrôle d’accès et des conditions d’utilisation opposables. Un fichier texte à la racine du domaine reste une convention entre gens de bonne compagnie.

D’après moi, le débat sur l’entraînement des modèles est un faux débat pour l’écrasante majorité des TPE et PME françaises. Vos 40 pages de site vitrine ne pèsent rien dans un corpus d’entraînement, et leur absence ne changera strictement rien aux capacités du modèle. En revanche, votre absence des réponses générées change tout à votre chiffre d’affaires. Le vrai sujet de 2026 n’est pas « comment empêcher les IA de me lire », c’est « comment m’assurer qu’elles me citent correctement ». J’ai vu beaucoup plus d’entreprises perdre du business en se bloquant par erreur qu’en étant trop ouvertes.

La configuration que je recommande en 2026

Voici la base que je déploie chez mes clients qui ne sont pas éditeurs de contenu payant. Adaptez-la, ne la copiez pas sans réfléchir.

# Robots de recherche et de citation : autorisés
User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

# Agents utilisateurs : autorisés
User-agent: ChatGPT-User
Allow: /

User-agent: Claude-User
Allow: /

User-agent: Perplexity-User
Allow: /

# Robots d'entraînement : à arbitrer selon votre modèle
User-agent: GPTBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: CCBot
Disallow: /

# Moteurs de recherche classiques
User-agent: Googlebot
Allow: /

User-agent: Bingbot
Allow: /

Sitemap: https://votre-domaine.fr/sitemap_index.xml

Trois précisions sur ce fichier. Un Allow: / explicite est inutile au sens strict de la norme, il sert de documentation pour le prochain développeur qui ouvrira le fichier. CCBot est le seul robot que je bloque par défaut, parce que Common Crawl redistribue ses archives sans contrôle sur l’usage final. Les règles d’exclusion de vos pages d’administration, de vos facettes et de vos paramètres d’URL restent nécessaires en plus de celles-ci.

Côté Cloudflare, la configuration correspondante consiste à autoriser Search et Agent, puis à décider séparément pour Training. Si vous choisissez de bloquer Training, allez dans les réglages de sécurité de votre zone et signalez explicitement que vous ne souhaitez aucun changement sur les robots multi-usages, sans quoi Googlebot tombera avec.

Comment vérifier que votre décision est bien appliquée

Une politique de blocage non vérifiée ne vaut rien. Quatre contrôles, dans cet ordre.

1. Testez l’accès réel avec un user-agent déclaré. Depuis un terminal, simulez la visite d’un robot et observez le code retour. Un 200 confirme l’accès, un 403 signale un blocage au niveau du pare-feu.
2. Confrontez votre robots.txt et vos logs serveur. Cherchez les user-agents que vous croyez autoriser. Leur absence totale des logs sur trente jours indique un blocage en amont, au niveau du CDN ou de l’hébergeur, indépendamment de ce que dit votre fichier.
3. Ouvrez le tableau de bord de votre CDN. Sur Cloudflare, la page de gestion du trafic IA affiche l’état des trois catégories. C’est cette page qui fait foi, pas votre robots.txt.
4. Mesurez le résultat, pas le réglage. Un blocage bien configuré se lit dans les citations : votre marque disparaît progressivement des réponses générées. Une autorisation bien configurée se lit de la même manière, en sens inverse.

La commande à lancer pour le premier contrôle :

curl -A "OAI-SearchBot" -I https://votre-domaine.fr/

Le quatrième contrôle est le seul qui relie une décision technique à un effet commercial. Un réglage correct dans une interface ne prouve rien tant que vous n’observez pas son effet sur vos citations.

Transparence : je suis co-fondateur de Cockpyt AI, outil français de suivi de la visibilité des marques dans ChatGPT, Perplexity et Gemini. Le suivi de Google AI Overview et du Mode IA est en développement, sans date de sortie annoncée.

Questions fréquentes

Bloquer GPTBot fait-il baisser mon référencement Google ?

Non. GPTBot appartient à OpenAI et n’a aucun lien avec Googlebot ni avec l’index de Google. Le seul mécanisme capable de faire tomber votre référencement Google en croyant bloquer une IA est le réglage Cloudflare décrit plus haut, qui à partir du 15 septembre 2026 fait tomber Googlebot avec la catégorie Training.

Les bots IA respectent-ils vraiment le robots.txt ?

Les grands opérateurs déclarent respecter la norme RFC 9309 et documentent publiquement leurs user-agents. Des robots moins établis l’ignorent, et certains se présentent sous une identité trompeuse. Un robots.txt exprime une préférence ; seule une règle au niveau du pare-feu applicatif produit un blocage effectif.

Quelle différence entre GPTBot et OAI-SearchBot ?

GPTBot collecte des données pour entraîner les modèles d’OpenAI et ne renvoie aucun trafic. OAI-SearchBot indexe vos pages pour ChatGPT Search et permet à votre site d’être cité avec un lien cliquable. Bloquer le premier tout en autorisant le second est la configuration la plus courante chez les éditeurs.

Comment savoir si mon hébergeur bloque déjà les bots IA à mon insu ?

Lancez une requête curl avec un user-agent de robot IA et regardez le code HTTP. Un 403 ou une page de vérification confirme un blocage côté serveur. Vérifiez ensuite votre tableau de bord CDN : de nombreux comptes ont hérité d’un blocage par défaut activé lors de vagues précédentes, sans intervention du propriétaire du site.

Le fichier llms.txt sert-il à bloquer les IA ?

Non. Le fichier llms.txt est une proposition de format destinée à guider les modèles vers vos contenus principaux, pas un mécanisme d’exclusion. Il ne dispose d’aucune valeur normative et aucun grand moteur n’a annoncé le traiter comme une directive de blocage. Le contrôle d’accès passe par le robots.txt et le pare-feu.

Bloquer les bots IA protège-t-il juridiquement mon contenu ?

Un blocage technique documente votre opposition à l’usage de vos contenus, ce qui peut servir d’élément de preuve, sans constituer une protection juridique en soi. Vos droits d’auteur existent indépendamment de votre robots.txt. Pour un contenu à forte valeur, combinez conditions générales d’utilisation explicites, contrôle d’accès et blocage serveur. Cet article ne remplace pas l’avis d’un avocat spécialisé.

Sources

Faits vérifiés le 18 août 2026. Les règles d’accès des robots IA évoluent vite : la date d’entrée en vigueur des nouveaux réglages Cloudflare est fixée au 15 septembre 2026.

• Cloudflare, « Your site, your rules: new AI traffic options for all customers », 1er juillet 2026 : blog.cloudflare.com
• Cloudflare Developers, « New options to manage AI traffic », changelog du 1er juillet 2026 : developers.cloudflare.com
• Google France, Sébastien Missoffe, « Lancement des Aperçus IA et du Mode IA dans la Recherche Google en France », 22 juillet 2026 : blog.google
• Google Search Central, documentation Google-Extended et robots des moteurs génératifs : developers.google.com