Bloquer les robots IA sur WordPress (GPTBot, Claude)

Empêcher ChatGPT, Gemini ou Claude de s'entraîner sur vos contenus ? Voici ce que robots.txt peut vraiment faire et comment bloquer les robots IA dans WordPress.

« Est-ce que je peux empêcher ChatGPT de s’entraîner sur mes articles ? » est devenue l’une des questions qu’on me pose le plus souvent, et elle mérite une réponse franche plutôt qu’un discours alarmiste ou un argumentaire commercial. La version honnête tient en deux moitiés : oui, vous pouvez dire aux grands robots IA de rester dehors — et non, un fichier texte ne peut pas physiquement arrêter un robot qui a décidé de mentir. Laissez-moi vous montrer exactement ce qui est sous votre contrôle, ce qui ne l’est pas, et comment régler votre politique dans WordPress en une minute environ.

L’essentiel

  • Cinq noms distincts permettent de viser les grands robots IA dans robots.txt — GPTBot, Google-Extended, ClaudeBot, PerplexityBot, CCBot. Quatre sont des user-agents (le nom sous lequel un robot se présente à votre serveur) ; Google-Extended est un jeton, décrit au point suivant. OpenAI, Google et Perplexity documentent des règles robots.txt pour leurs robots ; Anthropic et Common Crawl écrivent explicitement qu’ils les respectent. Une réserve pour Perplexity : Cloudflare a rapporté que l’entreprise accédait encore à des sites qui avaient bloqué ses robots déclarés, par des robots non déclarés.
  • Google-Extended est un jeton robots.txt distinct, pas un robot distinct : le bloquer empêche Google d’utiliser vos contenus pour entraîner Gemini ou fonder ses réponses sans toucher à votre référencement classique (les AI Overviews ne figurent pas parmi les produits que Google liste pour ce jeton).
  • robots.txt est une demande, pas un mur — Cloudflare a relevé que Bytespider était le robot IA le plus actif et le plus souvent bloqué sur son réseau, et a vu des robots se faire passer pour des navigateurs : c’est un signal pour les robots honnêtes, pas une contrainte technique.
  • Blaminhor Essentials propose deux couches : le blocage robots.txt (empêche la récupération ou, pour Google-Extended, l’usage de la page par Gemini) et les balises meta noai / noimageai (demandent aux moteurs de ne pas s’entraîner sur ce qu’ils ont quand même récupéré). Utilisez l’une, l’autre, ou les deux.
  • Chaque réglage a son miroir WP-CLI (wp blaminhor seo set --ai-block-chatgpt=true), et tous les contrôles sont désactivés par défaut — c’est vous qui choisissez, délibérément.

Que sont les robots IA, et lesquels comptent vraiment ?

Les robots IA sont des programmes automatisés qui récupèrent des pages web pour entraîner des modèles de langage ou alimenter les réponses de produits IA — chacun désigné par un nom, son user-agent ou, pour Google, un jeton robots.txt (Google-Extended), ce qui permet de l’autoriser ou de le bloquer individuellement. Ce n’est pas un essaim anonyme : c’est une poignée d’agents identifiés, appartenant à des entreprises précises, et connaître leurs noms est tout l’enjeu.

Voici les cinq qui comptent le plus en 2026, et ce que chacun alimente :

NomEntrepriseCe qu’il alimentePris en compte dans robots.txt ?
GPTBotOpenAIL’entraînement des modèles (la recherche ChatGPT récupère les pages avec un robot distinct, OAI-SearchBot)Oui
Google-ExtendedGoogleL’entraînement de Gemini et les réponses qu’il fonde sur vos pages (pas la recherche classique)Oui
ClaudeBotAnthropicL’entraînement des modèles Claude (les réponses et la recherche de Claude récupèrent les pages avec Claude-User et Claude-SearchBot)Oui
PerplexityBotPerplexityLes résultats de recherche et les citations de Perplexity — pas l’entraînement de modèles, selon PerplexityDocumenté, mais Cloudflare a signalé des robots non déclarés
CCBotCommon CrawlUn jeu de données ouvert sur lequel s’entraînent de nombreuses IAOui

Le dernier mérite qu’on s’y arrête : CCBot appartient à Common Crawl, une organisation à but non lucratif dont le jeu de données public sert à entraîner une immense variété de modèles. Bloquez CCBot et vous coupez un canal d’entraînement indirect que vous ne verriez jamais passer dans vos logs.

Chaque entreprise documente ses robots : OpenAI, Google, Anthropic, Perplexity et Common Crawl. À la lecture de ces pages, une seconde famille apparaît, que les cinq cases du module ne couvrent pas. OAI-SearchBot (la recherche ChatGPT), Claude-SearchBot et Claude-User suivent le robots.txt : pour les refuser, copiez ce qu’affiche déjà votresite.com/robots.txt (vos cases cochées y figurent, avec une ligne de sitemap s’il y en a une) dans un fichier robots.txt physique, à la racine de votre serveur, et ajoutez-y leurs lignes à la main, puisque ce fichier remplace celui de WordPress. À partir de là, les cinq cases robots.txt du module ne changent plus rien, car WordPress ne génère plus de robots.txt auquel le module puisse ajouter des lignes : c’est le fichier lui-même qu’il faut modifier. ChatGPT-User et Perplexity-User récupèrent une page parce qu’un utilisateur l’a demandée : OpenAI écrit que les règles robots.txt peuvent ne pas s’appliquer au premier, Perplexity que le second les ignore en général. Pour ces deux-là, tout se joue au niveau du serveur ou du pare-feu, comme le précise l’encadré plus bas.

Le blocage via robots.txt les arrête-t-il vraiment ?

Pour les robots identifiés et respectueux des règles — oui (pour Google-Extended, ce qui s’arrête est l’usage de vos pages pour Gemini, pas les visites de Googlebot) ; pour un robot qui a décidé de les ignorer — non, et quiconque vous affirme le contraire vous survend quelque chose. robots.txt est un protocole de politesse. Il fonctionne parce que des entreprises sérieuses choisissent de l’honorer et publient le nom sous lequel vous pouvez les viser. GPTBot, ClaudeBot, Google-Extended et CCBot font partie de ce camp ; PerplexityBot est documenté de la même façon, avec la réserve rapportée par Cloudflare, juste en dessous.

Mais le protocole n’a aucune dent. L’analyse publiée par Cloudflare en juillet 2024 a relevé que Bytespider (ByteDance) était le robot IA le plus actif et aussi le plus souvent bloqué sur son réseau, a observé des opérateurs de robots usurpant des user-agents de navigateur pour se faire passer pour des humains, et rappelle qu’un blocage robots.txt ne vaut que si l’opérateur choisit de le respecter (Cloudflare). En août 2025, Cloudflare a aussi rapporté que, sur des sites qui avaient bloqué les robots déclarés de Perplexity, l’entreprise accédait encore aux contenus par des robots non déclarés (Cloudflare). Le bon modèle mental est donc un panneau « défense d’entrer », pas un portail verrouillé. Il stoppe net la majorité honnête et ne fait rien contre un acteur malveillant déterminé — pour ceux-là, la défense se joue au niveau du serveur ou du pare-feu, pas dans un fichier texte.

Bloquer Google ne va-t-il pas ruiner mon référencement ?

Non — et c’est le malentendu qui empêche les gens d’agir. Google fait tourner une seule exploration avec deux contrôles distincts. Googlebot explore votre site pour la recherche classique. Google-Extended n’est pas un second robot mais un jeton robots.txt, lu pendant cette même exploration, qui gouverne uniquement si vos contenus peuvent servir à entraîner les modèles Gemini ou à fonder leurs réponses. La documentation de Google précise que ce jeton « n’a pas d’incidence sur l’inclusion d’un site dans la recherche Google et n’est pas utilisé comme signal de classement » (notre traduction), et ne liste pas les AI Overviews parmi les produits concernés.

Bloquer Google-Extended revient à dire à Google « n’utilisez pas mes contenus pour Gemini », pendant que Googlebot continue d’explorer votre site et que Google continue de le classer exactement comme avant. Vous ne perdez rien dans les liens bleus. C’est précisément cette séparation nette qui fait du blocage de l’entraînement IA une décision à faible risque pour la plupart des propriétaires de sites : vous ne choisissez pas entre Google et votre tranquillité, vous déclinez un usage bien précis.

Comment bloquer les robots IA dans WordPress ?

Dans WordPress, vous cochez parmi les cinq noms ceux que vous refusez, et le module SEO/GEO ajoute les bonnes règles au robots.txt que WordPress génère. Avec Blaminhor Essentials, voici le parcours :

  1. Ouvrez l’onglet GEO/AEO du module SEO/GEO. Il regroupe au même endroit les contrôles IA qui valent pour tout le site (la case noai par page se trouve, elle, dans le bloc SEO de l’éditeur), à côté du llms.txt (les données structurées ont leur propre onglet Schema).
  2. Sous Bloquer via robots.txt, cochez les noms que vous voulez refuser — GPTBot, Google-Extended, ClaudeBot, PerplexityBot, CCBot. Chaque case est indépendante : vous pouvez bloquer les robots d’entraînement tout en accueillant ceux qui citent leurs sources.
  3. Activez si vous le souhaitez les balises meta noai. Cela ajoute noai et noimageai à vos pages, demandant aux moteurs de ne pas utiliser pour l’entraînement les contenus qu’ils ont quand même récupérés — une seconde couche derrière le blocage (Google, par exemple, récupère quand même vos pages avec la case Google-Extended cochée ; seul l’usage par Gemini s’arrête).
  4. Enregistrez. Le module ajoute un bloc clairement identifié au robots.txt que WordPress génère (User-agent: GPTBot / Disallow: /, une entrée par nom choisi). Visitez votresite.com/robots.txt pour le constater. Si un fichier robots.txt physique se trouve à la racine de votre serveur, WordPress ne génère jamais le sien et rien n’est ajouté : copiez les lignes dans ce fichier à la place.

La section AI Crawlers du module SEO/GEO : une case à cocher par nom pour le blocage via robots.txt, plus l'interrupteur des balises meta noai. Une case par nom. Bloquez les robots d’entraînement, accueillez les moteurs de citation, ou refusez tout le monde — c’est vous qui décidez, nom par nom.

Vous préférez la ligne de commande ? Chaque réglage a son jumeau WP-CLI, de quoi appliquer la politique à tout un parc de sites en un seul script :

wp blaminhor seo set --ai-block-chatgpt=true --ai-block-claude=true --ai-block-common-crawl=true

La même validation s’exécute, que vous cliquiez ou que vous tapiez — la CLI n’est pas un citoyen de seconde zone greffé après coup.

Les bloquer ou les inviter — comment trancher ?

Décidez moteur par moteur, selon que vous préférez protéger vos contenus ou être cité(e) par les IA. Il n’existe pas de réponse universellement juste, et c’est rarement tout ou rien.

Bloquez-les si votre écriture est votre produit — une publication payante, de la recherche originale, un portfolio que vous refusez de voir reformulé en réponse sans le moindre clic en retour. Laissez-les passer si la découvrabilité compte plus que la protection et que vous échangez volontiers un crawl contre une citation dans ChatGPT ou Perplexity. Beaucoup de sites coupent la poire en deux : bloquer les purs robots d’entraînement comme CCBot, autoriser ceux qui renvoient du trafic.

Ce qu’il faut retenir

Vous avez un contrôle réel et simple sur la majorité honnête des robots IA, et les bloquer ne vous coûte rien dans la recherche classique. Ce que vous n’avez pas, c’est un mur magique contre les robots qui ignorent les règles — pour ceux-là, le combat se déplace vers votre serveur. Définissez votre politique robots.txt délibérément, ajoutez les balises noai en filet de sécurité si vous le souhaitez, et revisitez le tout à mesure que de nouveaux robots apparaissent.

Puis rendez-la cohérente avec l’autre moitié de la question SEO/IA : si vous voulez être cité(e), associez une politique ouverte à une carte llms.txt propre de vos contenus. Le contrôle des robots IA fait partie du module SEO/GEO, l’un des 26 modules de Blaminhor Essentials — gratuit et open source sur WordPress.org.

– blaminhor

FAQ

Bloquer un robot dans robots.txt l'arrête-t-il vraiment ?

Pour les robots identifiés et respectueux des règles — GPTBot, ClaudeBot, Google-Extended, CCBot — oui : OpenAI et Google documentent des règles robots.txt pour leurs robots, et Anthropic et Common Crawl écrivent explicitement qu'ils les respectent. Une réserve pour Google-Extended : Googlebot continue de visiter vos pages, seul l'usage de vos contenus pour Gemini s'arrête. Mais robots.txt est une demande, pas un mur : l'analyse publiée par Cloudflare en 2024 a relevé que Bytespider était le robot IA le plus actif et le plus souvent bloqué sur son réseau, a observé des robots se faisant passer pour des navigateurs, et rappelle qu'un blocage ne vaut que si l'opérateur du robot le respecte ; en août 2025, Cloudflare a rapporté que Perplexity, qui documente les mêmes règles pour PerplexityBot, accédait encore aux contenus de sites ayant bloqué ses robots déclarés, par des robots non déclarés. Considérez-le comme un signal clair pour les robots honnêtes, pas comme une contrainte pour les malhonnêtes.

Bloquer Google-Extended va-t-il pénaliser mon référencement Google classique ?

Non. Google-Extended contrôle uniquement si les contenus que Google explore peuvent servir à entraîner les modèles Gemini ou à fonder leurs réponses. C'est un jeton robots.txt, pas un robot distinct : Google le lit pendant son exploration normale, et sa documentation indique qu'il n'a aucun effet sur l'inclusion ni sur le classement dans la recherche (les AI Overviews ne figurent pas parmi les produits qu'elle liste pour ce jeton). Bloquer Google-Extended vous sort de l'entraînement de Gemini tout en laissant votre positionnement habituel intact.

Quelle différence entre la balise meta noai et le blocage via robots.txt ?

Les balises meta noai et noimageai demandent aux moteurs IA de ne pas utiliser pour l'entraînement un contenu qu'ils ont déjà récupéré — une requête polie, appliquée page par page. Le blocage robots.txt empêche le robot de récupérer la page tout court (avec Google-Extended, Google récupère quand même la page, seul l'usage par Gemini s'arrête). Les deux agissent à des étapes différentes : vous pouvez les cumuler, bloquer le robot et baliser les pages en filet de sécurité.

Faut-il bloquer les robots IA ou pas ?

Tout dépend de votre objectif. Bloquez-les si votre contenu est votre produit et que vous refusez qu'il entraîne des modèles ou soit résumé sans clic vers vous. Laissez-les passer si vous voulez être cité dans les réponses IA et gagner en visibilité par ce canal. C'est rarement tout ou rien : beaucoup de sites bloquent les robots d'entraînement comme CCBot tout en accueillant ceux qui citent leurs sources.

Peut-on bloquer les robots IA en ligne de commande ?

Oui. Dans Blaminhor Essentials, chaque case à cocher a son miroir WP-CLI — par exemple `wp blaminhor seo set --ai-block-chatgpt=true` — pour scripter la politique sur un parc de sites ou l'intégrer à un déploiement. La même validation s'exécute, que vous cochiez la case ou que vous tapiez la commande.

Bloquer les robots IA ralentit-il ou casse-t-il mon site ?

Non. Le blocage se résume à quelques lignes ajoutées au robots.txt que WordPress génère ; il n'ajoute aucun coût à l'exécution et ne touche à rien de ce que voit un visiteur humain. Il change uniquement ce que les robots IA automatisés lisent quand ils consultent votre robots.txt avant de crawler. Une réserve : si un fichier robots.txt physique se trouve à la racine de votre serveur, WordPress ne génère jamais le sien et le module n'ajoute rien — copiez alors les lignes dans ce fichier.

blaminhor Je construis ce qui manque.

Commentaires