Vos photos servent-elles à entraîner l'IA ? Test robots.txt de 8 hébergeurs (2026)
Depuis l'entrée en application de l'AI Act européen, les fournisseurs de modèles d'IA à usage général doivent publier un résumé de leurs données d'entraînement — une avancée sur le papier. Mais ce que ce résumé ne dit jamais, c'est si les plateformes qui hébergent vos propres photos laissent seulement les robots d'IA y accéder. C'est précisément ce que j'ai vérifié, à la source, sans passer par des résumés tiers.
Le résultat d'abord, les preuves ensuite
Sur les 8 hébergeurs de photos et services de partage vérifiés, seul Catbox bloque nommément GPTBot, ClaudeBot, Google-Extended et CCBot dans son robots.txt. Flickr obtient un effet comparable avec une autre approche. Le robots.txt d'Imgur ne bloque rien, mais ses conditions d'utilisation interdisent explicitement à des tiers d'utiliser le contenu de la plateforme pour l'entraînement d'IA. Chez ImgBB et Postimages, le robots.txt est vide — aucune règle en pratique. lpic.cc n'a pour l'instant aucune règle dédiée aux robots IA. Toutes ces informations proviennent de contenus réellement récupérés en septembre 2026, pas d'une lecture indirecte de documentation.
Comment cette enquête a été menée
J'ai récupéré le fichier robots.txt de chacun des 8 domaines directement via curl (pas l'interprétation d'un outil tiers), puis utilisé un outil de scraping web pour lire l'intégralité des conditions d'utilisation de chaque service et citer mot pour mot les passages relatifs à la « portée de la licence » et à « l'IA / l'apprentissage automatique ». Là où je n'ai rien trouvé, ou lorsqu'un point n'était tout simplement pas abordé dans les conditions, j'ai indiqué « non mentionné » — je ne comble jamais ce vide de mémoire.
Cinq robots IA ont été comparés, chacun avec un usage différent :
- GPTBot — robot d'OpenAI dédié à la collecte de données d'entraînement
- ClaudeBot — robot d'Anthropic dédié à la collecte de données d'entraînement (à distinguer de
Claude-User/Claude-SearchBot, également d'Anthropic mais utilisés pour la récupération en temps réel) - Google-Extended — jeton de retrait spécifique de Google pour l'entraînement des modèles génératifs comme Gemini, distinct de Googlebot qui gère l'indexation de recherche
- CCBot — robot de Common Crawl ; de nombreux jeux de données d'entraînement de LLM sont dérivés de ce qu'il collecte
- PerplexityBot — robot de Perplexity
Tableau comparatif complet
Données à jour de septembre 2026. « Non listé » signifie que ce user-agent n'apparaît pas nommément dans le robots.txt du site ; le traitement réel dépend alors de la règle par défaut dans laquelle il tombe.
| Service | CGU mentionnent l'entraînement IA ? | GPTBot | ClaudeBot | Google-Extended | CCBot | PerplexityBot |
|---|---|---|---|---|---|---|
| Catbox | non mentionné | bloqué (nommément) | bloqué (nommément) | bloqué (nommément) | bloqué (nommément) | non listé → autorisé par la règle * |
| Flickr | non mentionné | bloqué (absent de la liste blanche, tombe sous User-agent: * / Disallow: /) |
bloqué (idem ; mais Claude-User et Claude-SearchBot, deux UA non liés à l'entraînement, sont nommément autorisés) |
bloqué (idem) | bloqué (idem) | autorisé (nommément sur liste blanche) |
| Imgur | oui — interdit explicitement à des tiers de collecter ou d'utiliser le contenu de la plateforme à des fins d'IA/apprentissage automatique | non listé → autorisé par la règle * |
non listé → autorisé | non listé → autorisé | non listé → autorisé | non listé → autorisé |
| Google Photos | les CGU générales de Google interdisent « d'entraîner des modèles de machine learning avec le contenu de ce service », sans mention spécifique pour Photos | non listé ; chemins de partage/album entièrement bloqués pour * |
idem | idem | idem | idem |
| ImgBB | non mentionné | autorisé (robots.txt vide) | autorisé | autorisé | autorisé | autorisé |
| Postimages | non mentionné | autorisé (robots.txt vide) | autorisé | autorisé | autorisé | autorisé |
| Albums partagés iCloud | non mentionné ; la page confidentialité d'Apple Intelligence précise séparément que le contenu privé n'est pas utilisé pour entraîner les modèles de base sans consentement | non listé ; /sharedalbum/, /photos/ entièrement bloqués pour * (exception : Googlebot autorisé sur tout le site) |
idem | idem | idem | idem |
| lpic.cc | non mentionné ; la portée de la licence se limite au « stockage, traitement (par ex. compression/conversion de format) et transmission », sans clause générale « à toute fin » | autorisé (Allow: /, seuls /admin/ et /api/ bloqués) |
autorisé | autorisé | autorisé | autorisé |
robots.txt n'est qu'un accord de bonne volonté, il faut le dire clairement
Tout ce qui précède décrit « ce que disent les règles », pas « ce que les robots respectent réellement en pratique ». robots.txt n'a aucune force contraignante technique — qu'un robot respecte une règle Disallow: / dépend uniquement de l'autodiscipline de son opérateur. Je n'ai vérifié ici que le texte des règles lui-même, sans mener d'analyse de trafic pour confirmer si ces cinq entreprises d'IA respectent effectivement les engagements qu'elles prétendent tenir vis-à-vis de robots.txt — ce serait une tout autre enquête, pas une simple lecture de règles. Ce point compte pour bien situer la section sur lpic.cc plus bas, d'où cette précision en amont.
Analyse détaillée service par service
Catbox : la liste de blocage la plus complète, avec un trou pour PerplexityBot
Le robots.txt de Catbox est écrit de la façon la plus directe qui soit : d'abord une règle générale pour tous les UA (ne bloque que /contact.php, /user/ et quelques autres pages fonctionnelles), puis une liste nommée bloquant ClaudeBot, Claude-User, Claude-SearchBot, GPTBot, Google-Extended, CCBot, Meta-ExternalAgent, FacebookBot, Bytespider, Applebot-Extended — dix UA d'entraînement ou d'agrégation, entièrement bloqués via Disallow: /.
Mais PerplexityBot ne figure pas sur cette liste. Non listé nommément, il retombe sur la règle générale — le site lui est donc ouvert (à l'exception des quelques pages fonctionnelles). Je ne sais pas si cette liste n'a simplement pas été mise à jour, ou s'il s'agit d'un choix délibéré (Perplexity se positionne officiellement comme un assistant de recherche en temps réel, pas comme un robot d'entraînement) — je n'ai trouvé aucune déclaration publique de Catbox qui réponde à cette question, et je préfère ne pas trancher. Ce qu'on peut affirmer avec certitude : même le service le plus rigoureux de ce comparatif présente une faille concrète et vérifiable.
Flickr : une « liste blanche » pour obtenir l'effet inverse de Catbox
Flickr fait l'inverse : d'abord une longue liste d'UA autorisés (Googlebot, bingbot, ChatGPT-User, Claude-SearchBot, Claude-User, OAI-SearchBot, PerplexityBot, etc.), n'ouvrant l'accès qu'à eux (moins quelques chemins), puis une règle finale User-agent: * / Disallow: /.
Autrement dit, tout UA qui n'a pas été explicitement invité sur cette liste blanche se retrouve bloqué sur l'ensemble du site. GPTBot, ClaudeBot, Google-Extended, CCBot n'y figurent pas et tombent donc tous sous ce Disallow: / final. Le résultat est identique à celui de Catbox — robots de recherche/temps réel autorisés, gros robots d'entraînement bloqués — mais obtenu par une méthode techniquement opposée : une liste noire d'un côté, une liste blanche de l'autre.
Imgur : robots.txt ouvert, CGU verrouillées
Le robots.txt d'Imgur ne traite aucun UA lié à l'IA de manière spécifique, la règle générale ne bloquant que les pages fonctionnelles (compte, téléchargement, déconnexion) — les pages d'images et d'albums restent ouvertes à tous les robots. Les conditions d'utilisation, en revanche, sont d'une clarté frappante sur l'usage par des tiers :
« ...create derivative works based on our service...including for any purposes related to AI machine learning/use on AI platforms... » (extrait de la liste des usages interdits)
et plus loin :
« ...any use of our service...for any commercial purpose, including without limitation AI machine learning, use on AI platforms, etc., you must first obtain our express signed written consent... »
Cette interdiction vise les « tiers », pas une autolimitation — la manière dont MediaLab.Ai, la société mère d'Imgur, utilise elle-même le contenu de la plateforme n'est encadrée par aucune clause équivalente. La formulation précise serait donc : Imgur ouvre techniquement la porte à tout le monde (robots.txt), mais interdit juridiquement (CGU) de récupérer le contenu pour l'entraînement d'IA. Une combinaison « je te laisse entrer, mais tu n'as pas le droit d'utiliser ce que tu récupères pour ça » — stratégiquement l'inverse de Catbox et Flickr, qui bloquent techniquement dès la porte.
ImgBB, Postimages : des règles tout simplement vides
Pour les deux, j'ai vérifié directement la réponse HTTP du robots.txt via curl : Content-Length: 0 — pas une erreur de récupération, le site renvoie réellement un fichier vide. Aucune règle Disallow, tous les robots (y compris les cinq robots IA) ont techniquement le champ libre. Les CGU ne mentionnent pas non plus l'entraînement IA, mais les deux plateformes s'octroient une licence très large sur leur propre contenu (chez ImgBB, textuellement : « for any purpose, commercial, advertising, or otherwise »). Cette licence large est accordée à la plateforme elle-même, pas un blanc-seing pour des entreprises d'IA — mais cela signifie aussi que rien dans les CGU n'empêche la plateforme de licencier un jour ce contenu à des fins d'entraînement IA.
Google Photos, albums partagés iCloud : peut-être la mauvaise question
Aucun des deux services n'a de règle robots.txt dédiée à un robot IA, mais leur règle générale bloque intégralement /photo/, /shared, /sharing (Google Photos) et /sharedalbum/, /photos/ (iCloud) pour tout UA non explicitement autorisé — aucun des cinq robots IA n'obtient d'exception.
Il existe pourtant une différence structurelle avec les six autres services : Imgur, ImgBB, Postimages, Catbox, Flickr et lpic.cc sont conçus pour que leurs pages d'images soient consultables publiquement (certaines finissant même indexées ; la page de visualisation de lpic.cc porte en revanche un noindex). Les albums Google Photos et iCloud fonctionnent par défaut via une URL non devinable, sans aucune liste publique ni lien interne y menant. Que robots.txt bloque ou non a donc un impact limité sur cette architecture « l'URL fait office de clé » — un robot devrait d'abord connaître l'URL avant même de pouvoir consulter robots.txt. C'est une logique de protection fondamentalement différente de celle des six premiers services, dont les pages sont d'emblée indexables publiquement et ne sont contenues que par robots.txt. Il est important de le préciser, pour ne pas donner l'impression erronée que Google et Apple appliqueraient la même stratégie que Catbox.
L'AI Act européen face à la réalité de ce comparatif
L'AI Act européen impose désormais aux fournisseurs de modèles d'IA à usage général (GPAI) de publier un résumé public du contenu utilisé pour l'entraînement, et exige en plus le respect du droit d'auteur européen — y compris l'obligation de respecter les retraits (opt-out) documentés exprimés par les titulaires de droits. C'est précisément là qu'intervient techniquement le blocage via robots.txt : c'est l'un des moyens les plus courants en pratique pour signaler un tel retrait. Plusieurs autorités européennes de protection des données — dont la CNIL en France — ont par ailleurs publié leurs propres recommandations sur les conditions dans lesquelles le scraping massif de contenus personnels pour l'entraînement d'IA dispose d'une base légale valide au regard du RGPD.
Ce que cela signifie pour ce comparatif : un blocage via robots.txt est un signal technique, pas une garantie juridique, et l'AI Act ne change rien directement à cela — il oblige les fournisseurs d'IA à documenter et à respecter les retraits exprimés, mais ne vérifie pas automatiquement si un hébergeur d'images donné a lui-même activé ce signal. Or, parmi les huit services comparés ici, seule une minorité a effectivement activé ce signal technique, comme montré plus haut.
Ce que fait Cloudflare en ce moment, et le rapport avec ces hébergeurs
Le 15 septembre 2026, Cloudflare a publié officiellement l'article de blog « Have it both ways: stay discoverable in search while disallowing AI training », classant désormais officiellement le comportement des robots en trois catégories : Search (construction d'un index de recherche), Training (entraînement ou affinage d'un modèle) et Agent (action en temps réel confiée par un utilisateur, par exemple une recherche d'information). À partir de cette date, tout domaine nouvellement rattaché à Cloudflare hérite d'une nouvelle configuration par défaut : les sites avec publicité autorisent Search par défaut, bloquent Training, et bloquent Agent sur les pages publicitaires ; les sites sans publicité autorisent les trois catégories par défaut. C'est la mise en œuvre concrète de la Content Signals Policy introduite en septembre 2025 (qui définit les trois signaux search / ai-input / ai-train comme extension du format robots.txt).
Je n'ai pas vérifié, et je n'affirme pas non plus avoir vérifié, si ces huit hébergeurs de photos sont clients de Cloudflare — cela ne faisait pas partie de cette enquête et ne peut pas en être déduit. Une coïncidence mérite toutefois d'être notée : la structure actuelle du robots.txt de Flickr correspond déjà exactement à la logique que Cloudflare promeut ici (laisser passer les robots de recherche/agents, bloquer les robots d'entraînement) — sauf que Flickr y parvient par une liste d'UA gérée manuellement, sans lien avec la nouvelle configuration par défaut de Cloudflare.
La politique actuelle de lpic.cc (en toute franchise)
Le robots.txt de lpic.cc se présente actuellement ainsi (vérifié en 2026-09) :
User-Agent: *
Allow: /
Disallow: /admin/
Disallow: /api/
Sitemap: https://lpic.cc/sitemap-index.xml
Aucune règle dédiée à GPTBot, ClaudeBot, Google-Extended, CCBot ou PerplexityBot — à ce niveau, cela revient à tous les autoriser. Côté conditions d'utilisation, la portée de la licence est formulée ainsi : « vous autorisez ce service à stocker, traiter (par exemple compresser ou convertir le format) et transmettre le contenu téléversé » — une portée nettement plus restreinte que la clause générale « à toute fin » d'Imgur, ImgBB ou Postimages, mais sans que les mots « IA » ou « apprentissage automatique » n'apparaissent nulle part : ni promesse, ni interdiction.
En combinant ces deux constats, la formulation honnête est : le robots.txt et les CGU de lpic.cc n'offrent actuellement aucun blocage actif contre les robots d'entraînement IA — sur ce point, il se situe au même niveau qu'Imgur, ImgBB, Postimages, Google Photos et iCloud, pas mieux (la couche CDN placée devant le site dispose de ses propres réglages de gestion des robots, qui sortent du périmètre de vérification de cet article — nous ne prenons pas position dessus et n'en tirons aucune garantie de protection). Nous ne prétendons pas qu'un contenu hébergé sur lpic.cc a moins de chances de servir à l'entraînement d'une IA, puisqu'aucune règle ne soutient cette affirmation — et même une règle du type Disallow: GPTBot ne serait, comme expliqué plus haut, qu'un engagement de bonne volonté dont le taux de respect réel n'a jamais été mesuré. Suivre l'exemple de Catbox ou de Flickr est une décision produit à part entière, distincte de l'exigence, pour cet article, de décrire honnêtement la situation actuelle.
Quel service choisir selon votre priorité
| Ce qui compte pour vous | Service à privilégier | Pourquoi |
|---|---|---|
| Un hébergeur qui bloque activement et techniquement les robots d'entraînement connus | Catbox | robots.txt bloque nommément 4 des 5 robots ciblés — le seul de ce comparatif à le faire |
| Partager publiquement et être indexé par les moteurs de recherche, sans être scanné par les robots d'entraînement | Flickr | la structure en liste blanche atteint exactement l'effet « indexable, pas entraînable » — mais c'est une pratique opérationnelle existante, pas une prise de position publique de Flickr sur l'IA |
| Simplement héberger des images gratuitement, sans se préoccuper particulièrement de l'IA | ImgBB / Postimages | robots.txt sans restriction, prise en main la plus rapide, mais licence de contenu très large dans les CGU — un consentement tacite de fait à « toute fin » |
| Une portée de licence de la plateforme la plus restreinte possible (stockage/traitement/transmission uniquement) | lpic.cc | le texte de CGU le plus restreint de ce comparatif, mais sans blocage technique contre les robots IA |
| Des photos qui ne sont d'emblée pas exposées publiquement, hors index | Album partagé Google Photos / iCloud | protection par URL non devinable plutôt que par robots.txt, une logique structurellement différente des six autres |
Questions fréquentes
Q : Si robots.txt indique Disallow, une entreprise d'IA ne pourra-t-elle vraiment jamais crawler le site ?
Non. robots.txt est un accord de bonne volonté sans force contraignante technique. Cette enquête ne vérifie que « ce que dit la règle » ; le respect effectif de ces règles par les cinq entreprises d'IA n'a pas été mesuré séparément.
Q : Les CGU ne mentionnent pas du tout l'entraînement IA — mes photos sont-elles plus en sécurité pour autant ? Non. L'absence de mention signifie généralement soit que le sujet n'était pas une priorité au moment de la rédaction, soit que l'opérateur préfère se garder une marge de manœuvre. Combinée aux licences très larges « à toute fin » d'Imgur, ImgBB ou Postimages, cette absence de clarté peut être un risque plutôt qu'une protection.
Q : lpic.cc bloque-t-il spécifiquement les robots d'entraînement IA ? Pas au niveau robots.txt. Au moment de la vérification en septembre 2026, les cinq UA ciblés sont tous autorisés à ce niveau (les réglages de gestion des robots au niveau CDN sortent du périmètre de vérification de cet article). C'est une description honnête de l'état actuel, pas une promesse que cela ne changera jamais.
Q : L'AI Act européen oblige-t-il des hébergeurs comme ceux-ci à bloquer les robots IA ? Pas directement. L'AI Act impose avant tout la transparence et le respect des retraits documentés (par exemple via robots.txt) aux fournisseurs de modèles d'IA à usage général — il n'impose pas à chaque hébergeur d'images d'activer un tel retrait. Qu'un service ajoute un blocage robots.txt reste, à ce jour, son propre choix.
Q : La classification en trois catégories de Flickr (Search/Training/Agent) a-t-elle un lien direct avec la nouvelle politique de Cloudflare ? Aucun lien direct. C'est un mécanisme au niveau de la plateforme Cloudflare, applicable aux domaines qui y sont rattachés — cet article n'a pas vérifié si ces huit services sont clients de Cloudflare. Le fait que les règles existantes de Flickr produisent un effet similaire relève de la pure coïncidence, pas d'une réaction à l'annonce de Cloudflare.
Q : Pourquoi PerplexityBot n'est-il pas sur la liste de blocage de Catbox ? La raison exacte est inconnue, et je n'ai trouvé aucune déclaration publique des opérateurs de Catbox à ce sujet. Cela peut venir d'une liste non mise à jour, ou d'un choix délibéré — Perplexity se positionne officiellement comme un assistant de recherche en temps réel, différent d'un robot de collecte pure pour l'entraînement. Cette section se contente de présenter l'écart entre les règles, sans avancer d'hypothèse sur la motivation.
Sources et date de vérification
Toutes les informations suivantes proviennent de contenus originaux récupérés directement le 2026-09-25 par fetch/curl, et non de résumés tiers :
- robots.txt d'Imgur :
https://imgur.com/robots.txt - Conditions d'utilisation d'Imgur :
https://imgur.com/tos - robots.txt d'ImgBB :
https://imgbb.com/robots.txt(HTTP 200, Content-Length: 0) - Conditions d'utilisation d'ImgBB :
https://imgbb.com/tos - robots.txt de Postimages :
https://postimages.org/robots.txt(HTTP 200, Content-Length: 0) - Conditions d'utilisation de Postimages :
https://postimages.org/terms - robots.txt de Catbox :
https://catbox.moe/robots.txt - Conditions/confidentialité de Catbox :
https://catbox.moe/legal.php - robots.txt de Flickr :
https://www.flickr.com/robots.txt - Conditions d'utilisation de Flickr :
https://www.flickr.com/help/terms - Politique de confidentialité de Flickr :
https://www.flickr.com/help/privacy - robots.txt de Google Photos :
https://photos.google.com/robots.txt - Conditions d'utilisation de Google :
https://policies.google.com/terms - Politique de confidentialité de Google :
https://policies.google.com/privacy - robots.txt d'iCloud :
https://www.icloud.com/robots.txt - Conditions d'utilisation d'iCloud :
https://www.apple.com/legal/internet-services/icloud/ - Page confidentialité d'Apple Intelligence :
https://www.apple.com/privacy/features/ - robots.txt de lpic.cc :
https://lpic.cc/robots.txt - Conditions d'utilisation de lpic.cc : page interne
/terms, texte i18n correspondant (termsIntellectualDesc) - Article de blog Cloudflare (classification des robots en trois catégories, publié le 2026-09-15) :
https://blog.cloudflare.com/accountable-mixed-use-ai-crawlers/ - Content Signals Policy de Cloudflare (précurseur de cette classification, publiée le 2025-09-24) :
https://blog.cloudflare.com/content-signals-policy/