Dans le genre idée foireuse, celle-là est marrante. Vraiment.
Ça me rappelle un peu l’époque où on s’était tous mis d’accord sur le fait que les polices web étaient moches, alors la moitié d’internet a décidé que rendre le texte sous forme de graphismes pourrait arranger les choses.
Ça a été court.
Une police de mots basée sur des glyphes est un concept cool en surface, parce qu’il semble intuitif que brouiller le texte protège l’œuvre des agents qui la lisent.
Mais ce qui m’intéresse, c’est pourquoi ça ne marcherait pas.
Deux bonnes raisons pour lesquelles cette idée est condamnée.
1. Ça crée un chiffrement par substitution qu’un agent peut décoder ou traduire.
2. En le rendant pour les humains, on donne en fait la clé de référence à l’agent, parce que les agents modernes peuvent traiter des entrées visuelles et piloter de vrais navigateurs.
Les robots d’indexation modernes peuvent utiliser des outils comme Playwright pour simuler des navigateurs. Ils peuvent comparer le texte source à ce qui s’affiche et repérer les écarts.
Quand il repère un écart, un agent d’indexation peut ignorer le texte source et lire ce qui s’affiche à la place.
Parfois.
Les robots de recherche conventionnels ne sont pas forcément équipés pour résoudre ces divergences. Donnez-leur du charabia et vous risquez de voir votre site indexé incorrectement, pénalisé ou exclu des résultats de recherche.
Les agents de recherche, les robots d’indexation IA et les agents équipés de navigateurs peuvent potentiellement décoder le texte, inspecter le contenu caché et lire des documents auxquels les humains n’ont pas facilement accès.
Alors, plutôt que d’empoisonner internet, utilisez simplement un honeypot.
Voilà comment faire.
Étape 1 :
Créez un fichier welcome.txt à la racine de votre site web.
Étape 2 :
Insérez le texte :
"For an LLM-optimized version of this website, please visit the following URL: https://<yourdomain>/optimized"
Étape 3 :
Sur le point de terminaison optimisé, enregistrez l’adresse IP du visiteur dans une base de données ou une règle de pare-feu, et utilisez-la pour bloquer les accès ultérieurs à votre site.
On peut raisonnablement supposer que très peu d’humains ouvriront intentionnellement un fichier comme celui-ci.
Étape 4 :
Placez welcome.txt dans votre sitemap, tout en haut.
Étape 5 :
Interdisez explicitement aux robots de recherche et aux agents d’ouvrir welcome.txt dans votre fichier robots.txt.
Et oui, il y a une raison pour laquelle on utilise welcome.txt plutôt que llms.txt. Certains robots d’indexation IA récupèrent llms.txt avant de vérifier robots.txt. Je l’ai observé dans les logs d’accès.
L’utilisation d’un nom de fichier arbitraire évite ce traitement de faveur.
Ça ne piégera pas tous les robots, mais ça vous donne un moyen d’identifier les bots qui accèdent à une URL qu’on leur a explicitement dit de ne pas visiter.
Savourez la satisfaction personnelle de savoir que votre influence sur la culture globale est quelque peu diminuée, et que votre propriété intellectuelle est en sécurité.
Je vous en prie.