--- mpf: '0.7' title: Préparation à l’IA — ESFI Docs url: https://docs.esfi.eu/fr/topics/ai-readiness/ mpf-url: https://docs.esfi.eu/fr/topics/ai-readiness/index.mpf organization: European Strategy & Future Infrastructure domain: docs.esfi.eu lang: fr updated: '2026-11-03' author: ESFI provenance: human source-hash: 607f61ff8592a8bb3210bcf59984c39fc309eddef79f4c46895165324972708a toc: - level: 1 text: Préparation à l’IA id: préparation-à-l-ia - level: 2 text: Le problème est la publication, pas l’IA id: le-problème-est-la-publication-pas-l-ia - level: 2 text: Les machines sont déjà vos lecteurs id: les-machines-sont-déjà-vos-lecteurs - level: 2 text: Ce qu’une machine ne devrait pas avoir à deviner id: ce-qu-une-machine-ne-devrait-pas-avoir-à-deviner - level: 2 text: Un texte propre ne suffit pas id: un-texte-propre-ne-suffit-pas - level: 2 text: Une déclaration est un reçu, jamais un verdict id: une-déclaration-est-un-reçu-jamais-un-verdict - level: 2 text: Ouvert par conception, pas un nouveau gardien id: ouvert-par-conception-pas-un-nouveau-gardien - level: 2 text: Le lisible par machine ne doit pas devenir une porte dérobée id: le-lisible-par-machine-ne-doit-pas-devenir-une-porte-dérobée - level: 2 text: Ce que nous avons construit id: ce-que-nous-avons-construit - level: 2 text: Comment nous travaillons ensemble id: comment-nous-travaillons-ensemble - level: 2 text: Là où nous sommes prudents id: là-où-nous-sommes-prudents - level: 2 text: Lectures complémentaires id: lectures-complémentaires - level: 2 text: Évolution de cette position id: évolution-de-cette-position - level: 2 text: Sur cette page id: sur-cette-page spec-origin: esfi.eu content-origin: docs.esfi.eu content-id: esfi:page:topics-ai-readiness content-parity: html: true human-visible-source: true hidden-sections: false summary: Les machines peuvent-elles le lire comme vous l’entendez ? index: true confidence: probable content-type: analysis companion-footer: ESFI — civilization infrastructure · https://esfi.eu companion-contact: mailto:hermes@esfi.eu preferred-representation: mpf companion-scope: cite: true summarize: true train: true index: true relay: true language-variants: en: https://docs.esfi.eu/topics/ai-readiness/index.mpf fr: https://docs.esfi.eu/fr/topics/ai-readiness/index.mpf nl: https://docs.esfi.eu/nl/topics/ai-readiness/index.mpf de: https://docs.esfi.eu/de/topics/ai-readiness/index.mpf hr: https://docs.esfi.eu/hr/topics/ai-readiness/index.mpf mpf-id: 244fdfb148022fa893935c5e7dd811bec68699648f326ce8467582dab4e67c45 --- Langue ✕ /fr/topics/ai-readiness/index.mpf[ouvrir le fichier ↗](/fr/topics/ai-readiness/index.mpf)[spécification ↗](/fr/standards/mpf/0.7)✕ chargement… # Préparation à l’IA {#préparation-à-l-ia} **Les machines peuvent-elles le lire comme vous l’entendez ?** Une institution publique publie une nouvelle version d’un règlement, avec une note claire indiquant que la version précédente ne s’applique plus. Une semaine plus tard, des citoyens interrogent un assistant IA sur les règles. La réponse cite l’ancienne version. Dans un autre cas, l’assistant mélange la page anglaise avec une traduction obsolète et présente le résultat comme la position de l’institution. Dans un troisième, il résume comme définitif un projet publié pour consultation. L’institution n’a rien fait de mal selon les standards du web. Ses pages sont exactes, clairement écrites et faciles à lire pour les personnes. Mais les machines qui les lisaient ont dû deviner quel document était actuel, quelle traduction était équivalente et quel texte faisait autorité. Elles se sont trompées. C’est le problème que nous désignons par préparation à l’IA. Il ne s’agit pas de produire un contenu spécial pour l’IA. **C’est une propriété de la manière dont l’information publique est publiée : une machine peut-elle identifier ce qu’elle lit, quelle version est actuelle et ce que l’éditeur entend déclarer, sans avoir à le reconstruire ?** Pour nous, c’est un problème de publication, et les éditeurs peuvent le résoudre. Notre position est simple. **L’information publique ne devrait pas obliger les machines à deviner.** Les décisions qui comptent — de quelle ressource il s’agit, quelle représentation fait autorité, qui en répond, à quel point elle est actuelle — devraient passer de l’inférence de la machine à des déclarations contrôlées par l’éditeur. * * * ## Le problème est la publication, pas l’IA {#le-problème-est-la-publication-pas-l-ia} Une grande partie de la discussion sur la préparation à l’IA part du modèle. Comment rendre notre contenu attractif pour l’IA ? Comment optimiser pour les réponses plutôt que pour les résultats de recherche ? Nous partons de l’éditeur. Les institutions publient déjà des informations faisant autorité au travers d’interfaces conçues pour les personnes et les navigateurs. Une personne peut généralement distinguer quelle partie d’une page est le document et laquelle est la navigation, quelle version est actuelle, quelle langue elle lit et quelle organisation en répond. Une machine peut extraire les mêmes mots et manquer malgré tout chacune de ces relations. Deux machines lisant le même site peuvent parvenir à des conclusions différentes sur l’adresse canonique, sur le fait que deux pages représentent ou non le même document, sur le fait que l’une soit ou non une traduction de l’autre, et sur la validité actuelle de ce qu’elles ont lu. Rien de cela n’est une défaillance du modèle. C’est une lacune dans l’interface que publie l’institution. ## Les machines sont déjà vos lecteurs {#les-machines-sont-déjà-vos-lecteurs} Toute institution publique a désormais une nouvelle catégorie de lecteur régulier. Elle ne l’a pas demandée et, dans la plupart des cas, n’a pas adapté sa publication en conséquence. **Nous considérons les lecteurs machines comme des clients de premier rang de l’information publique.** Cela ne signifie pas construire un deuxième site web pour l’IA, ni écrire différemment pour les machines et pour les personnes. Cela signifie publier une représentation orientée machine comme partie de la même ressource, et rendre explicite la relation entre les deux. Une page humaine et sa représentation machine peuvent porter le même contenu sans être le même fichier. Ce qui compte est que la relation soit déclarée : il s’agit du même document logique, voici son adresse humaine canonique, voici son adresse machine, et voici comment les deux correspondent. Lorsque ces relations restent implicites, chaque système en aval doit décider pour lui-même. Lorsqu’elles sont déclarées, l’éditeur décide. ## Ce qu’une machine ne devrait pas avoir à deviner {#ce-qu-une-machine-ne-devrait-pas-avoir-à-deviner} Nous utilisons l’expression **contrat de publication machine** pour désigner l’ensemble minimal de déclarations qui permet à une machine d’identifier et d’utiliser une ressource publique sans reconstruire l’intention de l’éditeur. En pratique, il couvre six questions. **Identité.** Quel est ce document logique, indépendamment de l’adresse depuis laquelle il a été récupéré, de la langue dans laquelle il se trouve et du fichier sous lequel il est arrivé ? **Découverte.** Où se trouve la représentation machine ? Une machine devrait pouvoir la trouver au moyen d’un point d’entrée déclaré plutôt qu’en essayant des variantes d’URL au hasard. **Provenance.** Que déclare l’éditeur sur la manière dont le contenu a été produit et sur l’entité qui en répond ? **Périmètre de traitement.** Que souhaite l’éditeur qu’une machine fasse de la ressource : citer, résumer, indexer, relayer, utiliser pour l’entraînement ? Une adresse publique signifie qu’une ressource est accessible. Elle n’exprime pas, à elle seule, les conditions que l’éditeur associe à son utilisation. **Parité.** Comment la représentation machine se rapporte-t-elle à ce qu’une personne voit ? Si elle contient du matériel qu’aucun lecteur humain ne verra, cela devrait être déclaré. Sinon, un contenu visible uniquement par les machines peut acquérir une autorité que personne n’a vérifiée. **Actualité.** Est-ce toujours la version que l’éditeur soutient ? La source a-t-elle changé depuis la génération de la représentation ? Est-elle actuelle, remplacée ou historique ? Un éditeur peut répondre à chacune de ces questions par quelques champs déclarés. Laissée sans réponse, chacune devient une conjecture formulée séparément par chaque système qui lit la page. ## Un texte propre ne suffit pas {#un-texte-propre-ne-suffit-pas} Une première étape fréquente vers la préparation à l’IA consiste à servir du texte propre, souvent en Markdown, à côté du HTML. C’est utile. Cela réduit le bruit et le coût d’analyse. Cela ne répond à aucune des six questions ci-dessus. Un fichier propre ne dit toujours pas quel document il représente, s’il correspond à la page humaine, s’il est actuel ou ce que l’éditeur entend déclarer. Il facilite l’extraction. Il ne rend pas explicite la frontière de publication. C’est le contrat autour du texte qui transforme un fichier lisible en infrastructure fiable. ## Une déclaration est un reçu, jamais un verdict {#une-déclaration-est-un-reçu-jamais-un-verdict} C’est la frontière la plus importante dans notre travail sur la publication lisible par machine, et la plus facile à perdre. Un champ de provenance enregistre la manière dont l’éditeur décrit l’origine d’un document. Il ne prouve pas l’auteur. Un hash montre si le contenu a changé. Il ne montre pas que le contenu est vrai. Une signature montre qu’une clé donnée a signé un fichier donné. Elle ne montre pas que les affirmations qu’il contient sont correctes. Une préférence de traitement exprime une intention. Elle ne peut pas forcer un système distant à la respecter. Une vérification de validation peut confirmer qu’un fichier est bien formé, actuel et cohérent avec la page humaine. Elle ne peut pas certifier l’exactitude, la neutralité ou la correction juridique. **Une déclaration est un reçu, jamais un verdict.** Lisible par machine ne veut pas dire vrai. Cela compte parce que les systèmes qui consomment l’information publique agissent de plus en plus sur cette base. Un système incapable de distinguer la déclaration d’un éditeur d’un fait vérifié indépendamment transmettra cette confusion à tous ceux qui dépendent de ses réponses. Une bonne publication machine donne à ces systèmes ce dont ils ont besoin pour juger : des déclarations précises, clairement étiquetées, avec les limites de chaque signal visibles. Elle ne remplace pas leur jugement et ne devrait pas essayer de le faire. Il en va de même pour les institutions elles-mêmes. Une organisation qui publie des déclarations lisibles par machine a besoin de personnes capables de juger à quoi ces déclarations l’engagent, et à quoi elles ne l’engagent pas. ## Ouvert par conception, pas un nouveau gardien {#ouvert-par-conception-pas-un-nouveau-gardien} Une institution n’est pas prête pour l’IA si son interface machine dépend du fait qu’un fournisseur de modèle comprenne une convention privée, ou qu’un prestataire unique vérifie ses fichiers. Le contrat doit être ouvert et utilisable indépendamment de tout consommateur particulier. C’est pourquoi notre approche des normes suit un schéma fixe : identifier la pièce manquante, publier une spécification ouverte, construire une implémentation de référence, l’exécuter sur notre propre infrastructure et rendre le résultat inspectable. Cela façonne aussi notre manière de penser la validation. Les vérifications indépendantes ont de la valeur : un fichier est-il bien formé, correspond-il à la page humaine, est-il toujours actuel, une citation se résout-elle ? Mais un éditeur doit pouvoir publier une représentation machine valide sans demander la permission à quiconque, et un lecteur doit pouvoir l’utiliser sans appeler de service central. **La validation devrait produire un enregistrement de ce qui a été vérifié, pas une autorité sur la source.** Nous ne sommes pas seuls dans cet espace. [robots.txt](https://www.rfc-editor.org/rfc/rfc9309.html) exprime depuis longtemps des préférences d’exploration. La proposition [llms.txt](https://llmstxt.org/) offre un point d’entrée léger pour les modèles de langage. [TDMRep](https://www.w3.org/community/reports/tdmrep/CG-FINAL-tdmrep-20240202/) fournit un protocole pour exprimer la réserve relative à la fouille de textes et de données que le droit européen d’auteur permet aux titulaires de droits de formuler par des moyens lisibles par machine. [RSL](https://rslstandard.org/) offre un moyen de publier des conditions de licence pour l’utilisation par l’IA. [Les travaux de l’IETF sur les préférences pour l’IA](https://datatracker.ietf.org/wg/aipref/about/) visent un vocabulaire commun pour les préférences d’usage. [C2PA](https://c2pa.org/) définit des credentials de provenance pour les médias. Chacun traite une partie du problème. Notre travail se situe à deux niveaux. Son **périmètre** est un contrat de publication machine : identité, représentation, déclarations de l’éditeur et découverte, le périmètre de traitement n’en étant qu’une composante. Sa **contribution** est la partie que les autres laissent la moins définie : la relation déclarée entre une page humaine et sa représentation machine. **Une norme de publication machine ne devrait pas créer un nouveau gardien au nom de la suppression d’une ancienne dépendance.** ## Le lisible par machine ne doit pas devenir une porte dérobée {#le-lisible-par-machine-ne-doit-pas-devenir-une-porte-dérobée} Une représentation conçue pour les machines peut aussi être utilisée contre elles. Des métadonnées structurées peuvent porter des instructions. Des sections réservées aux machines peuvent contenir du texte qu’aucune personne ne voit. Un éditeur de mauvaise foi peut essayer d’orienter un système consommateur au travers de l’interface même censée le rendre plus fiable. Nous traitons donc tout ce qu’un éditeur dit à une machine comme une intention, pas comme une commande. Un système consommateur devrait pouvoir lire une instruction de l’éditeur tout en gardant ses propres règles de sécurité et les priorités de son opérateur au-dessus d’elle. Les déclarations de parité existent en partie pour cette raison : le contenu visible uniquement par les machines devrait être identifiable comme tel. **La publication lisible par machine ne doit pas devenir un privilège d’injection de prompt.** ## Ce que nous avons construit {#ce-que-nous-avons-construit} Machine Page Format (MPF) est l’expression implémentée de cette position. Une page publie un compagnon MPF à côté de son HTML. Le compagnon porte des déclarations structurées et un corps propre : identité, langue et traductions, provenance, empreinte de la source, parité avec la page humaine, périmètre de traitement, signaux d’actualité et pointeur vers la spécification suivie. Un site publie un index lisible par machine afin que les compagnons puissent être découverts sans conjecture. MPF est publié comme spécification ouverte avec une implémentation de référence. Nous publions MPF sur notre propre patrimoine web, y compris sur ce site, et utilisons nous-mêmes sa sortie. La spécification, les conventions de publication et le registre des implémentations inspectables sont documentés sous [Machine Page Format (MPF)](/fr/standards/mpf). MPF a délibérément commencé par les pages statiques. Une sortie statique peut être inspectée, mise en cache, archivée et servie par une infrastructure simple sans client propriétaire. Ce n’est pas la réponse à toutes les catégories de ressources. Les jeux de données, services en direct et médias posent des questions différentes, et **une nouvelle catégorie de ressource devrait recevoir son propre contrat lorsque sa signification diffère réellement**, plutôt que d’étirer un format jusqu’à le rendre vague. ## Comment nous travaillons ensemble {#comment-nous-travaillons-ensemble} Notre travail sur la préparation à l’IA avec un partenaire commence par sa publication, pas par un système d’IA particulier. **Lire le site comme le fait une machine.** Identifier où l’identité, l’actualité, les traductions et l’autorité sont implicites, et où les machines risquent de deviner. **Décider ce que l’institution veut déclarer.** Quels documents font autorité, lesquels sont des brouillons ou des documents historiques, quel traitement elle entend permettre, et qui répond des déclarations. **Publier le contrat.** En utilisant des formats ouverts, générés dans le processus normal de publication afin que la représentation machine ne puisse pas dériver silencieusement de la page humaine. **Laisser la capacité de juger.** L’institution devrait terminer avec des personnes qui comprennent à quoi ses déclarations l’engagent et qui peuvent évaluer seules le prochain outil, standard ou proposition de fournisseur. Lorsque nous examinons un patrimoine de publication avec un partenaire, voici les questions que nous parcourons généralement : | Question | Ce qu’elle révèle | | --- | --- | | Quels documents les machines ne doivent-elles jamais comprendre de travers ? | Où la précision compte le plus. | | Comment une machine saurait-elle quelle version est actuelle ? | Si l’actualité est déclarée ou devinée. | | Comment les traductions sont-elles reliées à l’original ? | Si l’équivalence est explicite. | | Qui répond de chaque déclaration ? | La provenance et la responsabilité. | | Quel traitement l’institution entend-elle permettre ? | Si le périmètre est déclaré ou laissé à l’interprétation. | | La version machine peut-elle dériver de la page humaine sans être détectée ? | Où une divergence silencieuse peut se produire. | | Qu’est-ce qui dépend d’un fournisseur ou d’un service unique ? | Si l’interface elle-même est ouverte. | ## Là où nous sommes prudents {#là-où-nous-sommes-prudents} Nous nous imposons quelques engagements quant à ce que nous affirmons. Nous ne présentons pas la préparation à l’IA comme la sécurité de l’IA. Elle ne mesure pas la robustesse d’un modèle, la légalité d’un système d’IA ni l’exactitude de ses réponses. Nous n’affirmons pas que les métadonnées imposent quoi que ce soit. Une préférence déclarée exprime une intention ; elle ne lie pas un système distant et ne remplace pas le droit. Nous ne traitons pas une déclaration comme une preuve. Les champs de provenance, de confiance et de périmètre sont ce que déclare un éditeur, et nous les étiquetons comme tels. Nous n’attribuons pas à MPF des capacités que son implémentation ne possède pas. La spécification décrit ce que l’implémentation de référence produit réellement, et rien de plus. Et nous ne demandons pas aux machines de nous faire confiance automatiquement. Notre objectif est plus étroit : rendre la frontière de publication assez explicite pour qu’une machine n’ait pas à l’inventer. * * * ## Lectures complémentaires {#lectures-complémentaires} - [Directive (UE) 2019/790, article 4](https://eur-lex.europa.eu/eli/dir/2019/790/oj), relative à la fouille de textes et de données et à la réserve de droits par des moyens lisibles par machine. - [Coalition for Content Provenance and Authenticity (C2PA), spécification technique](https://spec.c2pa.org/specifications/). - [La proposition llms.txt](https://llmstxt.org/). - ESFI, [Spécification 0.7](/fr/standards/mpf/0.7) du Machine Page Format. **Thèmes associés :** [Souveraineté](/fr/topics/sovereignty) · [Transfert de capacité](/fr/topics/capability-transfer) · [Machine Page Format (MPF)](/fr/standards/mpf) * * * ## Évolution de cette position {#évolution-de-cette-position} - 24 septembre 2026 — Première publication. Les modifications substantielles sont indiquées ici avec leur date. Les corrections de formulation ou de liens ne le sont pas. ## Sur cette page {#sur-cette-page} ESFI — civilization infrastructure · https://esfi.eu