Comment empêcher les modèles d'IA de s'entraîner sur des images de sites Web

Pourquoi les gens continuent de poser des questions à ce sujet

Les modèles d'IA ont besoin de quantités absurdes de données d'entraînement. Une grande partie de ces données proviennent encore du scraping de sites Web publics.

Si vous publiez des images originales, des photographies, des travaux de conception, des photos de produits, il est tout à fait naturel de vous demander si vous pouvez empêcher qu'ils soient intégrés dans un autre ensemble de formation.

La réponse honnête est ennuyeuse mais importante : pas toujours complètement.

La réponse la plus utile est que vous pouvez réduire votre exposition et indiquer clairement où vous en êtes. Cela seul filtre déjà une quantité surprenante de trafic automatisé.

Ce que font réellement les robots d'exploration IA (et ne font pas)

Ces robots ne visitent pas vraiment votre site.

Il n'y a pas de fenêtre de navigateur. Pas de défilement. Pas de clic. La plupart du temps, ils demandent simplement vos fichiers HTML et image directement, stockent les réponses et s'occupent de tout plus tard ailleurs.

JavaScript ne s'exécute généralement pas. Les astuces de l'interface utilisateur n'ont pas d'importance. Tout ce qui repose sur un être humain suffisamment ennuyé pour abandonner n’a pas d’importance ici.

C'est pourquoi tant de « protections » que vous verrez recommandées en ligne sont agréables mais ne changent absolument rien.

Les choses qui ne fonctionnent pas (alors ne perdez pas de temps dessus)

Mettons cela de côté :

• désactiver le clic droit
• Superpositions JavaScript
• Astuces CSS pour masquer ou flouter les images
• actifs d'encodage base64

Tout cela cible les gens, pas les robots. Les robots récupèrent simplement le fichier et continuent.

Si quelque chose ne fonctionne pas au niveau HTTP, du serveur ou du réseau, c'est...
[Courte citation de 8% de l'article original]