Gouvernance lisible par machine
Des règles de gouvernance que les machines peuvent découvrir et exécuter : llms.txt, manifestes /ai/, fichiers de politique /.well-known/, JSON Schemas, jetons de licence signés et formats de journaux d’audit. Ce site est lui-même un exemple fonctionnel.
Questions à l’étude
01
De robots.txt à llms.txt, jusqu’aux manifestes de droits
02
Conventions de découverte de politiques via /.well-known/
03
JSON Schema comme format de spécification normatif
04
Auditabilité : journaux, versions, provenance
Livres blancs associés
- AICR / AICL en tant que couche de connexion pour la licence de contenu IA et le paiement agentique Une couche de spécification lisible par machine pour déclarer les droits sur le contenu IA et les flux de licence — de l’exploration par l’IA et des droits de contenu à un web de connaissances transactionnel pour les machines.
- Spectre des droits de l’IA : de robots.txt à un protocole de permission d’apprentissage de l’IA AIRS et AILP expriment des permissions d’apprentissage de l’IA nuancées, au-delà du simple binaire autoriser/refuser — ce que l’IA peut apprendre, à quelle profondeur, pour quels usages, sous quelle rémunération.
- L’ouverture protocolée : pourquoi « non interdit » ne signifie pas « apprenable » à l’ère de l’IA Une ouverture non définie est lue comme une incertitude juridique par les pipelines d’IA et se voit écartée ; seule une permission protocolée et lisible par machine rend le contenu véritablement apprenable.
- AICL : couche d’ingestion et de capacité IA Une architecture de site en quatre sous-couches — manifeste, corpus, capacité, gouvernance — qui permet aux IA, aux agents et aux robots d’exploration d’ingérer, de citer, d’invoquer et de vérifier correctement les connaissances d’un site.
- Le paiement de contenu par l’IA et l’économie démocratique des réseaux Un argument d’économie politique : les valorisations de l’IA à l’échelle du billion créent une pression de légitimité en faveur de licences de contenu échelonnées et d’un partage des bénéfices publics — les données deviennent échelonnées, non coûteuses.