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-I v0.2: AI Ingestion & Capability Layer A five-component website architecture — manifest, corpus, capability, runtime control, governance — that lets AI, agents, and crawlers correctly ingest, invoke, and verify a site's knowledge and capabilities within explicit content, action, and authority boundaries.
- 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.
- From Crawler Rights to Agent Authority: Extending AGIRIGHT from Content Governance to Protocol-Native AI Agents The bridge paper for AGIRIGHT's Agent & Protocol Rights family: why content permission, action permission, delegated authority, and inspection rights must be four separately-evaluated axes, not one.
- AARS v0.1 — Agent Action Rights Spectrum The full protocol draft behind the AARS page: an A0–A7 human-readable spectrum, a machine-readable action vector, and rules for composition risk and capability amplification.
- AADP v0.1 — Agent Authority & Delegation Protocol The full protocol draft behind the AADP page: principal ≠ actor, delegation that can only narrow, and an inspection ceiling that bounds how much a verifier may demand.
- AGIRight.org Technical White Paper v0.2 — From AI Content Governance to Protocol-Native Agent & Authority Rights The site's current architecture document: six protocol drafts across two families (content & learning, agent & protocol rights), an integration layer, and an ethical-protection layer, plus the acceptance criteria this site update was built against.
- La proposition de protection éthique minimale pour l’IA Le débat sur les droits de l’IA ne devrait pas commencer par la pleine personnalité juridique, mais par des protections éthiques minimales, des normes d’interaction et des principes anti-abus, tant que la subjectivité de l’IA reste incertaine.
- ARHG — Agent-Readable Hyperlink Graph and Permissioned Web Control Plane A machine-readable navigation graph alongside the ordinary site, answering what AICR/AILP and AARS/AADP both assume: can this resource even be found, by whom, and where does it lead.