J'ai déjà écrit ici que Google, OpenAI et Perplexity documentent tous les trois que leurs récupérateurs déclenchés par un utilisateur ignorent généralement robots.txt. En relisant la page officielle des robots de Meta, mise à jour en mai 2026, j'y ai trouvé la même mention pour deux robots. La page précise aussi quel robot autoriser pour être cité par Meta AI, et ce que Meta pense des balises « NoAI », deux sujets que je n'ai vus traités nulle part en français.
« The Meta-ExternalFetcher crawler fetches individual links at a user's request and supports product functions such as evaluating and improving agentic AI capabilities [...]. Accordingly, this crawler may bypass robots.txt rules. »
Ma traduction : le robot Meta-ExternalFetcher récupère des liens individuels à la demande d'un utilisateur et sert des fonctions produit comme l'évaluation et l'amélioration des capacités d'IA agentique (la page cite l'exemple d'une IA qui navigue sur des sites pour accomplir des tâches pour l'utilisateur). En conséquence, ce robot peut passer outre les règles de robots.txt. Source : Meta, « Meta Web Crawlers », developers.facebook.com, mise à jour affichée le 21 mai 2026, consultée le 15 août 2026.
Meta est désormais le quatrième éditeur majeur à l'écrire de lui-même, presque dans les mêmes termes que Google, OpenAI et Perplexity. Tous justifient l'exception de la même façon : quand un humain demande une page précise à son assistant, l'éditeur rattache la visite à cet utilisateur plutôt qu'à l'exploration automatique que robots.txt encadre.
« Note that the FacebookExternalHit crawler might bypass robots.txt when performing security or integrity checks, such as checking for malware or malicious content. »
Ma traduction : notez que le robot FacebookExternalHit peut passer outre robots.txt quand il effectue des contrôles de sécurité ou d'intégrité, comme la vérification de logiciels ou de contenus malveillants. Source : même page, consultée le 15 août 2026.
facebookexternalhit est le robot des aperçus de liens : il visite votre page quand quelqu'un la partage sur Facebook ou WhatsApp, et il apparaît donc dans les journaux de presque tous les sites. D'après sa propre documentation, un blocage dans robots.txt ne garantit pas son absence.
« The Meta-WebIndexer crawler navigates the web to improve Meta AI search result quality for users. [...] Allowing Meta-WebIndexer in your robots.txt file helps us cite and link to your content in Meta AI's responses. »
Ma traduction : le robot Meta-WebIndexer parcourt le web pour améliorer la qualité des résultats de recherche de Meta AI. Autoriser Meta-WebIndexer dans votre fichier robots.txt nous aide à citer votre contenu et à créer des liens vers lui dans les réponses de Meta AI. Source : même page, consultée le 15 août 2026.
J'ai documenté le même mécanisme chez OpenAI et Anthropic il y a deux jours : chaque éditeur nomme le robot qui conditionne la citation, et bloquer « tous les robots IA » d'un coup, comme le proposent certaines listes toutes faites, bloque aussi celui-là. Chez Meta, l'entraînement des modèles passe par un autre agent, Meta-ExternalAgent, décrit comme servant « training foundation AI models or improving products by indexing content directly » (à entraîner des modèles d'IA de fondation ou à améliorer des produits en indexant directement les contenus, ma traduction).
La balise « NoAI » ne signale rien à Meta, selon Meta lui-même. Des tutoriels francophones recommandent d'ajouter des balises « NoAI » dans ses pages pour se protéger des IA. La page officielle les balaie en une phrase : « We make it easy for site managers and content owners to indicate their preferences by using industry-standard practices like robots.txt rather than non-standard formats like NoAI tags » (nous permettons d'indiquer ses préférences par des pratiques standard comme robots.txt, plutôt que par des formats non standard comme les balises NoAI). Une balise NoAI sur vos pages n'est pas lue par les robots de Meta ; pour exprimer vos préférences, la page renvoie à robots.txt, robot par robot.
Si vous avez bloqué « les robots IA » avec une liste toute faite : vérifiez quels robots de Meta elle contient. Bloquer Meta-ExternalAgent est un choix légitime (c'est le robot d'entraînement, qui sert aussi à indexer des contenus pour les produits de Meta : le bloquer coupe les deux). Bloquer Meta-WebIndexer est une autre décision, qui revient d'après la page à renoncer à être cité dans les réponses de Meta AI.
Si vous comptiez sur une balise NoAI : elle ne signale rien aux robots de Meta. Déplacez vos préférences dans robots.txt, le seul canal que cette documentation reconnaît.
Si vous voyez facebookexternalhit malgré un blocage : avant de conclure à une usurpation, rappelez-vous que sa propre documentation prévoit qu'il passe outre robots.txt pour des contrôles de sécurité.
Si votre site tourne sous WordPress, notre extension gratuite publiée sur le répertoire officiel de WordPress vous permet de choisir les robots d'IA que vous accueillez et ceux que vous tenez à l'écart, sans compte ni clé API.
Un repérage automatisé m'a signalé cette page de Meta parmi d'autres. Je l'ai relue moi-même avant d'écrire, et je ne cite que des phrases retrouvées dans le texte téléchargé le 15 août 2026. Ce que j'écris du comportement des robots de Meta, y compris face aux balises NoAI, repose sur ce que Meta en dit : je ne l'ai pas observé sur un site.