Cette Police Rend les Pages Web Illisibles aux Scrapers IA, mais Normale pour les Humains

Points clés

• ShieldFont, créée par les designers Isaque Seneda et Gabriel Abrucio, remplace les vrais mots par des mots sans sens dans le code souterrain que collectent les scrapers IA.
• Les visiteurs humains voient une page normale et lisible car le remplacement de mots n'intervient qu'après que la police affiche le texte à l'écran.
• La police utilise une fonction appelée ligatures, que la plupart des polices incluent déjà, pour déclencher les substitutions.
• Les designers ont publié un livre blanc décrivant ShieldFont comme un moyen pratique pour les propriétaires de sites web de bloquer la collecte non autorisée de données d'entraînement IA.

Deux designers ont créé une police qui réalise un tour discret : montrer une chose aux lecteurs humains, fournir quelque chose de complètement différent aux logiciels que les entreprises d'IA utilisent pour aspirer le texte du web.

La police s'appelle ShieldFont. Les designers Isaque Seneda et Gabriel Abrucio la décrivent dans un livre blanc récemment publié comme un outil pour donner aux éditeurs web « une sortie pratique de l'entraînement IA non autorisé » et pour « perturber ce qui est collecté lorsque ce choix est ignoré ».

Comment fonctionne-t-elle exactement ?

ShieldFont brouille les mots que les scrapers IA collectent, mais seulement après que le navigateur d'un humain a déjà affiché la page, donc le lecteur ne remarque jamais rien d'anormal.

L'astuce repose sur une fonction de police établie depuis longtemps appelée ligatures. Dans la plupart des polices, les ligatures sont des éléments modestes et utiles : elles arrangent certaines combinaisons de lettres qui se regardent maladroitement côte à côte. ShieldFont réaffecte ce même mécanisme pour faire quelque chose de bien plus malicieux. Au lieu d'arranger deux lettres, elle remplace des mots entiers par d'autres mots différents et dénués de sens au moment où le moteur de polices affiche la page.

Voici le détail clé. Les entreprises d'IA collectent les données d'entraînement en envoyant des programmes automatisés, appelés scrapers ou crawlers, pour télécharger le code source brut des pages web. Ce code source est collecté avant que un navigateur ne fasse quoi que ce soit avec. Les substitutions de ShieldFont ne s'activent que lors de l'étape d'affichage, donc le scraper récupère le texte original, adultéré. Un humain visitant la même page voit la version correctement affichée.

En termes simples : la page dit « cheval » dans le code que le scraper copie, mais votre navigateur affiche « patate » à l'écran. Ou l'inverse. De toute façon, le scraper s'en va avec des ordures.

Est-ce que cela arrête vraiment les entreprises d'IA ?

ShieldFont rend le texte collecté bien moins utile, mais c'est une couche de défense, pas un bouclier complet.

Les modèles d'IA, les grands modèles de langage étant la technologie derrière les chatbots comme ChatGPT et Claude, sont entraînés sur d'énormes quantités de texte raclé sur le web public. Des éditeurs et des auteurs ont déjà poursuivi plusieurs entreprises d'IA pour cette pratique, et certains sites ont ajouté des instructions techniques indiquant aux crawlers de s'éloigner. ShieldFont offre une approche différente : plutôt que de demander aux scrapers de partir, elle empoisonne ce qu'ils prennent s'ils ignorent la demande.

La mise en garde, comme l'a rapporté Ars Technica, est qu'un scraper déterminé pourrait potentiellement utiliser un navigateur headless, un logiciel qui exécute silencieusement un navigateur complet en arrière-plan, pour collecter du texte après le rendu plutôt qu'avant. La protection de ShieldFont s'effondrerait dans ce scénario. Les designers reconnaissent que la police fonctionne mieux comme partie d'une stratégie plus large, pas comme une solution autonome.

Pour les propriétaires de sites web préoccupés par le fait que leur contenu soit utilisé pour entraîner l'IA sans permission, ShieldFont est une étape supplémentaire peu exigeante qui vaut la peine d'être surveillée. Elle ne nécessite aucune modification côté serveur et aucune action de l'utilisateur.

Questions courantes

Cela affectera-t-il l'apparence de mon site web pour les visiteurs ?

Non. Les lecteurs voient une page complètement normale. Les substitutions de mots n'existent que dans le code brut, que les visiteurs ordinaires ne regardent jamais.

Les entreprises d'IA pourraient-elles contourner cela ?

Potentiellement oui. Un scraper qui exécute un navigateur complet avant de collecter le texte contournerait la protection. ShieldFont est plus efficace combinée à d'autres mesures, comme les règles robots.txt qui instruisent les crawlers de s'éloigner.