Reuters a rapporté le 12 octobre que The New York Times, l’Agence France-Presse et The Economist avaient rejoint SPUR, une coalition d’éditeurs qui travaille à des règles communes sur l’utilisation du journalisme par les entreprises d’IA. Cette expansion fait suite à l’annonce de SPUR, le 2 octobre, de l’annonce de Content Telemetry 1.0, une proposition permettant aux agents d’IA de rendre compte de ce qui arrive aux contenus d’un éditeur après leur récupération.

Selon le reportage de Reuters, la coalition compte plus de 80 membres dans plus de 20 pays, dont plus de 40 éditeurs.

Le grand changement

  • Ce qui change : Davantage d’éditeurs participent à une démarche visant à établir un format commun de signalement de l’utilisation des contenus par l’IA. La spécification de SPUR distingue une page récupérée par un agent des éléments qui entrent dans le contexte de génération d’une réponse, apparaissent dans une citation ou parviennent à un utilisateur.
  • Pourquoi c’est important : Un éditeur peut voir une requête adressée à son site, mais cette requête ne montre pas à elle seule si son travail journalistique a influencé une réponse d’IA. Les événements ultérieurs d’un agent participant pourraient fournir à l’éditeur un relevé plus utile pour discuter de licences, selon ce que l’opérateur consigne et accepte de partager.
  • Ce qu’il faut suivre : SPUR indique qu’elle développe des mises en œuvre et des preuves de concept avec des partenaires du secteur. Leur portée montrera si les opérateurs peuvent produire des relevés utiles au-delà de la spécification publiée. Le format renvoie les conditions de licence et les paiements à des accords distincts.

Ce que mesure le format

La spécification version 1.0 décrit cinq étapes de l’interaction d’un agent d’IA avec un contenu : récupération, ancrage, citation, présentation et engagement. Une récupération est un téléchargement terminé. L’ancrage signifie qu’un élément identifié est entré dans le contexte d’un modèle génératif, où il a pu influer sur la réponse. La citation consigne un lien explicite avec une source dans une sortie. La présentation signifie que le contenu ou une référence à la source est parvenu à une interface perceptible par le destinataire. L’engagement consigne une action observée, telle qu’une interaction avec ce contenu présenté.

Il s’agit de comptages différents. Un agent peut récupérer une page sans jamais l’utiliser dans une réponse. Un contenu peut entrer dans le contexte du modèle sans être cité. Une citation incluse dans une sortie n’a pas nécessairement à être montrée à l’utilisateur. La spécification indique aussi que la présentation ne prouve pas que quelqu’un l’a remarquée. Ses définitions des événements explicitent ces distinctions afin qu’un éditeur et un opérateur d’IA puissent parler de la même activité signalée.

Le problème de visibilité demeure. Un éditeur ou son réseau de diffusion peut observer une récupération. Selon la spécification, seul l’agent peut signaler l’ancrage, la citation et la présentation dans son propre flux de travail. Ces étapes ultérieures dépendent donc de la participation de l’agent et de la qualité de ses relevés. Le format permet aux rapports d’indiquer si la couverture est complète, échantillonnée, agrégée ou sélectionnée ; les conditions applicables déterminent les exigences d’une relation donnée.

Où s’arrête le signalement

L’ annonce de la coalition de SPUR présente cette norme comme une base de discussion sur les licences et le suivi de l’utilisation des contenus. La spécification elle-même précise qu’elle ne définit ni les protocoles d’accès ou de licence des contenus, ni les algorithmes d’attribution, ni le calcul d’une rémunération. La FAQ de SPUR indique qu’il ne s’agit pas d’une organisation de licences collectives et que les membres gardent le contrôle de leurs relations commerciales.

Le format actuel porte sur les contenus utilisés pendant qu’un système d’IA produit une réponse. Son texte exclut explicitement le signalement de l’utilisation d’une œuvre pour constituer un corpus d’entraînement, entraîner ou ajuster un modèle, créer des embeddings ou bâtir un index de recherche. Un éditeur souhaitant obtenir des informations sur l’entraînement d’un modèle aurait besoin de preuves allant au-delà d’un rapport de télémétrie conforme. La spécification n’empêche pas non plus l’accès aux contenus et n’oblige pas une entreprise d’IA à les rémunérer.

SPUR dit travailler avec des partenaires à des mises en œuvre, des preuves de concept et des outils destinés aux opérateurs d’agents. Les documents examinés ici établissent l’existence d’une spécification open source publiée et d’un projet de coalition, mais pas celle d’un système de signalement en production vérifié. Les nouveaux membres cités par Reuters accroissent le nombre d’éditeurs intéressés par ce projet. Son effet sur les pratiques de licence dépendra de l’adoption, de la qualité des rapports et d’accords extérieurs à la spécification.

Sources et lectures complémentaires

  • Annonce de Content Telemetry 1.0 par SPUR, 2 octobre 2026 : explique l’objectif de la coalition, les cinq étapes de signalement et les travaux sur la mise en œuvre et les preuves de concept. Il s’agit du récit de la coalition sur sa propre initiative.
  • Spécification Content Telemetry, version 1.0: principal document technique sur les définitions des événements, les limites du signalement et les exclusions liées à l’entraînement et aux licences. Le texte indique une publication le 2 septembre 2026 ; SPUR a annoncé publiquement la norme le 2 octobre.
  • FAQ de la coalition SPUR: décrit le rôle de la coalition et précise que les membres conservent leurs relations commerciales ; il ne s’agit pas d’une organisation de licences collectives.
  • Article de Reuters sur les membres, 12 octobre: reportage original de Reuters, republié par AOL, sur les nouveaux membres nommés et la taille de la coalition. Ces chiffres sont attribués à Reuters et n’ont pas été établis indépendamment à partir de la page des membres de la coalition lors de cet examen.