Permission, fairness, and proof: rivals back one robots.txt signal to refuse AI training, Europe prepares to ban dark patterns at the checkout, and OpenAI's best lab model still misses a third of the credit.
La permission, l'équité et la preuve : les rivaux soutiennent un signal robots.txt unique pour refuser l'entraînement IA, l'Europe prépare l'interdiction des designs trompeurs à la caisse, et le meilleur modèle de laboratoire d'OpenAI manque encore un tiers des points.
Date: 2026-11-08
English edition:
· Édition française:Three signals, one thread: permission, fairness, and proof. Google and Microsoft joined OpenAI and Anthropic in pledging to honor a shared robots.txt signal to refuse AI training, on different timelines and with a hidden trade off for publishers in Gemini. The European Commission is expected to present the Digital Fairness Act in mid November, targeting dark patterns, fake urgency, drip pricing, hard cancellations and undisclosed influencer ads, on evidence of 7.9 billion euros of consumer harm a year. And OpenAI's BioBasicsBench shows its best model earning 66.7 percent partial credit on real wet lab evidence, up from 43.8 percent, while OpenAI itself says higher scores do not yet mean reliable lab judgment.
SIGNAL is a daily curation. The noise filtered. The signal kept. / SIGNAL est une curation quotidienne. Le bruit filtré. Le signal gardé.
SIGNAL by Nizzar Ben Chekroune, brand strategist and founder of Quantum Branding. Tagline: "What matters today. What it changes tomorrow." / "Ce qui compte aujourd'hui. Ce que ça change demain."
Curated with AI and presented by an AI voice. / Curation assistée par IA et présentée par une voix IA.
Signal 1. The permission: one shared line to refuse AI training.
Google and Microsoft have joined OpenAI and Anthropic in pledging to honor a shared robots.txt preference about using website content to train AI models, reported November 8, 2026 via TechRadar. The token __usage_ai-training, from an Internet-Draft by Anthropic's Kevin Kelley, would let publishers use one entry instead of per-crawler rules. It is an individual draft, not an IETF endorsed standard, lapsing May 3, 2027 unless revised. Anthropic says it has started honoring it; OpenAI plans implementation over the next few months with no date; Microsoft from February 1, 2027; Google aiming for 2027. The signal governs use, not crawl access. Meta has not committed. Google notes a shared opt-out without a separate Google-Extended instruction could also affect grounding and citations in Gemini Apps.
Signal 2. The fairness: Europe prepares to rewrite the checkout.
The European Commission is expected to present the Digital Fairness Act in mid November 2026; MLex, WKO and CMS report November 11, 2026, unconfirmed by the Commission. The Commission has said it will assess targeted prohibitions on dark patterns, addictive design, unfair personalisation, undisclosed influencer marketing, drip pricing, and difficult subscription cancellations, auto-renewals and free trial conversions. Its October 3, 2024 evaluation estimated consumer financial harm at EUR 7.9 billion per year. A survey of 10,000 consumers in ten EU countries found 66 percent had encountered unverifiable low-stock claims, 61 percent limited-time claims, 40 percent difficult cancellation, and 32 percent a final price higher than advertised. Checks found nearly 40 percent of online stores had at least one dark pattern in 2022, and only 20 percent of influencers systematically disclosed advertising in 2024. CMS does not expect the rules in force before the end of 2028.
Signal 3. The proof: the best lab model still misses a third.
On November 6, 2026, OpenAI released BioBasicsBench, built with Ligo, with 100 tasks across proteins, imaging and cytometry, assays and quantification, nucleic acids, and cloning, using raw lab evidence and expert rubrics. At the xhigh setting reported for all seven models, GPT-6 Astra earned 66.7 percent mean rubric reward (partial credit, not task success), versus 43.8 percent for GPT-5.6 Sol, across 18,500 results. OpenAI published failure examples, including wrong bacterial colony selection, and stated that higher benchmark scores do not yet mean models can make reliable judgments in the lab. Only OpenAI models were tested, the tasks have not been released, and no human baseline was published.
Jordan: This is SIGNAL, a daily curation of what matters in AI, brands, business and culture. The noise filtered. Here's what matters today.
Jordan: Today, three signals about permission.
Jordan: Who is allowed to use your content to train a model.
Jordan: What a business is allowed to do to get you to buy.
Jordan: And what a model is actually allowed to claim it can do, when the evidence is messy and real.
Jordan: Permission, fairness, and proof. That is the thread.
Jordan: Signal one. One line that says no to training.
Jordan: THE SIGNAL. Google and Microsoft have now joined OpenAI and Anthropic in pledging to honor a shared signal in a website's robots dot txt file, about using that site's content to train AI models.
Jordan: The reporting was published today, November eighth, and it comes via TechRadar.
Jordan: Until now, a publisher who wanted to refuse training had to write separate rules for each company's crawler, sometimes for several crawlers from the same company.
Jordan: The new proposal is simpler. One shared token, added to the user agent line, that participating providers would all read the same way.
Jordan: The mechanism comes from an Internet Draft published by Kevin Kelley at Anthropic. It is an individual draft. It has not been endorsed as a standard, and it will lapse on May third, twenty twenty seven, unless it is revised.
Jordan: And the timelines are not aligned. Anthropic says it has already started honoring the signal. OpenAI says it will implement it over the next few months, without a firm date. Microsoft says February first, twenty twenty seven. Google says it is aiming for twenty twenty seven.
Jordan: WHY IT MATTERS. OK, but what does this actually change?
Jordan: First, notice what this signal is not. It does not block crawling. Microsoft puts it plainly. These settings govern use of content, not crawl access.
Jordan: A bot can still fetch the page. The preference is about whether that content can be used for training. And it depends, entirely, on the crawler choosing to comply.
Jordan: There is also a trade off hidden inside it, at least at Google. A shared opt out, without a separate Google Extended instruction, could also affect grounding in Gemini Apps. Which means a publisher who says no to training might also lose citations, and clicks, inside AI answers.
Jordan: Meta, notably, has not committed to honoring the signal.
Jordan: WHAT CHANGES. For publishers and brands, consent is becoming infrastructure, not a press release.
Jordan: Review your robots file as carefully as your privacy policy. Decide, separately, what you refuse for training, what you accept for search, and what you accept for AI answers that can send you traffic. Those are now three different decisions, and collapsing them into one line has a cost.
Jordan: Signal two. Europe is about to rewrite the checkout.
Jordan: THE SIGNAL. The European Commission is expected to present the Digital Fairness Act in mid November, twenty twenty six. Reporting from MLex, the Austrian Economic Chambers, and the law firm CMS points to November eleventh. The Commission itself has not confirmed that date.
Jordan: This is a proposal, not a law. Nothing is banned yet, and one law firm assessment says the rules are unlikely to be in force before the end of twenty twenty eight.
Jordan: What the Commission has said it will assess is specific. Dark patterns. Fake countdowns and unverifiable stock claims. Fees that appear late at checkout. Subscriptions that are easy to start and hard to cancel. Undisclosed influencer advertising. Addictive design, especially for minors. And personalisation that targets vulnerability, in advertising and in pricing.
Jordan: The evidence behind it is already published. In its evaluation of October third, twenty twenty four, the Commission estimated the financial harm to consumers from online problems at seven point nine billion euros a year, and called that a conservative estimate.
Jordan: In a survey of ten thousand consumers in ten European countries, sixty six percent said they had seen low stock claims they could not tell were true. Sixty one percent had seen limited time claims on the same terms. Forty percent had faced a design that made cancelling a subscription very difficult. Thirty two percent had paid a final price higher than the one first advertised.
Jordan: WHY IT MATTERS. This is not a story about a few bad actors.
Jordan: When EU authorities checked online stores in twenty twenty two, nearly forty percent had at least one dark pattern. When they checked influencers in twenty twenty four, only twenty percent systematically disclosed that their content was advertising.
Jordan: OK, so what changes if the diagnosis is already this clear?
Jordan: The direction changes. Practices that are today assessed case by case, under general rules, would move toward explicit prohibitions. That is the difference between a risk you manage, and a feature you have to remove.
Jordan: WHAT CHANGES. Every brand selling online in Europe should audit four flows now, before the text lands. The countdown. The price, from first display to final payment. The cancellation path. And every influencer post.
Jordan: If a claim about urgency cannot be proved, it will not survive. If cancelling takes longer than subscribing, that asymmetry is the product problem, not a legal detail.
Jordan: Signal three. The best model still misses a third of the lab.
Jordan: THE SIGNAL. On November sixth, OpenAI released BioBasicsBench, a benchmark built with Ligo, a biotech company focused on enzyme design.
Jordan: It is one hundred tasks drawn from routine wet lab work, across five areas. Protein methods. Imaging and cytometry. Assays and quantification. Nucleic acids. And cloning.
Jordan: The tasks do not ask a model to recite biology. They give it raw evidence. Gel images, colony plates, microscopy, sequencing files, and instrument readouts, and ask it to interpret them, catch errors, and recognise when the evidence cannot support a conclusion.
Jordan: At the highest reasoning setting reported for all seven models tested, the top model, GPT six Astra, earned sixty six point seven percent of the available credit. An earlier model, GPT five point six Sol, earned forty three point eight percent.
Jordan: That sixty six point seven is mean rubric reward. Partial credit. It is not the share of tasks the model solved.
Jordan: OpenAI itself published worked examples of the top model getting lab work wrong, including selecting the wrong bacterial colonies. Its own summary is blunt. Higher benchmark scores do not yet mean models can make reliable judgments in the lab.
Jordan: WHY IT MATTERS. Credit where it is due. A jump of roughly twenty three points is real progress on messy, everyday evidence, and OpenAI published its own failures alongside the score. That honesty is the signal.
Jordan: But hold the limits in view at the same time. Only OpenAI models were tested. The tasks have not been released. And no comparable human baseline was published. So this is progress you can see, on a test you cannot yet rerun yourself.
Jordan: WHAT CHANGES. For any team putting AI next to expert work, the rule from this week is simple.
Jordan: Use the model to read, to draft, and to flag. Keep a qualified human on the judgment that carries consequences. And ask every vendor the question OpenAI just answered about itself. Show me where it fails, not only where it scores.
Jordan: So, today in one line. Permission is becoming a setting. Fairness is becoming a specification. And capability is becoming credible only when its limits are published with it.
Jordan: If this filtered your noise today, the weekly edition goes deeper. THE WEEK IN SIGNAL, every Sunday on Substack. Subscribe free: https://thenizzar.substack.com/
Jordan: Voici SIGNAL, une curation quotidienne de ce qui compte dans l'IA, les marques, le business et la culture. Le bruit filtré. Voici ce qui compte aujourd'hui.
Jordan: Aujourd'hui, trois signaux sur la permission.
Jordan: Qui a le droit d'utiliser votre contenu pour entraîner un modèle.
Jordan: Ce qu'une entreprise a le droit de faire pour vous faire acheter.
Jordan: Et ce qu'un modèle peut vraiment prétendre savoir faire, quand les preuves sont réelles et imparfaites.
Jordan: La permission, l'équité, et la preuve. C'est le fil du jour.
Jordan: Signal un. Une seule ligne pour refuser l'entraînement.
Jordan: LE SIGNAL. Google et Microsoft rejoignent désormais OpenAI et Anthropic, et s'engagent à respecter un signal partagé dans le fichier robots point txt d'un site, sur l'utilisation de son contenu pour entraîner des modèles d'IA.
Jordan: L'information a été publiée aujourd'hui, le huit novembre, via TechRadar.
Jordan: Jusqu'ici, un éditeur qui voulait refuser l'entraînement devait écrire des règles séparées pour le robot de chaque entreprise, parfois pour plusieurs robots de la même entreprise.
Jordan: La proposition nouvelle est plus simple. Un seul jeton partagé, ajouté à la ligne de l'agent utilisateur, que les fournisseurs participants liraient tous de la même manière.
Jordan: Le mécanisme vient d'un brouillon Internet publié par Kevin Kelley, chez Anthropic. C'est un brouillon individuel. Il n'a pas été approuvé comme un standard, et il expirera le trois mai deux mille vingt sept, sauf révision.
Jordan: Et les calendriers ne sont pas alignés. Anthropic dit avoir déjà commencé à respecter le signal. OpenAI dit le mettre en place dans les prochains mois, sans date ferme. Microsoft annonce le premier février deux mille vingt sept. Google vise deux mille vingt sept.
Jordan: POURQUOI ÇA COMPTE. D'accord, mais qu'est-ce que ça change concrètement ?
Jordan: D'abord, remarquez ce que ce signal n'est pas. Il ne bloque pas l'exploration. Microsoft le dit simplement. Ces réglages gouvernent l'usage du contenu, pas l'accès de l'exploration.
Jordan: Un robot peut toujours aller chercher la page. La préférence porte sur l'usage de ce contenu pour l'entraînement. Et elle dépend entièrement du choix du robot de s'y conformer.
Jordan: Il y a aussi un compromis caché, au moins chez Google. Un refus partagé, sans instruction séparée pour Google Extended, pourrait aussi affecter l'ancrage dans Gemini Apps. Autrement dit, un éditeur qui dit non à l'entraînement pourrait aussi perdre des citations, et des clics, dans les réponses d'IA.
Jordan: Meta, de son côté, ne s'est pas engagé à respecter le signal.
Jordan: CE QUE ÇA CHANGE. Pour les éditeurs et pour les marques, le consentement devient une infrastructure, pas un communiqué.
Jordan: Relisez votre fichier robots avec le même soin que votre politique de confidentialité. Décidez séparément ce que vous refusez pour l'entraînement, ce que vous acceptez pour la recherche, et ce que vous acceptez pour les réponses d'IA qui peuvent vous envoyer du trafic. Ce sont désormais trois décisions différentes, et les fondre en une seule ligne a un coût.
Jordan: Signal deux. L'Europe s'apprête à réécrire le passage en caisse.
Jordan: LE SIGNAL. La Commission européenne devrait présenter le Digital Fairness Act à la mi novembre deux mille vingt six. Les informations de MLex, des Chambres économiques autrichiennes et du cabinet CMS pointent vers le onze novembre. La Commission elle-même n'a pas confirmé cette date.
Jordan: C'est une proposition, pas une loi. Rien n'est encore interdit, et selon une évaluation d'un cabinet d'avocats, les règles ont peu de chances d'entrer en vigueur avant la fin de deux mille vingt huit.
Jordan: Ce que la Commission a dit vouloir examiner est précis. Les designs trompeurs. Les faux comptes à rebours et les alertes de stock invérifiables. Les frais qui apparaissent tard, au moment de payer. Les abonnements faciles à prendre et difficiles à résilier. La publicité d'influence non signalée. Le design addictif, en particulier pour les mineurs. Et la personnalisation qui cible la vulnérabilité, dans la publicité et dans les prix.
Jordan: Les preuves derrière le texte sont déjà publiées. Dans son évaluation du trois octobre deux mille vingt quatre, la Commission a estimé le préjudice financier des consommateurs lié aux problèmes en ligne à sept virgule neuf milliards d'euros par an, en précisant qu'il s'agit d'une estimation prudente.
Jordan: Dans une enquête auprès de dix mille consommateurs dans dix pays européens, soixante six pour cent disent avoir vu des alertes de stock faible sans pouvoir savoir si elles étaient vraies. Soixante et un pour cent ont vu des offres limitées dans le temps dans les mêmes conditions. Quarante pour cent ont rencontré un design qui rendait la résiliation très difficile. Trente deux pour cent ont payé un prix final supérieur au prix annoncé au départ.
Jordan: POURQUOI ÇA COMPTE. Ce n'est pas une histoire de quelques mauvais acteurs.
Jordan: Quand les autorités européennes ont contrôlé des boutiques en ligne en deux mille vingt deux, près de quarante pour cent présentaient au moins un design trompeur. Quand elles ont contrôlé les influenceurs en deux mille vingt quatre, seuls vingt pour cent signalaient systématiquement que leur contenu était de la publicité.
Jordan: Alors, qu'est-ce qui change si le diagnostic est déjà aussi clair ?
Jordan: La direction change. Des pratiques aujourd'hui examinées au cas par cas, sous des règles générales, se rapprocheraient d'interdictions explicites. C'est la différence entre un risque que l'on gère, et une fonction qu'il faut retirer.
Jordan: CE QUE ÇA CHANGE. Toute marque qui vend en ligne en Europe devrait auditer quatre parcours dès maintenant, avant l'arrivée du texte. Le compte à rebours. Le prix, du premier affichage au paiement final. Le parcours de résiliation. Et chaque publication d'influenceur.
Jordan: Si une urgence ne peut pas être prouvée, elle ne survivra pas. Si résilier prend plus de temps que s'abonner, cette asymétrie est le problème du produit, pas un détail juridique.
Jordan: Signal trois. Le meilleur modèle manque encore un tiers du laboratoire.
Jordan: LE SIGNAL. Le six novembre, OpenAI a publié BioBasicsBench, un banc d'essai construit avec Ligo, une entreprise de biotechnologie spécialisée dans la conception d'enzymes.
Jordan: Ce sont cent tâches tirées du travail quotidien d'un laboratoire, réparties en cinq domaines. Les méthodes sur les protéines. L'imagerie et la cytométrie. Les dosages et la quantification. Les acides nucléiques. Et le clonage.
Jordan: Ces tâches ne demandent pas au modèle de réciter de la biologie. Elles lui donnent des preuves brutes. Des images de gels, des boîtes de colonies, de la microscopie, des fichiers de séquençage et des relevés d'instruments, et lui demandent de les interpréter, de repérer les erreurs, et de reconnaître quand les preuves ne permettent pas de conclure.
Jordan: Au niveau de raisonnement le plus élevé rapporté pour les sept modèles testés, le meilleur modèle, GPT six Astra, a obtenu soixante six virgule sept pour cent des points disponibles. Un modèle antérieur, GPT cinq point six Sol, a obtenu quarante trois virgule huit pour cent.
Jordan: Ces soixante six virgule sept sont une récompense moyenne selon une grille, avec des points partiels. Ce n'est pas la part des tâches résolues par le modèle.
Jordan: OpenAI a elle-même publié des exemples détaillés où son meilleur modèle se trompe en laboratoire, notamment en choisissant les mauvaises colonies bactériennes. Sa conclusion est directe. Des scores plus élevés ne signifient pas encore que les modèles peuvent porter des jugements fiables en laboratoire.
Jordan: POURQUOI ÇA COMPTE. Il faut reconnaître le progrès. Un gain d'environ vingt trois points, sur des preuves réelles et désordonnées, est réel, et OpenAI a publié ses propres échecs à côté du score. Cette honnêteté, c'est le signal.
Jordan: Mais gardez les limites en vue, en même temps. Seuls les modèles d'OpenAI ont été testés. Les tâches n'ont pas été publiées. Et aucun résultat humain comparable n'a été publié. C'est donc un progrès visible, sur un test que personne d'autre ne peut encore refaire.
Jordan: CE QUE ÇA CHANGE. Pour toute équipe qui place l'IA à côté d'un travail d'expert, la règle de cette semaine est simple.
Jordan: Utilisez le modèle pour lire, pour rédiger, et pour signaler. Gardez un humain qualifié sur le jugement qui porte des conséquences. Et posez à chaque fournisseur la question à laquelle OpenAI vient de répondre pour elle-même. Montrez-moi où ça échoue, pas seulement où ça marque des points.
Jordan: Alors, aujourd'hui en une ligne. La permission devient un réglage. L'équité devient une spécification. Et la capacité ne devient crédible que lorsque ses limites sont publiées avec elle.
Jordan: Si ça a filtré votre bruit aujourd'hui, l'édition hebdo va plus loin. THE WEEK IN SIGNAL, chaque dimanche sur Substack. Abonnez-vous gratuitement : https://thenizzar.substack.com/
Curated with AI and presented by an AI voice.
Curation assistée par IA et présentée par une voix IA.
SIGNAL by Nizzar Ben Chekroune, brand strategist and founder of Quantum Branding.