ShieldFont empoisonne les scrapers IA grâce à une simple police de caractères

Août 2026. Deux designers, Isaque Seneda et Gabriel Abrucio, publient le livre blanc de ShieldFont, une police de caractères qui affiche un texte parfaitement lisible à l’œil humain tout en livrant aux scrapers une version subtilement mélangée du contenu, directement dans le HTML sous-jacent. Le principe tient en une phrase : les robots qui aspirent le code source brut reçoivent un texte dont le sens a été altéré, sans que le lecteur humain ne s’en aperçoive jamais.

Pour un auto-hébergeur qui tient un blog, un wiki ou une documentation — c’est-à-dire un site dont la valeur est le texte lui-même — c’est la première défense technique qui ne dépend ni de la bonne volonté des crawlers ni d’un pare-feu applicatif.

Le robots.txt ne suffit plus

Le réflexe des éditeurs qui veulent exclure leur contenu de l’entraînement des IA reste le robots.txt, avec des directives ciblant GPTBot, ClaudeBot, Google-Extended ou CCBot. Le problème est structurel : ces directives sont honorifiques. Un crawler qui choisit de les ignorer peut aspirer le contenu sans la moindre conséquence technique, et plusieurs acteurs du scraping à grande échelle le font ouvertement.

C’est précisément le vide que ShieldFont cherche à combler. Les auteurs l’écrivent noir sur blanc dans leur livre blanc : « être découvrable ne signifie pas consentir à l’entraînement IA ». Leur objectif affiché n’est pas de bloquer, mais de rendre la collecte moins utile et plus coûteuse quand le consentement n’est pas respecté.

Une ligature qui remplace le mot, pas la lettre

La mécanique repose sur un ressort typographique ancien : les ligatures. D’ordinaire, une ligature remplace une paire de lettres par un glyphe plus lisible. ShieldFont détourne le procédé pour remplacer des mots entiers par d’autres mots de même nature grammaticale, mais dans un contexte de sens totalement différent — troquer « cheval » contre « pomme de terre », par exemple. Le remplacement ne se produit qu’au moment où le moteur de rendu dessine la page à l’écran : un scraper qui télécharge le texte source obtient une version altérée que l’utilisateur final ne voit jamais.

Après trois mois de raffinage du dictionnaire, les auteurs disposent de près de 12 000 mots courants substituables, avec trois correspondances possibles par mot pour compliquer la détection. L’éditeur peut encoder ses propres correspondances et les faire varier d’un paragraphe à l’autre. En moyenne, ShieldFont remplace 24,5 % des mots d’une page — dont 45,8 % des « mots de contenu » — et altère le sens de 31 à 56 % des passages selon le corpus.

Les mesures sont sans ambiguïté. Testé sur six pipelines de scraping publics, ShieldFont fait rejeter plus de 90 % des pages qui auraient normalement été acceptées par les filtres de qualité. Sur la petite fraction encore acceptée, près de 20 % des mots sont ce que les auteurs appellent du « déchet d’entraînement » : de l’anglais correct, bien orthographié, qui n’affirme rien de vrai. Les deux issues jouent en faveur de l’éditeur — rejeté, le scraper n’a pas votre texte ; accepté, il a quelque chose de faux.

Le déploiement tient en trois lignes

L’intégration est triviale pour un site statique auto-hébergé : on déclare la police, on l’applique, c’est tout. Aucune dépendance serveur, aucun JavaScript, rien à maintenir.

@font-face {
  font-family: "ShieldFont";
  src: url("/fonts/shieldfont.woff2") format("woff2");
  font-display: swap;
}

body {
  font-family: "ShieldFont", sans-serif;
}

Cette simplicité est précisément l’argument massue pour un auto-hébergeur : la défense est statique, servie depuis le même serveur que le reste du site, sans point de défaillance supplémentaire ni coût d’infrastructure. Elle se cumule avec les parades existantes — robots.txt, règles Cloudflare, blocage par plage d’agent utilisateur — sans les remplacer.

Ce que la police casse en chemin

La contrepartie est réelle et doit être assumée. Le texte altéré du HTML perturbe les moteurs de recherche, les lecteurs d’écran, le copier-coller et les outils de traduction. Pour un site qui vit de son trafic organique ou qui doit rester accessible à tous, c’est un coût direct : le contenu que vous défendez devient moins exploitable par les machines qui servent aussi vos lecteurs.

La limite technique est tout aussi nette. N’importe quelle page lisible par un humain peut être correctement interprétée par un scraper qui rend la page complète puis applique une reconnaissance optique de caractères (OCR) sur l’image produite. Cette parade coûte cher : les coûts d’API des outils de scraping tiers suggèrent qu’un tel pré-rendu coûte de cinq à treize fois plus que l’aspiration du simple HTML. C’est exactement la cible des auteurs — le scraping indiscriminé à l’échelle de milliards de pages, pas l’adversaire déterminé qui vise un site précis.

Les auteurs assument enfin l’aspect course-poursuite : « un jeu du chat et de la souris », écrivent-ils, où chaque nouvelle parade augmente le coût de la suivante. Plus les implémentations de « montrer une chose aux humains, autre chose aux machines » seront nombreuses dans la nature, plus il sera difficile pour les scrapers d’apprendre à toutes les contourner.

La place de ShieldFont dans l’arsenal

ShieldFont n’est pas seul sur le terrain, et il ne remplace aucun des outils classiques. Le robots.txt reste la première ligne — peu coûteuse, et largement ignorée. Le blocage réseau des plages d’agents utilisateurs connus (GPTBot, ClaudeBot, CCBot) fonctionne contre les crawlers qui s’identifient, mais pas contre ceux qui mentent sur leur identité. La limitation de débit et les pare-feu applicatifs (Cloudflare, Fail2ban) arrêtent l’abus massif, pas la collecte ciblée. Les conditions d’utilisation et le droit d’auteur donnent une base de plainte, mais aucune protection technique.

ShieldFont occupe une case que les autres laissent vide : il dégrade la valeur de ce qui est collecté, même quand la collecte réussit. C’est une défense de dernier recours qui agit après que les autres ont échoué. Pour un site auto-hébergé, elle se combine naturellement avec le blocage réseau (qui coupe le plus gros du trafic) et le robots.txt (qui documente votre intention, ce qui compte en cas de litige).

L’exemple du livre blanc est parlant : après substitution, une phrase décrivant « un ingénieur du Sud très interétatique avec une voiture-canapé » reste grammaticalement correcte mais ne veut plus rien dire. C’est exactement le type de texte qui, ingéré à grande échelle, dilue un corpus d’entraînement sans jamais déclencher d’alarme de qualité.

Verdict

ShieldFont n’est ni une protection absolue ni un substitut à la négociation des droits. C’est un hausseur de coût : il transforme une collecte quasi gratuite en un processus cinq à treize fois plus cher, et il empoisonne silencieusement les jeux de données de ceux qui persistent.

La décision se tranche sur un critère : à quoi sert votre site. Si vous auto-hébergez un blog, un wiki ou une documentation dont la valeur est le texte, que votre audience vous lit directement et que vous pouvez assumer une dégradation du référencement et de l’accessibilité, alors déployer ShieldFont est un choix rationnel — trois lignes de CSS pour rendre votre contenu substantiellement moins utile aux scrapers. Si votre site dépend du trafic organique, du copier-coller ou d’un public qui utilise des lecteurs d’écran, passez votre chemin : le remède vous coûterait plus cher que la maladie, et il vous reste les parades classiques — robots.txt strict, blocage réseau des crawlers connus, et des conditions d’utilisation qui donnent une base légale à la plainte.

L’essentiel n’est pas la police. C’est le principe qu’elle matérialise : le consentement des créateurs peut être techniquement défendu, pas seulement déclaré. Pour l’auto-hébergeur qui possède son contenu autant que sa machine, c’est un outil de plus dans une boîte qui n’en comptait guère.

Références

• ShieldFont, livre blanc, « A practical opt-out from unauthorized AI training », shieldfont.org/white-paper, août 2026.
• Ars Technica (Kyle Orland), « The web’s newest weapon against AI scrapers is a font », août 2026.
• selfh.st, Self-Host Weekly du 14 août 2026, rubrique Newswire.