Rumeur : Meta bâtirait son propre index web pour que Meta AI se passe de Google

L’essentiel

• Le 6 août 2026, Pieter Levels (@levelsio) publie sur X le message privé d’une personne qu’il présente comme salariée de Meta, sans l’identifier.
• Selon ce message, Meta construirait un index web et un moteur de recherche maison pour les recherches de Meta AI.
• Quelques heures plus tôt, Levels signalait un crawl massif de ses sites par Meta, captures d’écran à l’appui.
• Meta n’avait fait aucune déclaration publique sur le sujet à l’heure de la publication.

Une source unique, anonyme, et un « ALLEGEDLY » en capitales

Le post de Pieter Levels est daté du 6 août 2026 à 22 h 44, heure de Paris. Le développeur, qui compte près d’un million d’abonnés sur X, y écrit que Meta serait « soi-disant » (ALLEGEDLY, en majuscules dans le texte) en train de bâtir son propre moteur de recherche à la Google. Le motif avancé tient en une phrase : Meta ne voudrait plus que les recherches web de son IA passent par Google, qui pourrait s’en servir pour entraîner ses propres modèles. D’où l’idée d’un index web maison, qui deviendrait le moteur de recherche de l’IA de Meta.

La seule source est un message privé d’un membre du personnel de Meta, publié avec son accord d’après Levels. On ne connaît ni son nom, ni son poste, ni son équipe. Le message ne dit pas davantage s’il s’agit d’un moteur ouvert au public ou d’un index interne réservé à Meta AI, et il ne donne aucun calendrier. Rien ne permet donc d’écrire que Meta confirme : c’est une affirmation relayée par un tiers, que Levels prend lui-même soin de présenter comme non vérifiée.

Le point de départ : un crawl qui fait sonner les alertes d’un serveur

Ce post en cite un autre du même auteur, publié le même jour à 18 h 14. Levels y décrit Meta en train d’aspirer ses sites, et apparemment ceux de beaucoup d’autres, au point de déclencher des alertes de charge sur l’un de ses serveurs privés virtuels (VPS). Les requêtes de Meta touchent aussi url2og, le service de captures d’écran qu’il utilise pour ses sites. Il en déduit que le groupe collecte des images et pas seulement du texte, peut-être pour des travaux sur l’image, la vidéo ou un « world model » (modèle de simulation du monde). Trois captures d’écran accompagnent ce message.

Deux choses sont à séparer. Un volume de crawl élevé se vérifie dans les logs de chaque site. L’usage des pages récupérées, lui, reste ici une hypothèse : ni les captures ni les volumes ne disent à quoi servent les données.

Une piste déjà évoquée en 2024

L’idée n’est pas neuve. Le 28 octobre 2024, Reuters relayait un article de The Information selon lequel Meta travaillait à un moteur de recherche fondé sur l’IA, pour moins dépendre de Google et de Bing. Les deux moteurs fournissaient alors à Meta AI ses réponses sur l’actualité, le sport et les cours de Bourse. Meta n’avait pas répondu sur le moment aux questions de Reuters.

Un point, en revanche, est documenté par Meta lui-même. Sa page consacrée aux crawlers décrit un robot meta-webindexer chargé de parcourir le web pour améliorer la qualité des résultats de recherche de Meta AI. Meta indexe donc déjà des pages pour son assistant. Ce qui reste à confirmer, c’est l’existence d’un moteur complet appelé à remplacer Google dans Meta AI.

Les robots de Meta à repérer dans les logs

La documentation de Meta liste cinq robots, chacun avec un jeton utilisable dans le robots.txt :

• meta-webindexer/1.1 : indexation pour les résultats de recherche de Meta AI. Selon Meta, l’autoriser aide l’assistant à citer les contenus et à renvoyer vers eux.
• meta-externalagent/1.1 : entraînement de modèles d’IA de fondation, ou amélioration de produits par indexation directe des contenus.
• meta-externalfetcher/1.1 : récupération ponctuelle d’un lien à la demande d’un utilisateur, notamment pour les fonctions agentiques. Meta prévient qu’il peut ignorer le robots.txt.
• meta-externalads/1.1 : crawl lié à la publicité et aux produits destinés aux entreprises.
• facebookexternalhit/1.1 : génération des aperçus (titre, description, vignette) quand une URL est partagée dans une application de Meta. Il peut passer outre le robots.txt lors de contrôles de sécurité ou d’intégrité.

Pour rappel, Meta indique que ses robots peuvent garder le robots.txt en cache jusqu’à 24 heures : une modification ne s’applique donc pas tout de suite. Autre précaution, un user-agent se falsifie en quelques secondes. Avant de conclure, mieux vaut vérifier que les adresses IP appartiennent bien au réseau de Meta (AS32934).

Ce que j’en retiens

Tant que Meta ne s’exprime pas, je traite cette information comme une rumeur à source unique. Le message anonyme ne prouve rien, et la piste des images est une supposition de Levels. Le trafic, lui, se mesure. Je conseille de filtrer les logs serveur sur les jetons meta-webindexer et meta-externalagent et de suivre leur volume semaine après semaine. Une hausse nette serait le premier indice concret d’une indexation à plus grande échelle.

Dans le robots.txt, la différence entre ces deux robots compte. Bloquer meta-externalagent revient à refuser l’entraînement, mais sa définition couvre aussi une indexation directe, si bien que l’effet exact d’un blocage reste flou. Meta présente meta-webindexer comme le robot qui permet d’être cité dans Meta AI : le bloquer, c’est probablement renoncer à cette visibilité. Si le crawl pèse sur les serveurs, je préfère une limitation de débit à un blocage large au niveau du CDN, qui risque d’atteindre d’autres robots, comme l’a montré le cas des 403 servis à Googlebot et Bingbot sur Cloudflare.