llms.txt, Schema.org & Co. : comment votre site web est cité par les systèmes de recherche IA

Les systèmes de recherche IA tels que ChatGPT, Perplexity ou Google AI Overviews citent les sites web qu’ils peuvent atteindre techniquement, comprendre sur le fond et classer comme fiables. Trois niveaux comptent à cet effet : l’explorabilité et la vitesse, des contenus clairement structurés avec des réponses directes et des données structurées selon Schema.org. Un llms.txt peut compléter, mais ce n’est pas un standard officiel – et Google a expliqué ne pas l’utiliser.

Cet article est le complément technique de GEO statt SEO et du Guide pratique GEO. Ce que signifie GEO en général est expliqué dans l’entrée du glossaire Generative Engine Optimization.

Niveau 1 : accessibilité pour les crawlers IA

Avant qu’un système d’IA puisse citer vos contenus, il doit être autorisé à les lire et être en mesure de le faire. Vérifiez trois points :

• robots.txt : Les robots d’exploration comme GPTBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot ou Google-Extended sont-ils bloqués ? De nombreux sites les bloquent involontairement via des règles générales.
• Rendu côté serveur : Les contenus qui ne sont générés dans le navigateur qu’au moyen de JavaScript ne sont pas visibles pour de nombreux robots d’exploration. Les textes importants doivent figurer directement dans le HTML livré.
• Vitesse et accessibilité : Les pages lentes ou défectueuses sont explorées moins souvent et de manière plus incomplète.

Un exemple tiré de notre propre site web : les réponses FAQ déroulantes n’étaient auparavant affichées qu’au moyen de JavaScript – les robots d’exploration ne voyaient donc qu’une partie des réponses. Depuis le passage à des éléments HTML natifs, toutes les réponses figurent directement dans le code स्रोत.

Niveau 2 : contenus qui se laissent citer

Les systèmes d’IA reprennent de préférence des passages qui répondent à une question de manière directe et autonome. Il en découle des règles de rédaction simples :

• Réponse d’abord :La question centrale est répondue dans les deux ou trois premières phrases, puis vient l’approfondissement.
• Questions comme sous-titres intermédiaires :Telles que les personnes les poseraient à un chatbot.
• Faits concrets avec source :Chiffres, délais, conditions – étayés et avec date de mise à jour.
• Listes et tableaux :Comparer et étapes structurés plutôt que cachés dans un texte continu.
• Termes clairs : Expliquer les termes techniques une fois, puis les utiliser de manière cohérente.
• Auteur identifiable : Qui écrit, avec quelle expérience ? C’est un signal de confiance.

Niveau 3 : données structurées selon Schema.org

Données structurées décrivent le contenu de manière lisible par machine au format JSON-LD. Elles aident les moteurs de recherche à comprendre, qui propose quelque chose, ce qu’une page est et quelles questions elle répond. Types importants pour les sites web d’entreprise :

• Organization / LocalBusiness : nom, adresse, contact, profils sur d’autres réseaux (sameAs).
• Person : auteurs et autrices avec qualifications.
• Service : Prestations avec prestataire et domaine d’intervention.
• Article / BlogPosting : Articles avec auteur, date et mise à jour.
• FAQPage : Questions et réponses.
• BreadcrumbList : le classement d’une page dans la structure du site web.

Important : les données structurées doivent correspondre au contenu visible et être complètes. Un balisage de produit sans prix, par exemple, génère des erreurs dans la Google Search Console – si vous ne publiez pas de prix, il vaut mieux décrire vos offres comme un service.

Et le llms.txt ?

Le llms.txt est un fichier texte proposé en 2024, placé à la racine d’un site web, qui explique de manière concise aux systèmes d’IA de quoi traite le site et quelles pages sont les plus importantes – plus d’informations dans le glossaire sous llms.txt. Il ne s’agit pas d’un standard officiel. Des représentants de Google ont déclaré publiquement que Google Search ne les utilise pas ; si et comment d’autres fournisseurs d’IA les exploitent n’est pas documenté de manière fiable.

Notre évaluation : un fichier llms.txt ne nuit pas et se crée rapidement, mais ne devrait pas être la première mesure. L’explorabilité, un bon contenu et des données structurées correctes ont un effet avéré – le fichier llms.txt n’est qu’un petit complément.

Liste de contrôle en sept points

1. Vérifier dans robots.txt les robots d’IA bloqués.
2. Contenu important livré dans le HTML, pas seulement via JavaScript.
3. Une seule H1 claire par page et des questions comme sous-titres.
4. Réponse d’abord dans les premières phrases.
5. Vérifier les schémas Organization, Service, Article et FAQPage et corriger les erreurs dans la Search Console.
6. Rendre visibles les autrices et auteurs, indiquer la date et la mise à jour.
7. En option : créer un fichier llms.txt avec les pages les plus importantes.

Dans quelle mesure votre propre site web est adapté aux systèmes de recherche basés sur l’IA, le contrôle gratuit SEO-/GEO-Check le montre en quelques minutes.

Comment une llms.txt est structurée

La proposition prévoit un simple fichier Markdown sous /llms.txt :

• un titre avec le nom du site web ou de l’entreprise
• un bref résumé en un paragraphe
• des sections avec des listes des pages les plus importantes, chacune avec un lien et une phrase de description
• une version plus détaillée en option (llms-full.txt) avec davantage de contenu

Quiconque crée un llms.txt devrait le tenir à jour – des liens et des descriptions obsolètes sont pires que l’absence de fichier. bettersorted.de met un tel fichier à disposition, mais le considère comme un complément, et non comme le cœur de l’optimisation.

E-E-A-T : pourquoi les signaux de confiance comptent

Google décrit avec E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) les signaux permettant d’évaluer la qualité des contenus. Pour la recherche par IA, des critères similaires s’appliquent : les systèmes citent de préférence les sources en lesquelles ils ont confiance. Concrètement, cela aide :

• Auteurs et autrices clairement identifiables avec profil et qualifications
• Ancrage pratique : expériences propres, exemples, références
• Justificatifs : Sources et date de référence pour les faits
• Mentions légales, contact, protection des données complets et faciles à trouver
• Mentions sur d’autres sites web : annuaires, portails spécialisés, presse, réseaux

Comment mesurer si les systèmes d’IA citent votre site

1. Poser les questions typiques de votre public cible dans ChatGPT, Perplexity et Google, puis vérifier quelles sources sont mentionnées.
2. Dans l’analyse web, observer les visites provenant de services d’IA (domaines référents).
3. Dans Google Search Console, suivre les impressions pour les requêtes formulées sous forme de questions.
4. Répéter le contrôle à intervalles réguliers, car les réponses évoluent.

Erreurs techniques fréquentes

• Les robots d’indexation IA bloqués par erreur via robots.txt ou pare-feu
• Des contenus importants uniquement dans des images ou des PDF
• Des réponses dans des éléments déroulants chargés uniquement via JavaScript
• Des données structurées erronées ou incomplètes
• Des pages dupliquées sans indication canonique

Questions fréquemment posées

Qu’est-ce qu’un llms.txt ?

Un fichier texte à la racine d’un site web qui explique aux systèmes d’IA, de manière concise, de quoi traite le site et quelles pages sont importantes. Il a été proposé en 2024 et n’est pas une norme officielle.

Google utilise-t-il le llms.txt ?

Non. Des représentants de Google ont indiqué que Google Search n’utilise pas le llms.txt. Pour Google, ce qui compte, ce sont l’explorabilité, le contenu et les données structurées.

Quelles données structurées sont les plus importantes pour la recherche par IA ?

Organization ou LocalBusiness pour l’entreprise, Person pour les auteurs, Service pour les prestations, Article pour les articles, FAQPage pour les questions et BreadcrumbList pour la structure des pages.

Dois-je autoriser les crawlers d’IA dans le fichier robots.txt ?

Si vous souhaitez que vos contenus apparaissent dans les réponses d’IA, oui. Quiconque bloque GPTBot, ClaudeBot ou PerplexityBot ne peut pas être cité par ces systèmes. La décision consiste à arbitrer entre visibilité et contrôle de ses propres contenus.

État : octobre 2026.