Votre site est-il lisible par les IA ? Le test en 6 points

Avant de se demander pourquoi les IA ne vous citent pas, il faut vérifier une chose plus simple : peuvent-elles vous lire ? Un site que les robots ne peuvent pas explorer, ou dont le contenu n'existe pas dans le code envoyé au serveur, ne sera cité nulle part — quelle que soit la qualité de ce qu'il raconte.

Voici six contrôles essentiels, ceux par lesquels nous commençons toujours. Vous pouvez tous les faire vous-même, sans outil payant, en une dizaine de minutes.

1. Les robots IA ont-ils l'autorisation d'explorer votre site ?

Le test : ouvrez votresite.fr/robots.txt dans votre navigateur. Cherchez les mentions de GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended.

Ce qu'il faut voir : soit rien du tout (aucune restriction, donc autorisé), soit des règles que vous avez décidées. Ce qu'il ne faut surtout pas découvrir, c'est un Disallow que personne n'a assumé.

C'est le blocage le plus radical qui existe, et le plus absurde quand il survient : un site qui interdit les robots IA sans que personne ne l'ait décidé. L'origine est presque toujours la même — une case cochée par défaut dans un plugin de sécurité ou de RGPD, une recommandation appliquée en 2023 quand le sujet était « empêcher les IA de piller mon contenu », ou un réglage d'hébergeur. La plupart des sites passent ce contrôle sans problème ; mais quand il échoue, il rend tout le reste inutile — le site est structurellement invisible pour un ou plusieurs moteurs, et aucun travail éditorial ne peut compenser. C'est pour cela qu'il se vérifie en premier : trente secondes, et on écarte le pire scénario.

Un mot sur l'arbitrage, car il est légitime : bloquer les crawlers d'entraînement pour protéger son contenu et autoriser les crawlers de recherche qui alimentent les réponses citées sont deux décisions différentes, et elles se règlent séparément. Ce qui est dangereux, c'est de tout bloquer par réflexe et de s'étonner ensuite de ne pas être cité.

2. Votre contenu existe-t-il dans le HTML, ou seulement après exécution du JavaScript ?

Le test : sur une page importante, faites clic droit → « Afficher le code source de la page » (Ctrl+U), puis Ctrl+F et cherchez une phrase que vous voyez à l'écran. Si elle n'apparaît pas dans le code, votre contenu n'existe pas côté serveur.

Pourquoi c'est décisif : tous les robots ne sont pas égaux face au JavaScript. Certains l'exécutent, d'autres lisent le HTML brut et repartent. Un site entièrement rendu côté navigateur (typiquement certaines applications React ou Vue mal configurées, certains constructeurs de sites) offre une page vide à ces derniers.

Le cas piège que nous voyons souvent : les chiffres et les éléments animés. Un compteur qui part de zéro et monte jusqu'à sa valeur au chargement affiche « 0 » dans le code source. Le robot lit « 0 ». Nous l'avons vécu sur notre propre site — et corrigé.

3. Vos informations essentielles sont-elles balisées ?

Le test : passez une page dans l'outil de test des résultats enrichis de Google, ou cherchez application/ld+json dans le code source.

Ce qu'il faut y trouver : votre identité (Organization, ou le type professionnel adapté à votre activité), vos services, vos coordonnées, vos horaires, et le balisage FAQPage si vous avez des questions-réponses. Les données structurées sont la version machine de vos informations : elles n'ont pas besoin d'être interprétées, donc pas besoin d'être devinées.

Attention à un piège fréquent : un balisage qui contredit la page visible (des horaires obsolètes dans le JSON-LD, un nom d'entité différent). Une incohérence est pire que rien : elle installe un doute là où il fallait une confirmation.

4. Vos informations pratiques sont-elles cohérentes partout ?

Le test : listez vos informations essentielles — nom exact, adresse, téléphone, horaires, intitulé d'activité — telles qu'elles apparaissent sur votre site, puis comparez avec vos fiches sur les annuaires et plateformes de votre secteur.

Pourquoi c'est central : un moteur qui construit une réponse cherche à recouper. Deux sources qui disent la même chose se renforcent ; deux sources qui divergent créent un doute, et le doute se traduit par une citation en moins. Une adresse écrite de trois façons différentes, un horaire modifié à un endroit et pas à l'autre, un intitulé d'activité qui varie : chacun de ces écarts coûte de la confiance.

5. Votre activité est-elle décrite dans les mots de vos clients ?

Le test : relisez la page qui décrit ce que vous faites. Contient-elle les termes exacts qu'emploierait un client dans une question — ou le vocabulaire de votre métier ?

Ce qui fonctionne : des intitulés explicites (« dépannage chaudière gaz en urgence 7j/7 » plutôt que « nos interventions »), des pages qui répondent chacune à une question précise, des faits vérifiables (zone d'intervention, délais, certifications). Les moteurs assemblent leurs réponses à partir de morceaux qui répondent précisément à une partie de la question : plus vos pages sont explicitement des réponses, plus elles sont citables.

6. Faut-il un fichier llms.txt ? La réponse honnête

C'est devenu l'argument à la mode : un fichier llms.txt à la racine du site, présenté comme le « robots.txt des IA », parfois vendu comme le levier décisif de la visibilité IA. Voici ce que disent les données.

Aucun grand fournisseur ne s'est engagé à l'utiliser comme signal de citation. Ni OpenAI, ni Anthropic, ni Google, ni Meta, ni Mistral. La documentation de Google Search est explicite depuis sa mise à jour de mai 2026 : le fichier n'est utilisé ni pour le classement, ni pour les réponses générées. Un porte-parole de Google avait même comparé publiquement l'idée à la balise meta keywords, abandonnée parce qu'une déclaration que le site fait sur lui-même n'est pas vérifiable.

Les logs de crawlers confirment. Une analyse portant sur plus de 500 millions de visites de robots IA sur 90 jours a relevé que quelques centaines seulement visaient le fichier llms.txt. Un autre test indépendant arrive au même ordre de grandeur : une fraction de pourcent du trafic de crawlers. Côté adoption, une étude sur 300 000 domaines mesure environ 10 % de sites équipés — et parmi les domaines les plus cités par les IA, presque aucun.

Alors pourquoi Stripe, Vercel, Cloudflare ou Anthropic en publient-ils un ? Parce qu'ils ne visent pas la citation : ils visent les agents — assistants de code et navigateurs agentiques qui, eux, lisent ce fichier pour se repérer dans une documentation. C'est un usage réel, mais différent. Signe de cette bascule : l'outil d'audit intégré à Chrome a sorti la vérification du llms.txt de son statut expérimental pour la ranger dans une catégorie « navigation agentique » — pendant que l'équipe Search dit de l'ignorer.

Notre position : le publier est peu coûteux et sans risque si le fichier est juste et maintenu — mais ce n'est pas un levier de citation aujourd'hui, et ce serait une erreur d'y consacrer du budget avant d'avoir traité les cinq points précédents. Méfiez-vous de quiconque vous le vend comme la clé : les données disponibles ne le soutiennent pas. Et évitez surtout la mauvaise implémentation répandue qui consiste à dupliquer chaque page en Markdown : si ces copies sont indexables, vous créez du contenu dupliqué à grande échelle.

Le point que presque tout le monde rate

Si vous ne devez en retenir qu'un, prenez le point 3. Le balisage des services et des questions fréquentes est très souvent absent — y compris sur des sites récents, soignés, conçus par des professionnels. La raison est simple : ces balises ne se voient pas. Un site peut être magnifique, rapide, parfaitement rédigé, et rester muet pour une machine qui cherche à savoir ce que vous proposez exactement.

C'est aussi le meilleur rapport effort/impact de la liste, une fois les deux contrôles bloquants écartés : quelques heures de travail technique, une fois, et durable — là où une stratégie de contenu se compte en mois.

Par où commencer si tout est à faire ?

Dans cet ordre, parce qu'il correspond à l'ordre des coûts et des impacts :

1. Débloquer les robots (point 1) — quelques minutes, et c'est bloquant.
2. Vérifier le rendu serveur (point 2) — si le contenu n'est pas dans le HTML, rien d'autre ne comptera.
3. Baliser (point 3) — technique, une fois, durable : le meilleur rapport effort/impact du lot.
4. Aligner les informations (point 4) — gratuit, fastidieux, et directement rentable en confiance.
5. Réécrire les intitulés en langage client (point 5) — le plus long, le plus payant sur la durée.
6. Le llms.txt (point 6) — en dernier, si vous en avez envie.

Vous avez passé les six contrôles et vous voulez maintenant savoir si les IA vous citent réellement — sur vos vraies questions clients, moteur par moteur ? C'est l'objet de notre audit de visibilité IA : la mesure, avant les recommandations.

Sources : documentation Google Search sur les fonctionnalités génératives (état de mai 2026) et déclarations publiques de ses porte-parole concernant llms.txt ; analyses de logs de crawlers IA (plus de 500 millions d'événements sur 90 jours) et tests indépendants convergents sur l'usage marginal du fichier ; étude d'adoption sur 300 000 domaines (environ 10 % de sites équipés) ; documentation publique des éditeurs sur leurs agents (GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended). Les chiffres d'adoption varient selon les méthodologies des études citées.