llms.txt, le fichier que Google n’utilise pas

L’idée part d’un problème réel, et c’est exactement ce qui la rend crédible.

Une page web moderne, c’est une montagne de code de mise en forme pour une poignée de texte utile. La machine qui veut comprendre votre site doit tout trier, et ça coûte du temps et de la puissance de calcul.

Le fichier llms.txt propose une solution simple. Un document texte déposé à la racine du site, écrit dans un format lisible, qui présente l’activité et liste les pages importantes avec une phrase de description. Un plan de lecture écrit pour les machines plutôt qu’un site à déchiffrer.

Le concept est honnête, porté par un chercheur identifié, et adopté par quelques entreprises sérieuses qui s’en servent surtout pour documenter leurs interfaces techniques. Ni magie, ni arnaque. Le problème n’est pas le fichier, c’est ce qu’on en raconte.

Le fichier, dans sa forme réelle. C’est du markdown, à servir sur https://votre-domaine.fr/llms.txt. Voici la structure exacte du nôtre, raccourcie.

# Exemple SARL

> Plombier à Montpellier depuis 2008. Dépannage, installation, rénovation de salle de bains, pour les particuliers et les syndics.

Exemple SARL est dirigée par Marie Dupont. Interventions sur Montpellier et 20 km alentour, du lundi au vendredi de 9 h à 18 h, urgences le samedi. Devis gratuit sous 24 heures.

## Prestations
- [Dépannage urgent](https://www.exemple.fr/depannage/): fuite, panne de chaudière, canalisation bouchée.
- [Rénovation de salle de bains](https://www.exemple.fr/salle-de-bains/): de la conception à la pose.

## Ressources
- [Nos tarifs](https://www.exemple.fr/tarifs/): grille détaillée par intervention.
- [Nous contacter](https://www.exemple.fr/contact/): téléphone, formulaire, adresse.

Les 3 règles qui font la différence. Le titre # porte le nom de l’entreprise. La ligne > résume l’activité en 1 phrase, c’est celle qu’un modèle reprendra le plus souvent. Chaque lien est suivi d’une description, sans quoi le fichier n’est qu’un plan du site déguisé.

⚠ Les adresses doivent être absolues. Un chemin relatif ne veut rien dire pour un modèle qui a récupéré le fichier hors contexte.

Le contrôle.

curl -sI https://www.exemple.fr/llms.txt | head -1

Le décalage entre la promesse et les faits se mesure en 3 points.

• Google a confirmé ne pas l’utiliser. John Mueller, porte-parole du moteur sur les sujets de référencement, a indiqué qu’il n’était pas nécessaire pour la visibilité dans les réponses générées.
• Aucun grand acteur de l’IA n’a annoncé le prendre en charge, plus d’un an après la publication de la spécification.
• Les mesures d’impact sur les citations donnent un effet faible à nul.

Faut-il le jeter pour autant ? Non. Notre position tient en une ligne. Nous en avons un sur ce site, et nous ne le facturons à personne.

La raison est simple. Ce fichier prend 20 minutes à écrire, ne présente aucun risque, et documente proprement le site pour le jour où un moteur déciderait de s’en servir. Un pari à coût quasi nul, on le prend.

En revanche, le jour où un prestataire vous le présente comme un levier de visibilité et vous le facture à ce titre, on change de sujet. On vous vend une certitude là où il n’y en a aucune, et pendant ce temps le vrai problème reste exactement où il était.

Voilà le réglage qui décide vraiment. Et il n’a rien à voir avec un fichier à déposer.

Les robots de ChatGPT, de Claude et de Perplexity n’exécutent pas le JavaScript. Ils lisent le code HTML brut renvoyé par votre serveur, et ils s’arrêtent là.

Si votre site n’affiche son contenu qu’une fois les scripts exécutés dans le navigateur, ces machines voient une page vide. Vous pouvez avoir le meilleur article du web sur votre sujet et un llms.txt impeccable posé à la racine, elles ne liront rien. Rien du tout.

La nuance qui suit est importante, parce qu’elle explique des situations qui paraissent incohérentes.

• Ne rendent pas le JavaScript. Les robots d’OpenAI, d’Anthropic et de Perplexity.
• Rendent le JavaScript. Google-Extended, qui alimente Gemini, et AppleBot-Extended, qui utilisent le même moteur de rendu que leurs versions classiques. Plusieurs modèles comme Mistral, DeepSeek ou Qwen l’exécutent également.

Traduction. Une entreprise peut être correctement citée par Gemini et totalement absente de ChatGPT, pour une raison purement technique. Le contenu n’y est pour rien. C’est la livraison qui cloche.

Un cas d’audit rend le mécanisme très concret. La page d’un artisan, fabriquée avec un générateur de sites récent, affichait une FAQ complète et bien rédigée. Notre analyse ne la trouvait nulle part. Les questions n’existaient pas dans le code renvoyé par le serveur, elles n’apparaissaient qu’une fois les scripts exécutés.

Et le dégât dépasse largement les IA. Aucune donnée structurée n’est prise en compte, donc aucun résultat enrichi n’apparaît dans Google. L’artisan avait fait le boulot, écrit les questions, préparé les réponses. Il n’en récoltait rien. Coquille vide, alors que le contenu existait. Vérifier ça sur votre propre site prend 10 minutes et évite des mois de travail perdu. La grille est ici, l’audit d’une page locale.

C’est aussi pour cette raison que ce site est construit en pages générées à l’avance plutôt qu’assemblées dans le navigateur. Le serveur renvoie le texte complet dès la première réponse.

Si votre site tourne sous un framework moderne, ce réglage se joue sur la répartition entre le serveur et le navigateur. Notre article sur les composants serveur et clients explique où passe exactement la frontière, et comment une seule ligne mal placée fait disparaître une page entière.

Vous pouvez vérifier où vous en êtes vous-même, sans outil, sans compétence technique, en 30 secondes.

• Ouvrez une page importante de votre site, une page de service plutôt que l’accueil.
• Affichez le code source, avec un clic droit puis l’option d’affichage du code source de la page. Attention, ce n’est pas l’inspecteur d’éléments, qui montre la page après exécution des scripts et vous donnerait une fausse bonne nouvelle.
• Cherchez une phrase de votre texte avec la fonction de recherche du navigateur.
• Si la phrase apparaît, votre contenu est livré directement et toutes les IA le voient.
• Si elle n’apparaît pas, votre contenu est assemblé dans le navigateur, et une partie des moteurs d’IA ne le lit pas.

Deuxième vérification, tout aussi rapide. Ouvrez l’adresse de votre site suivie de robots.txt et cherchez-y GPTBot, ClaudeBot, PerplexityBot et Google-Extended. Beaucoup de sites bloquent ces robots sans le savoir, par héritage d’une vieille configuration ou d’une extension de sécurité installée pour tout autre chose.

Bloquer ces robots reste un choix parfaitement défendable si vous refusez que vos contenus nourrissent les modèles. Ce qui n’est pas défendable, c’est de le faire sans le savoir.

Le test qui compte, se faire passer pour le robot. Si le contenu n’apparaît pas ici, il n’existe pas pour le modèle.

curl -s -A "GPTBot" https://www.exemple.fr/ | grep -c "<p>"

Comparez avec ce que voit un navigateur. Si le premier chiffre est très inférieur au second, votre contenu est fabriqué par du JavaScript après chargement, et une bonne partie des robots ne le verra jamais.

curl -s -A "Mozilla/5.0" https://www.exemple.fr/ | grep -c "<p>"

Et vérifiez que vous ne les bloquez pas sans le savoir.

curl -s https://www.exemple.fr/robots.txt | grep -iE "gptbot|claudebot|perplexity|google-extended|ccbot"

⚠ Ce dernier point n’est pas théorique. Sur 137 000 sites observés, 5,9 % bloquent GPTBot sans l’avoir décidé, par héritage d’un module de sécurité ou d’un réglage d’hébergeur.

Voilà où va l’effort, classé par rendement. On commence par le haut.

• Livrez le texte dès la première réponse du serveur. C’est le réglage numéro 1, et le seul qui puisse faire passer un site de l’invisibilité complète à la lisibilité totale. Sur un site vitrine, la génération de pages à l’avance suffit.
• Placez la réponse en tête de page. Les modèles prélèvent des passages qui se suffisent à eux-mêmes. Une phrase qui répond directement à la question, juste après le titre, sans dépendre du paragraphe précédent, a bien plus de chances d’être reprise.
• Rendez votre identité impossible à confondre. Nom exact, métier, ville, preuves vérifiables. Une machine qui hésite sur qui vous êtes cite celui qui était clair. Les données structurées servent précisément à cela.
• Publiez régulièrement plutôt que massivement. Interrogés sur ce qui déclenche une citation, les professionnels du contenu placent la fraîcheur en tête à 91%, et l’ancienneté du domaine en dernier à 17%. Une petite structure active passe devant un site installé qui dort.
• Soignez ce qui se dit de vous ailleurs. Ce que le reste du web raconte sur votre entreprise pèse davantage, dans le choix d’une IA, que ce que vous écrivez sur votre propre site. C’est le prolongement direct du travail sur les mentions et les liens.

Un signal à surveiller, parce qu’il dit tout haut ce que le moteur pense de vos pages. Dans la Search Console, le statut « Exploré, actuellement non indexé » signifie que Google est venu, a lu, et a décidé de ne pas retenir la page. Ce n’est pas une sanction, c’est un refus, et le mot « actuellement » compte, la décision se révise si la page s’améliore.

Ce qui a changé en 2026, c’est le niveau d’exigence. Avec l’afflux de textes produits par des machines, la sélectivité de l’indexation a atteint un niveau inédit. Les motifs de refus sont toujours les mêmes, et ils sont éclairants. Une page qui n’apporte rien de neuf par rapport à ce qui est déjà indexé. Une page qui ne répond à aucune intention claire. Une page qui reformule ce qu’une source plus solide dit déjà.

Et la précision qui règle le débat sur l’écriture assistée. Google ne bannit pas les contenus produits par IA, il déclasse les contenus qui n’ajoutent rien à ce qui existe déjà. Le déclencheur le plus courant en 2026 est le contenu produit en série et peu retravaillé. L’outil n’est pas le problème, l’absence de matière propre l’est.

La conséquence pratique est inconfortable pour ceux qui misent sur le volume. Publier davantage ne sert à rien si les pages ne sont pas retenues. Vérifier ce statut dans la Search Console vaut mieux que compter ses articles, et retravailler une page refusée rapporte souvent plus que d’en écrire une nouvelle.

Aucun de ces 5 points ne dépend d’un fichier à la mode. Tous relèvent du même travail de fond, celui qui explique pourquoi certaines marques encaissent l’effondrement du trafic Google sans perdre un euro de chiffre d’affaires. C’est ce que couvre notre prestation d’optimisation pour les IA. Allez, au boulot.

Un mot sur le moteur qui applique ces principes le plus visiblement. Perplexity affiche ses sources à chaque réponse, ce qui en fait le meilleur terrain d’observation pour savoir si vos pages sont reprises. Nous le décrivons dans Perplexity, le moteur de réponse qui cite ses sources.