IMPCT
Ressources/SEO & GEO/Guide 013

llms.txt, robots.txt, données structurées : les réglages techniques du GEO (et ceux qui ne servent à rien)

Ce qu'un CTO doit régler pour que ChatGPT, Perplexity et Gemini lisent un site SaaS : robots IA, rendu sans JavaScript, données structurées. Et pourquoi llms.txt ne change rien.

Jean Boucher
Jean Boucher
8 min de lecture · 12 août 2026
Résumer l'article avec :
ChatGPT Claude Perplexity Gemini Vibe Grok

En bref. Trois réglages décident si les IA peuvent lire votre site : laisser passer les robots de recherche des moteurs de réponse, servir le contenu sans JavaScript, dater et signer chaque page avec des données structurées. Un quatrième est à la mode et sans effet mesuré, llms.txt. Et beaucoup de SaaS bloquent les robots IA sans le savoir, parce que leur hébergeur le fait pour eux.

Pourquoi le CTO a un rôle dans le GEO

Parce qu'une page parfaite que le moteur ne peut pas lire n'existe pas, et que c'est le cas le plus fréquent que je rencontre en audit.

Le marketing écrit les pages (la méthode, l'audit en une matinée). Avant d'écrire, il faut vérifier que les moteurs entrent. Et là, trois choses arrivent sans que personne l'ait décidé : un pare-feu bloque les robots, le site est rendu dans le navigateur et les robots voient une page vide, aucune page ne dit qui l'a écrite ni quand.

Un SaaS que j'ai audité en 2026 avait fait le travail éditorial : douze pages catégorie, trois comparatifs, une page tarifs lisible. Zéro citation en trois mois. Le CTO avait coché, six mois plus tôt, l'option « bloquer les robots IA » de son CDN, pour protéger la documentation produit du scraping. L'option bloquait aussi les robots de recherche des mêmes éditeurs. Bonne intention, mauvaise case, trois mois de rédaction invisibles.

Quels robots laisser passer

Chaque moteur a deux robots, un pour l'entraînement et un pour la recherche. C'est le second qu'il faut laisser entrer.

OpenAI documente trois agents : GPTBot collecte pour entraîner les modèles, OAI-SearchBot indexe pour les réponses de ChatGPT en mode recherche, ChatGPT-User va chercher une page quand un utilisateur la demande. Anthropic fait pareil avec ClaudeBot (entraînement), Claude-SearchBot (recherche) et Claude-User. Perplexity a PerplexityBot et Perplexity-User. Google utilise le même Googlebot pour la recherche classique et les AI Overviews ; le jeton Google-Extended ne contrôle que l'entraînement de Gemini. Vous ne pouvez pas sortir des AI Overviews sans sortir de Google.

Vous pouvez donc refuser GPTBot, ClaudeBot et Google-Extended sans perdre une citation. Vous ne devez pas refuser OAI-SearchBot, Claude-SearchBot, PerplexityBot ni les agents « -User ». Et pour Copilot, c'est Bingbot : absent de Bing, absent de Copilot.

User-agent: GPTBot
Disallow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

Le piège n'est pas dans le robots.txt. Il est dans le CDN et le pare-feu. Cloudflare bloque les robots IA par défaut sur les nouveaux domaines depuis juillet 2025, avec une case unique « AI crawlers » qui mélange entraînement et recherche ; Vercel, Netlify et les WAF ont des listes semblables. Le test prend deux minutes : curl -A "OAI-SearchBot" https://votresite.fr/tarifs doit renvoyer la page, pas un 403 ni une page de vérification. Même chose pour les trois autres robots de recherche. Puis les logs serveur du mois : si aucun des quatre n'apparaît, quelque chose les arrête avant.

(Parenthèse de praticien : la documentation produit que le CTO voulait protéger est souvent la page la plus citée d'un SaaS quand un acheteur demande « est-ce que X s'intègre à Y ». La bloquer, c'est se priver de la réponse la plus facile.)

Le test du contenu sans JavaScript

Si votre page est vide quand JavaScript est désactivé, elle est vide pour la plupart des robots IA.

Googlebot exécute le JavaScript, avec un délai. Les robots des moteurs de réponse, pour l'essentiel, lisent le HTML tel qu'il arrive. Un site React ou Vue rendu côté client leur livre une balise <div id="root"></div> et un script. Rien à citer.

Le test : afficher le code source de la page (clic droit, « afficher la source », pas « inspecter ») et chercher une phrase du premier paragraphe. Si elle n'y est pas, le contenu est construit dans le navigateur. La correction a un nom selon le framework : rendu côté serveur ou génération statique pour Next.js, Nuxt, Astro. La plupart des sites marketing peuvent passer en statique sans toucher à l'application, et si le site partage son code avec le produit, c'est l'argument pour les séparer.

Le même test vaut pour les tableaux comparatifs, les FAQ en accordéon et les grilles tarifaires chargées depuis une API. Un tableau de prix affiché par un script n'est pas un tableau de prix pour un moteur, et la page tarifs est la première qu'il lit.

Quelles données structurées servent vraiment

Celles qui disent qui a écrit la page, quand, et ce que vend l'entreprise.

Honnêteté d'abord : aucune étude publiée ne démontre qu'une balise schema.org fait citer une page par ChatGPT. Ce que montre l'étude Ahrefs de février 2026 sur 1,4 million de prompts, c'est que les pages citées ont un titre proche de la question, une réponse directe, des faits datés et un auteur identifié. Les données structurées sont la façon la plus propre de rendre ces éléments lisibles par une machine, et Google les utilise pour ses résultats enrichis. On les met pour ça.

Les quatre types qui comptent pour un SaaS B2B :

  1. Organization, sur l'accueil : nom, logo, URL, et surtout sameAs vers vos fiches G2, Capterra, LinkedIn. C'est ainsi qu'un moteur relie votre site aux avis qu'il lit ailleurs.
  2. Product avec Offer, sur la page tarifs : plan, prix, devise, unité, priceValidUntil. Un moteur qui trouve un prix structuré le cite au lieu d'aller le chercher sur Reddit.
  3. Article avec author (lié à une page Person) et dateModified, sur chaque page de fond. Une page sans date est une page d'âge inconnu.
  4. FAQPage, là où il y a une section questions-réponses. Les moteurs reprennent souvent une réponse de FAQ telle quelle.

Ce qui ne sert à rien : empiler des types pour en avoir, ou déclarer un AggregateRating soi-même (Google le pénalise, et un moteur de réponse ira vérifier sur G2). Chaque page passe dans le validateur de schema.org ou l'outil de résultats enrichis de Google : une balise fausse vaut moins qu'aucune.

llms.txt : ce que c'est, qui le lit, pourquoi en faire un quand même

Un fichier texte à la racine du site qui résume vos pages pour les IA. Presque aucun moteur ne le demande. Il coûte vingt minutes.

La proposition date de 2024 : un fichier /llms.txt, en Markdown, qui liste les pages importantes avec une ligne de description. L'idée est bonne. L'usage ne suit pas : d'après l'analyse de PPC Land en 2026, l'adoption a été multipliée par près de neuf, et 97 % des fichiers déployés n'ont reçu aucune requête d'un robot IA. Ni OpenAI, ni Anthropic, ni Perplexity, ni Google n'ont annoncé le lire.

Alors pourquoi en faire un ? Parce que ça prend vingt minutes, que ça ne casse rien, et que si un moteur se met à le lire demain, vous y êtes. Et parce qu'écrire une ligne de description par page révèle les pages qu'on ne sait pas décrire, qui ne seront citées par personne. Ce que je ne ferais pas : payer un prestataire pour un llms.txt, ou le compter comme une action GEO dans un rapport. C'est de l'entretien, au rang du sitemap.

La checklist, pour le CTO

Une page, huit lignes, à vérifier une fois puis à chaque mise en production du site marketing.

  1. curl -A "OAI-SearchBot", "PerplexityBot", "Claude-SearchBot", "bingbot" sur l'accueil et la page tarifs : code 200, contenu complet.
  2. Robots.txt : aucun Disallow sur les quatre robots de recherche ; décision écrite sur GPTBot, ClaudeBot, Google-Extended.
  3. CDN / WAF : option « bloquer les robots IA » désactivée ou réglée robot par robot ; logs du mois vérifiés.
  4. Code source sans JavaScript : premier paragraphe, tableaux, FAQ et prix présents dans le HTML.
  5. Schema.org : Organization (avec sameAs), Product + Offer sur les tarifs, Article + author + dateModified sur les pages de fond, FAQPage où il y a une FAQ. Validés.
  6. Une page Person par auteur, liée depuis chaque article.
  7. Sitemap à jour, soumis à Google et à Bing (Bing Webmaster Tools, souvent oublié).
  8. /llms.txt présent, une ligne par page importante, relu une fois par trimestre.

Ce que je ferais à votre place : une heure avec le CTO, cette semaine

Les quatre curl et le code source, en direct, écran partagé. Si tout passe, l'heure est finie et le marketing peut écrire. Si quelque chose bloque, c'est en général une case dans le CDN, et elle se décoche pendant la réunion.

Puis un ticket pour les données structurées de la page tarifs et des pages de fond, et un second pour Bing Webmaster Tools. Deux jours de développement, pas un sprint.

Et les dix prompts de l'audit retestés un mois plus tard. Si les pages existaient déjà, c'est souvent là que les premières citations apparaissent.

Questions fréquentes

Faut-il bloquer GPTBot ?

Vous pouvez, sans perdre de visibilité : GPTBot sert à l'entraînement, pas aux réponses de ChatGPT en mode recherche. Ne bloquez pas OAI-SearchBot, PerplexityBot, Claude-SearchBot et les agents « -User ». Vérifiez aussi le CDN, qui bloque souvent tout d'un coup.

Les IA lisent-elles le JavaScript ?

Googlebot oui, avec un délai. La plupart des robots des moteurs de réponse non : ils lisent le HTML tel qu'il est servi. Un site rendu côté client leur paraît vide ; le rendu côté serveur ou la génération statique corrigent le problème.

Les données structurées font-elles citer une page ?

Aucune étude ne le démontre directement. Elles rendent lisibles les éléments corrélés aux citations (auteur, date, prix, réponses de FAQ) et servent aux résultats enrichis de Google. On les met pour ça, sans en attendre un effet magique.

llms.txt est-il obligatoire ?

Non, et presque aucun moteur ne le lit aujourd'hui (97 % des fichiers déployés sans aucune requête d'un robot IA, PPC Land 2026). Il coûte vingt minutes et ne casse rien : faites-le, sans le compter comme une action GEO.

Et Bing, ça compte encore ?

Oui, parce que Copilot et une partie des réponses de ChatGPT s'appuient sur l'index de Bing. Un site non soumis à Bing Webmaster Tools est sous-représenté dans ces moteurs. Une heure de travail, souvent oubliée.

Et maintenant ?

Si vous voulez qu'on fasse l'heure avec votre CTO, les quatre tests en direct et le ticket qui en sort, c'est la première chose que je vérifie avant d'écrire une ligne avec une équipe. Sans deck.

SEO & GEO
Jean Boucher
Écrit par
Jean Boucher

CMO part-time SaaS B2B. Deux fois premier CMO (Hiway, Wemind), treize ans dans le logiciel B2B.

Tous ses textes →
À lire ensuite
070 · ARTICLE · 9 MIN Page tarifs : ce que ChatGPT dit de vous quand vous cachez vos prix 011 · GUIDE · 8 MIN Audit GEO de votre SaaS en une matinée : la grille des 10 prompts 074 · GUIDE · 10 MIN GEO : comment faire citer votre SaaS B2B par ChatGPT, Perplexity et Gemini
[07] PRENDRE CONTACT

30 minutes 
pour savoir si j'ai quelque chose à vous apporter

Pas de présentation, pas de support. Vous me racontez où vous en êtes, je vous dis ce que je ferais en premier — et si ce n'est pas mon sujet, je vous le dis aussi.

  • Vous repartez avec un avis tranché sur ce qui bloque votre pipeline aujourd’hui
  • On identifie le levier à actionner en premier (pas les dix du blog, un seul)
  • Pas de pitch pré-fabriqué, pas de deck. On échange sur vos enjeux.
● 2 places au T1 2027 → Visio, en français ou en anglais → Réponse sous 24 h
Choisir un créneauFuseau · Paris
Ouvrir le calendrier ↗