Alien Road utilise llms.txt comme une petite partie à faible coût du travail d’optimisation des moteurs génératifs : un fichier Markdown organisé à la racine du site qui dirige les outils d’IA vers les pages les plus importantes d’un client avec de courtes notes factuelles. Nous traitons cela comme de l’hygiène, pas comme une tactique de classement. Le vrai travail dans une campagne se fait dans le contenu et le SEO technique sur lesquels s’appuient les réponses de l’IA ; llms.txt donne simplement aux agents une carte propre de ce contenu.
Le format llms.txt a été proposé en 2024 par Jeremy Howard d’Answer.AI. Il définit une structure simple : un titre, un court résumé et des sections de liens avec des descriptions. Au moment de la rédaction, ce n’est pas une norme officielle et les principaux produits de recherche par IA n’ont pas confirmé l’utiliser pour le classement ou la citation. Plusieurs plateformes de documentation et outils de développement le lisent, c’est pourquoi cela vaut une heure de travail, mais pas plus.
Pourquoi inclure llms.txt si son impact est incertain ?
Trois raisons. C’est bon marché : un fichier bien fait prend peu de temps. Cela force des décisions utiles : choisir les vingt pages qui décrivent le mieux une entreprise est un exercice précieux en soi. Et cela ne coûte rien en termes de risque, car cela ne change pas la façon dont les moteurs de recherche explorent ou indexent le site.
Ce que nous ne faisons pas, c’est promettre des résultats à partir de cela. Les clients entendent clairement que les citations dans AI Overviews, ChatGPT ou Perplexity dépendent de l’indexabilité, de la clarté du contenu, de l’autorité et des données structurées, et non de ce fichier.
Étape 1 : Décider quelles pages appartiennent au fichier
Le fichier est une liste organisée, donc la sélection compte. Nous partons des questions que les acheteurs posent aux assistants IA sur la catégorie du client et trouvons les pages qui y répondent le mieux.
- Pages de services ou de produits de base qui décrivent ce que fait l’entreprise
- Prix, forfaits ou informations sur la façon d’acheter
- Page À propos avec emplacement, historique et équipe
- Politiques qu’un acheteur vérifie : expédition, retours, confidentialité, conditions
- Documentation ou guides pour les produits techniques
- Deux ou trois articles piliers qui répondent à des questions de grande valeur
Les archives de blog, les pages de balises, les pages de destination fines et les microsites de campagne restent à l’écart. Si une page n’aiderait pas un nouvel employé à expliquer l’entreprise, elle n’a pas sa place.
Étape 2 : Rédiger le fichier dans un langage simple et factuel
Le résumé en haut indique ce qu’est l’entreprise, où elle opère et qui elle sert en deux ou trois phrases. Chaque lien reçoit une ligne expliquant ce à quoi la page répond. Nous évitons les adjectifs et les slogans, car les modèles de langage extraient des faits et sautent les éloges.
Par exemple, une ligne pourrait se lire : Prix : forfaits mensuels pour le SEO et les médias payants, avec ce que chacun inclut et la durée minimale. C’est bien plus utile pour un modèle qu’une ligne qualifiant la page de nos offres incroyables.
Étape 3 : Valider chaque lien et la configuration du serveur
- Chaque URL renvoie 200 sans chaînes de redirection
- Chaque page est canonique et indexable
- robots.txt autorise les agents utilisateurs IA que le client a choisi d’autoriser
- Le fichier est servi à la racine sous forme de texte brut en UTF-8
- La mise en cache des pages et les règles CDN servent la version actuelle
- Les versions Markdown des pages clés, si elles sont proposées, correspondent au contenu HTML
Nous vérifions également la cohérence avec la politique de robot d’exploration du client. Si un client a décidé de bloquer certains robots d’exploration IA, lister des pages pour eux envoie un message mitigé, nous alignons donc les deux décisions.
Comment llms.txt s’intègre-t-il avec le reste d’une campagne GEO ?
Dans un engagement typique, le fichier est un élément parmi d’autres. Les plus gros morceaux de travail incluent généralement la réécriture des pages clés pour que la réponse directe apparaisse en premier, l’ajout de schémas d’Organisation, de Produit ou de Service, la résolution des problèmes d’indexation dans Search Console, la création d’informations d’entité cohérentes sur les listes et l’obtention de mentions sur des sites que les outils d’IA citent souvent.
llms.txt bénéficie de ce travail plutôt que de le piloter. Une fois que les pages clés sont claires et bien structurées, le fichier pointe vers du bon matériel. Si ces pages sont faibles, le fichier ne fait qu’orienter les agents vers du matériel faible plus rapidement.
Comment mesurons-nous si le fichier est utilisé ?
La mesure se fait via les logs du serveur. Nous recherchons les requêtes vers /llms.txt et vers les pages Markdown liées, et nous les regroupons par agent utilisateur. Les robots d’exploration IA connus et les outils d’agent s’identifient, bien que tous ne le fassent pas, et certaines requêtes sont simplement des développeurs curieux ou des outils SEO.
Les rapports séparent les deux questions qui intéressent les clients. Premièrement, le fichier est-il récupéré, et par quoi ? Deuxièmement, les citations IA pour les questions prioritaires du client changent-elles ? La seconde est suivie via un ensemble de requêtes fixes vérifiées régulièrement dans AI Overviews, la recherche ChatGPT, Perplexity et Copilot. Nous n’attribuons pas les changements dans la seconde à la première sans preuve.
Quel entretien le fichier nécessite-t-il ?
Les sites changent. Les services sont renommés, les pages fusionnées et les politiques mises à jour. Nous ajoutons le fichier à la liste de contrôle post-lancement utilisée pour les redirections et les sitemaps, et nous effectuons une vérification mensuelle automatisée qui récupère chaque URL listée et signale tout ce qui n’est pas un 200 propre.
Les sites multilingues nécessitent une décision. Certains clients préfèrent un fichier dans la langue principale avec des sections de langue ; d’autres publient des listes séparées par chemin de langue. Les deux fonctionnent s’ils sont cohérents et maintenus.
Ce que les clients demandent souvent
Cela nous fera-t-il entrer dans les réponses de ChatGPT ?
Pas tout seul. La recherche ChatGPT et les outils similaires s’appuient sur des index de recherche et leurs propres robots d’exploration. Le fichier peut aider les outils de type agent qui le lisent, mais les citations dépendent principalement du contenu et de l’autorité.
Devrions-nous également publier llms-full.txt ?
Pour les produits riches en documentation, souvent oui, car les outils de développement peuvent charger le texte intégral. Pour la plupart des entreprises de services, le fichier plus court suffit.
Qui possède le fichier au sein de l’équipe client ?
Nous demandons aux clients de nommer un propriétaire de leur côté, généralement la personne responsable du site web ou du SEO. Cette personne approuve la liste des pages, reçoit la vérification mensuelle des liens et décide si de nouvelles pages doivent être ajoutées après les lancements.
La propriété est importante car le fichier se trouve en dehors des flux de travail de contenu normaux. Personne ne le modifie par accident, mais personne ne le met à jour par accident non plus. Un propriétaire nommé et un rappel de calendrier suffisent généralement pour le garder précis.
Par où commencer cette semaine
Notez les dix questions que vos acheteurs posent le plus souvent avant de vous contacter, et à côté de chacune, notez la page de votre site qui y répond le mieux. Si une question n’a pas de bonne page, cet écart est bien plus important que llms.txt. Pour les questions qui ont des pages, rédigez un court llms.txt avec une ligne factuelle par lien, validez les URL et publiez-le à votre racine.
Continuez à lire : GEO – AIO – AEO · GEO