Le robot a lu votre page. Votre catalogue n'y était pas.

Des dirigeants nous posent la question dans ces termes : leurs clients interrogent ChatGPT, et leur site n'apparaît pas dans les réponses. Elle est légitime, et la cause est rarement celle qu'on imagine, ni la notoriété ni le budget publicitaire.

Dans les situations que nous avons regardées de près, l'assistant n'avait tout simplement pas pu lire la partie du site qui aurait justifié une citation. Pas parce qu'un accès était interdit, mais parce que cette partie ne figurait pas dans la page reçue.

Cet article ne parle donc pas du fonctionnement interne des modèles, sur lequel nous n'avons rien à affirmer. Il parle de ce qui se mesure sur votre site, depuis l'extérieur, avec des outils publics.

Faites le test maintenant, il prend trente secondes

Depuis un ordinateur, ouvrez la page de votre site qui présente ce que vous vendez : votre catalogue, vos annonces, vos formations, vos véhicules. Affichez le code source de la page, par Ctrl+U sous Windows ou Cmd+Option+U sur Mac. Une page de texte brut s'ouvre. Cherchez dedans, avec Ctrl+F, le nom exact d'une de vos références.

Si vous le trouvez, la partie difficile est déjà réglée : ce texte est lisible par n'importe quelle machine qui demande votre page, sans rien exécuter.

Si ce nom est absent du code source alors qu'il s'affiche parfaitement dans le navigateur, c'est que le texte arrive après, par du JavaScript. Le reste de cet article explique ce que ça implique, et ce qu'il faut regarder ensuite.

Sur téléphone, ce geste n'existe pas. La quatrième section de contrôles plus bas donne la variante qui fonctionne depuis n'importe quel appareil.

Être bien classé et être cité sont deux choses distinctes

Un moteur de recherche classe des pages et vous renvoie des liens. Un assistant compose une réponse rédigée à partir de ce qu'il a pu récupérer, en citant ses sources ou non. Votre position dans le premier n'ouvre aucun droit d'entrée dans le second. Ce sont deux chaînes techniques différentes, servies par des robots différents, avec des règles différentes.

Premier point à écarter tout de suite, parce qu'il bloque beaucoup de sites avant même la question du contenu : les robots d'intelligence artificielle ne font pas tous le même métier. Ceux qui entraînent les modèles, ceux qui indexent pour la recherche, et ceux qui vont chercher une page parce qu'un utilisateur l'a demandée sont séparés, et se règlent séparément. Bloquer le premier ne retire rien aux deux autres. Nous avons détaillé ce découpage et notre propre politique dans Bloquer les robots d'IA ne protège pas vos données. Si votre fichier de crawl date d'une consigne prise en 2023, commencez par là.

Un écart mérite d'être connu, parce qu'il change la portée réelle de ce fichier. Anthropic annonce que ses trois robots respectent robots.txt, y compris celui qui récupère une page à la demande d'un utilisateur. OpenAI et Perplexity, de leur côté, avertissent que les règles d'un robots.txt peuvent ne pas s'appliquer à ce type de récupération, puisqu'elle agit au nom d'une personne et non d'un robot qui explore de lui-même. Votre fichier déclare votre politique, il ne la fait pas appliquer de la même façon partout.

Ce que le serveur envoie, ce que le visiteur voit

Afficher une page se fait en deux temps. Le serveur envoie d'abord un document HTML. Le navigateur le lit, puis exécute les scripts qu'il contient, et ces scripts peuvent aller chercher des données, construire des listes, remplir des tableaux. Ce que vous voyez à l'écran est le résultat de ces deux opérations. Ce qu'une machine reçoit dépend entièrement de savoir si elle exécute la seconde.

Les robots des assistants ne l'exécutent pas. La référence la plus solide sur ce point est une étude de journaux serveur menée par Vercel et MERJ en décembre 2024 : aucun des grands robots de réponse observés alors n'exécutait le JavaScript, ni ceux d'OpenAI, ni ClaudeBot. Le relevé note même qu'ils téléchargent parfois les fichiers de script, environ 11,5 % des requêtes pour le robot d'OpenAI et 23,8 % pour celui d'Anthropic, sans jamais les lancer. Ils prennent le texte déjà présent, et passent à la page suivante.

Cette mesure demande trois réserves. Le relevé porte sur le trafic d'un hébergeur, d'un site de documentation technique et de deux sites d'emploi, pas sur un panel de sites de PME. Il est antérieur de plus d'un an au découpage des robots décrit plus haut, et aucun relevé équivalent n'a été publié depuis, robot par robot : les articles de 2026 qui affirment la même chose des robots actuels reprennent cette étude. L'étude précise enfin qu'un contenu présent dans la réponse initiale du serveur peut être exploité sans avoir la forme d'un paragraphe, des données JSON par exemple. Ce qui se perd, c'est ce qui arrive après cette réponse.

Deux exceptions, relevées par la même étude. Gemini s'appuie sur l'infrastructure de Googlebot, ce qui lui donne un rendu JavaScript complet, avec les délais et les files d'attente que ça suppose. Le robot d'Apple rend également les pages, scripts et requêtes comprises. De là vient la situation qui déroute le plus : un site dont le contenu arrive par script peut apparaître dans un résumé Google et rester absent d'une réponse de ChatGPT, de Claude ou de Perplexity.

Trois niveaux de certitude, à distinguer parce qu'ils ne se valent pas. Ce que votre serveur envoie se mesure sur n'importe quelle adresse en quelques secondes : c'est le contrôle proposé plus bas. Le comportement des robots repose sur des relevés et des documentations d'éditeurs, avec la date qui va avec, et ces comportements peuvent changer. Ce que le modèle fait ensuite de ce texte, personne à l'extérieur ne le sait, et nous n'écrirons rien là-dessus.

Le catalogue qui n'existe pas pour la machine

Sur les sites que nous auditons, le partage se fait souvent au même endroit, et il joue contre vous. Les pages qui décrivent l'entreprise, l'équipe, les valeurs, sont en général écrites en dur dans le HTML, donc lisibles. Les pages qui portent l'offre réelle, elles, sont souvent construites côté navigateur : des milliers d'annonces immobilières filtrées à la demande, un catalogue de formations avec ses sessions et ses dates, un parc de véhicules trié par prix et par modèle, une grille tarifaire chargée depuis une interface de gestion.

Techniquement, ce choix se comprend. Une liste chargée à la demande démarre plus vite et se manipule mieux. La conséquence commerciale est moins confortable : la machine lit votre discours et ignore votre inventaire. Un assistant à qui l'on demande qui propose telle formation ou tel modèle de maison n'a aucune raison de vous nommer, faute d'avoir jamais vu la liste.

Le symptôme est reconnaissable. Vos pages générales remontent parfois, vos pages produit non. La cause n'est ni la qualité du contenu ni la concurrence, c'est que ce contenu n'était pas dans le document reçu.

Si le test du début de cet article n'a rien trouvé, c'est le moment de regarder l'ensemble plutôt que la seule page catalogue. C'est ce que couvre un audit de référencement technique sur un site que nous n'avons pas construit : ce qui est indexé, ce qui est lisible sans script, ce que déclarent les données structurées, et ce que les robots de réponse reçoivent réellement.

llms.txt, ce que c'est et ce qu'il ne règle pas

Le sujet revient dans toutes les conversations, donc autant le traiter franchement. Un fichier llms.txt est un simple document texte, placé à la racine du site, qui décrit en clair ce qu'on y trouve et où : les pages importantes, les outils, les articles. Il coûte une heure, ne demande aucun développement, et ne casse rien.

Ce qu'il ne fait pas, en revanche, se documente. Google a déclaré publiquement ne pas le prendre en charge et ne pas prévoir de le faire, la raison avancée étant qu'un site y déclare ce qu'il veut sur lui-même, sans que personne le vérifie. Aucune documentation d'éditeur que nous ayons pu vérifier ne confirme son exploitation en production. Sur la fréquence à laquelle les robots le demandent, plusieurs praticiens rapportent des volumes négligeables dans leurs journaux serveur, et nous n'avons pas mené ce relevé sur les nôtres : autant le dire plutôt que de reprendre le chiffre d'un autre. Là où le format sert réellement, c'est du côté des agents de développement qui lisent des documentations techniques, et ce sont des éditeurs d'outils pour développeurs qui en publient.

Une mise en garde de lecture, utile bien au-delà de ce fichier. Les articles qui annoncent un soutien officiel de tel ou tel éditeur se contredisent entre eux, et aucun ne renvoie à une documentation vérifiable. Sur un sujet aussi jeune, la seule question qui vaille est de savoir d'où vient l'affirmation.

Notre position tient en une phrase : nous en publions un, sans en attendre de gain mesurable, et nous ne le facturons pas comme une prestation de visibilité.

Une entreprise déclarée deux fois compte pour deux

Reste la dernière cause, celle qui subsiste quand tout le contenu est lisible. Une machine qui vous lit doit pouvoir décider que les pages qu'elle a vues parlent de la même entreprise. Si votre raison sociale s'écrit de deux façons, si votre adresse ou votre téléphone diffèrent d'une page à l'autre, si vos données structurées ne réutilisent pas le même identifiant d'entité, elle a devant elle plusieurs entreprises qui se ressemblent, et la notoriété que vous accumulez se répartit entre elles.

Nous avons corrigé ce défaut chez nous, et nous en avons publié le détail dans Comment notre site déclarait deux entreprises différentes. Le contrôle se fait page par page avec notre analyseur de données structurées, qui signale les identifiants dupliqués, les références qui ne mènent nulle part et les déclarations contradictoires.

Mais ranger sa maison ne suffit pas, c'est le constat le moins connu de ce sujet. Ce que l'extérieur dit de vous survit à vos corrections. En cherchant notre propre nom début août 2026, nous trouvons encore une ancienne adresse de demande de devis, supprimée du site depuis longtemps, toujours servie dans les résultats. Des annuaires reprennent un intitulé d'activité et un argumentaire tarifaire que nous n'employons plus depuis longtemps. Et un de nos domaines, correctement redirigé vers le site principal, conserve dans l'index une description qui nous donne deux ans d'ancienneté de moins que la page réellement servie.

Ces traces coûtent plus qu'un mauvais effet. L'étude citée plus haut mesure que 34,8 % des requêtes du robot de ChatGPT et 34,2 % de celles de Claude tombent sur des pages inexistantes, contre 8,2 % pour Googlebot, et elle recommande de tenir à jour redirections et plan de site. Une ancienne adresse laissée sans redirection consomme donc le peu d'attention que ces robots accordent à un site.

Aucune de ces traces ne se corrige dans le HTML. La réponse consiste à publier, sur votre propre site, des éléments vérifiables et rattachés à une identité unique, assez souvent pour que la version à jour devienne la plus visible. C'est lent, et c'est le seul levier qui existe.

Dix minutes pour savoir où vous en êtes

Quatre contrôles. Aucun d'eux ne demande d'accès particulier ni d'outil payant.

Le code source d'une page catalogue. C'est le test du début de l'article. Depuis un ordinateur, cherchez le nom d'une référence dans le code source. Vous saurez tout de suite si la cause la plus coûteuse est là.

Un analyseur qui lit la réponse du serveur. C'est la variante qui fonctionne depuis un téléphone. Notre analyseur de données structurées demande votre page comme le ferait un robot et travaille sur la réponse reçue, sans exécuter les scripts. La page de l'outil le dit explicitement, ce qui rend son résultat utile ici : un rapport vide sur une page qui affiche pourtant du balisage vous apprend quelque chose sur le rendu, pas sur l'outil.

Votre fichier robots.txt. Ouvrez votre-domaine.fr/robots.txt et vérifiez qu'aucune ligne ne bloque un robot de citation. Et si un service de protection se trouve devant votre site, assurez-vous qu'il ne renvoie pas une page de défi à ces robots, le résultat étant le même qu'une interdiction.

Une recherche sur votre propre nom. Rapide, et rarement fait. Regardez ce que les résultats disent de vous : anciennes adresses, anciens intitulés d'activité, coordonnées périmées, domaines oubliés. C'est la matière que les machines ont sous la main pour vous décrire.

Ces quatre contrôles disent si votre site est lisible et cohérent. Ils ne disent pas si un assistant vous citera, et personne ne peut le promettre. Ils écartent les causes qui garantissent le contraire.

Questions fréquentes

Comment savoir si ChatGPT peut lire mon site ?

Affichez le code source d'une de vos pages depuis un ordinateur, puis cherchez dedans le nom d'un de vos produits ou d'une de vos références. Si le texte s'y trouve, la page est lisible sans exécution de script. S'il n'y est pas, il est probablement injecté par du JavaScript après l'affichage, et les robots des assistants ne le verront pas. Depuis un téléphone, un analyseur de balisage qui lit la réponse du serveur donne le même verdict.

Faut-il un fichier llms.txt pour apparaître dans ChatGPT ?

Non. Aucune documentation d'éditeur que nous ayons pu vérifier ne confirme l'exploitation de ce fichier en production, et Google a déclaré publiquement ne pas le prendre en charge. Le fichier coûte une heure et ne fait aucun mal, mais il ne remplace ni un contenu lisible sans script ni une identité cohérente.

Mon site est premier sur Google, pourquoi ChatGPT ne le cite pas ?

Parce que ce sont deux surfaces distinctes, servies par des robots différents. Les surfaces de Google s'appuient sur une infrastructure qui exécute le JavaScript, alors que les robots de ChatGPT, de Claude et de Perplexity lisent le HTML renvoyé par le serveur sans lancer les scripts. Une page bien classée dont le contenu principal arrive par script peut donc rester invisible pour un assistant.