GEO technique : robots IA, robots.txt, llms.txt et données structurées

Connaître les robots IA

Les entreprises d'IA utilisent plusieurs agents, et ils ne font pas tous le même travail. Certains collectent des données d'entraînement, d'autres vont chercher des pages pour répondre à un utilisateur en direct. Les principaux, documentés par leurs opérateurs :

• OpenAI : GPTBot (entraînement), OAI-SearchBot (résultats de recherche ChatGPT), ChatGPT-User (pages récupérées à la demande d'un utilisateur).
• Perplexity : PerplexityBot (index de recherche) et Perplexity-User (récupération à la demande d'un utilisateur).
• Anthropic : ClaudeBot et les agents Claude associés.
• Google : Googlebot alimente la recherche, y compris les AI Overviews. Google-Extended est un contrôle distinct pour l'usage dans les modèles Gemini et n'affecte pas la recherche.
• Les opérateurs mettent ces listes à jour : vérifiez la documentation de chaque entreprise avant de modifier vos règles.

Vérifiez robots.txt et votre pare-feu

Ouvrez votresite.com/robots.txt et cherchez les règles qui bloquent ces agents, ou un Disallow général. Bloquer les robots d'entraînement est un choix légitime ; bloquer les agents de recherche et de requête utilisateur vous retire en général des réponses en direct.

Vérifiez aussi votre CDN ou votre pare-feu. Les protections anti-bots bloquent souvent les agents IA avant même que robots.txt soit lu. Si un assistant ne peut pas récupérer votre page quand un utilisateur pose une question sur vous, il vous décrira à partir d'autres sites.

llms.txt : utile, mais ce n'est pas un interrupteur

llms.txt est une convention proposée : un fichier Markdown à la racine de votre site qui résume ce que vous faites et renvoie vers vos pages les plus utiles, écrit pour les modèles de langage. Il coûte peu à ajouter et aide tout agent qui le lit.

Soyez clair sur son statut. C'est une proposition, pas une norme que les grands assistants se sont engagés à suivre : n'attendez pas de lui seul qu'il change votre fréquence de citation.

Des données structurées qui vous décrivent précisément

Le balisage Schema.org donne aux machines des faits non ambigus sur vos pages. Ce n'est pas un facteur de classement garanti pour les assistants, mais il supprime toute devinette sur qui vous êtes et ce que vous vendez.

• Organization sur la page d'accueil : nom, logo, URL, profils sociaux.
• Product ou Service sur les pages d'offre, avec une description claire.
• FAQPage quand la page contient vraiment des questions et des réponses.
• Article sur les guides et les billets, avec auteur et dates.
• Ne balisez que ce qui est visible sur la page.

Rendez la page lisible sans acrobaties JavaScript

Beaucoup de robots n'exécutent pas le JavaScript comme le fait un navigateur. Mettez les faits importants dans le HTML : ce que vous faites, pour qui, votre modèle de prix, vos implantations. Évitez de mettre du texte important uniquement en images, et gardez des pages rapides. Le rendu serveur ou les pages statiques sont le choix sûr.