Préparation à l'IA : être cité par ChatGPT et Perplexity
Les assistants IA ne recommandent que les sites qu'ils peuvent explorer, comprendre et sourcer. Ce sont trois problèmes distincts, et la plupart des sites échouent sur au moins un sans le savoir.
Un site est prêt pour l'IA quand les moteurs de réponse — ChatGPT, Perplexity, les résultats IA de Google — peuvent l'explorer, le comprendre et le citer. Ce sont trois couches distinctes : l'accès, régi par robots.txt ; la compréhension, portée par les données structurées et les métadonnées ; et le guidage, assuré par llms.txt. Chaque couche peut lâcher indépendamment des autres, et la plupart des sites ont au moins une faille.
Pourquoi c'est devenu une discipline à part
Une part croissante des questions qui passaient hier par une recherche Google trouve désormais sa réponse directement dans un assistant IA, avec une poignée de sources citées. Figurer parmi ces citations, c'est la nouvelle première position : là où une page de résultats classique offre dix liens, une réponse d'assistant n'en source que deux ou trois — la sélection est plus brutale, et l'enjeu par place plus élevé.
Le SEO classique reste indispensable, car les moteurs de réponse s'appuient sur les index de recherche pour trouver leurs candidats — mais le recouvrement n'est que partiel : un site peut être bien classé dans les liens bleus et rester invisible dans les réponses IA, parce qu'il a bloqué un robot il y a deux ans, en plein débat sur les données d'entraînement. L'inverse est vrai aussi : une page moyennement classée mais parfaitement extractible peut décrocher la citation.
Couche 1 : l'accès. Qui peut lire votre site ?
Chaque grand système d'IA explore le web avec un user-agent nommé, et votre robots.txt décide robot par robot. La distinction décisive est la fonction de chaque robot : bloquer un robot d'entraînement n'affecte que les futurs poids des modèles ; bloquer un robot de recherche vous retire des réponses de ce moteur dès aujourd'hui.
| Robot | Opérateur | Le bloquer signifie |
|---|---|---|
GPTBot, OAI-SearchBot | OpenAI | ChatGPT ne peut ni vous lire ni vous citer |
ClaudeBot | Anthropic | Claude ne peut ni vous lire ni vous citer |
PerplexityBot | Perplexity | Absent des réponses de Perplexity |
Google-Extended | Seul l'entraînement de Gemini ; les aperçus IA ne sont pas concernés | |
CCBot | Common Crawl | Hors de nombreux jeux d'entraînement ; aucun impact sur la recherche |
La blessure auto-infligée la plus fréquente : un robots.txt « on bloque toute l'IA » ajouté en 2023 comme prise de position sur les données d'entraînement, toujours en place maintenant que les mêmes user-agents alimentent des produits de recherche. Décidez robot par robot, selon ce que chacun fait aujourd'hui. Le diagnostic prend une minute : ouvrez votredomaine.com/robots.txt et cherchez les user-agents du tableau — un Disallow: / sous l'un d'eux, et ce moteur ne vous citera jamais, quel que soit le soin mis dans le reste.
Couche 2 : la compréhension. Les machines saisissent-elles votre propos ?
Pouvoir lire une page ne suffit pas : encore faut-il en extraire des faits sans se tromper. Les moteurs de réponse ne lisent pas les pages comme les humains — ils cherchent des structures qu'une machine peut interpréter sans ambiguïté. Les signaux qu'ils exploitent le plus sûrement :
- Les données structurées JSON-LD. Le balisage schema.org (Organization, FAQPage, Article, Product) est du fait machine, sans ambiguïté, et c'est ce qui s'extrait le plus proprement dans les réponses. Le balisage FAQPage est particulièrement efficace : il est littéralement au format question-réponse.
- Des métadonnées honnêtes. Un titre précis, une vraie meta description, une URL canonique et un seul H1 clair par page. Faute de quoi, les extraits IA se rabattent sur du texte pris au hasard dans la page.
- Un contenu en forme de réponse. Les pages qui énoncent la réponse dès le premier paragraphe se font citer ; celles qui l'enterrent sous 800 mots de préambule se font sauter. Tableaux comparatifs et sections FAQ sont extractibles par construction.
Couche 3 : le guidage. Avez-vous laissé une carte ?
Un fichier llms.txt offre aux modèles un index sélectif de votre site en markdown. C'est la couche la plus récente et la moins standardisée — raison pour laquelle elle est troisième et non première : ajoutez-la une fois l'accès et la compréhension en ordre, pas à leur place. Un générateur fait le travail en quelques minutes et boucle la boucle.
La check-list, dans l'ordre des corrections
- Lancez la vérification de préparation à l'IA sur votre domaine : elle note les trois couches en une dizaine de secondes.
- Débloquez les robots de recherche IA dont vous voulez les citations. C'est le changement isolé au plus fort impact, et il tient en une modification de robots.txt.
- Ajoutez du JSON-LD à vos types de pages clés, en commençant par Organization sur la page d'accueil et FAQPage partout où vous répondez réellement à des questions.
- Comblez les manques de métadonnées signalés par la vérification : titres, descriptions, canoniques.
- Confirmez que votre sitemap est valide et déclaré dans robots.txt : les moteurs de réponse passent par les index de recherche pour vous trouver.
- Ajoutez llms.txt en dernier, puis relancez la vérification pour voir tout passer au vert.
Ce que la préparation à l'IA n'est pas
Ce n'est pas une astuce, et il n'existe pas de meta tag secret. Les systèmes conçus pour répondre à des questions récompensent ce que le bon SEO technique a toujours récompensé : des pages accessibles, une structure sans ambiguïté, un contenu qui répond vraiment à quelque chose. La différence tient à la sévérité. Un visiteur humain tolère une meta description manquante ; un pipeline d'extraction passe simplement à la source suivante. La préparation à l'IA, c'est l'hygiène technique avec la tolérance réglée au minimum.