SEO et IA
llms.txt : le guide le plus complet au monde
Publié le 9 août 2026, vérifié sur les sources primaires à cette date. Le fichier llms.txt est une proposition publiée en septembre 2024 par Jeremy Howard (Answer.AI) : un fichier markdown placé à la racine d'un site, qui liste ses contenus importants pour aider les modèles de langage à les trouver et à les lire. L'idée est simple, élégante, et massivement discutée. La question qui compte est ailleurs : les IA s'en servent-elles ?
La réponse honnête, construite dans ce guide à partir des documentations officielles, de cinq analyses de journaux serveur et des études de corrélation disponibles : au 9 août 2026, aucun grand système d'IA ne documente la consommation de llms.txt, Google déclare explicitement l'ignorer, les journaux serveur montrent que les robots des grands laboratoires ne le demandent pratiquement jamais, et aucune étude ne mesure d'effet sur les citations. Publier ce fichier ne coûte presque rien et ne nuit pas s'il est bien géré ; en attendre de la visibilité relève du battage, pas de la preuve.
Ce guide est conçu pour rester utile quel que soit l'avenir du fichier : il explique exactement ce qu'est llms.txt, ce qu'il n'est pas (ni un standard, ni un robots.txt, ni un levier démontré), comment le créer proprement si vous décidez de le faire, comment tester vous-même sa consommation sur votre site, et surtout quelle place minuscule il mérite dans une stratégie de visibilité IA face aux leviers réellement étayés. Chaque affirmation importante est datée et sourcée ; ce que nous ne savons pas est dit tel quel.
L'essentiel en 60 secondes
- llms.txt est une proposition individuelle de septembre 2024 (Jeremy Howard, Answer.AI) : un index markdown des contenus importants d'un site, placé à la racine. Ce n'est un standard d'aucun organisme.
- Principe structurant : publier un llms.txt n'est pas la preuve qu'un modèle le consomme. Anthropic, OpenAI et Perplexity publient tous ce fichier pour leur propre documentation ; aucun ne documente le lire chez les autres.
- Google est le seul acteur à s'être prononcé, et c'est un non : sa documentation officielle déclare que Google Search n'utilise pas ces fichiers et les ignore, ni bonus ni malus.
- Cinq analyses de journaux serveur convergent : les robots des grands laboratoires d'IA ne demandent pratiquement jamais /llms.txt. Sur un panel, le robot de Perplexity ne l'a jamais demandé en douze semaines.
- L'étude la plus large (137 210 domaines) montre que 97 % des fichiers llms.txt publiés n'ont reçu aucune requête sur un mois entier, et que les rares requêtes viennent surtout d'outils d'audit, pas d'IA.
- Les études de corrélation ne trouvent aucun lien entre la présence d'un llms.txt et les citations par les IA ; retirer cette variable des modèles prédictifs améliore même leur précision.
- Le seul usage réel documenté est manuel : des développeurs fournissent un llms.txt à un agent de code qui le lit parce qu'on le lui donne, pas parce qu'il le cherche.
- llms-full.txt, qui concatène tout le contenu, n'est pas dans la spécification d'origine : c'est une convention d'écosystème, et les fichiers réels dépassent souvent largement les fenêtres de contexte des modèles.
- Les risques existent mais se gèrent : indexation parasite (un en-tête noindex suffit), fichier désynchronisé du site, exposition d'URLs non publiées par des générateurs automatiques.
- Verdict pratique : créer un llms.txt est une assurance à bas coût pour certains profils (documentation développeur surtout), jamais une priorité. Les leviers étayés de la visibilité IA sont ailleurs.
llms.txt en 30 secondes
En bref
llms.txt est un fichier markdown placé à la racine d'un site web, qui liste ses pages importantes avec une courte description, pour aider les modèles de langage à trouver et lire l'essentiel. Proposé en septembre 2024 par Jeremy Howard (Answer.AI), il n'est un standard d'aucun organisme, aucun grand système d'IA ne documente son utilisation au 9 août 2026, et aucun effet sur la visibilité n'est démontré. Le créer est peu coûteux ; en attendre des citations n'est pas étayé.
La question centrale, tranchée
Créer un llms.txt améliore-t-il la visibilité, la compréhension, la citation ou les recommandations d'un site dans ChatGPT, Claude, Gemini, Perplexity et les autres systèmes d'IA en août 2026 ? Nous ne disposons d'aucune preuve que oui : aucun support documenté chez les éditeurs, un refus explicite chez Google, des journaux serveur presque vides, des corrélations nulles. La suite de ce guide détaille chaque pièce du dossier, puis explique quand le fichier vaut quand même ses dix minutes de création.
Dernière vérification : 9 août 2026
Toutes les documentations, fichiers et études cités ont été vérifiés sur leurs sources primaires le 9 août 2026, la plupart par consultation directe. Le support de llms.txt peut évoluer : une plateforme majeure peut l'adopter demain. Les faits de ce guide sont datés pour rester vérifiables, et cette page sera mise à jour si l'état du dossier change.
Qu'est-ce que llms.txt ?
En bref
llms.txt est une proposition de fichier standardisé, publiée le 3 septembre 2024 par Jeremy Howard, cofondateur d'Answer.AI, sur llmstxt.org. C'est un fichier markdown, placé à la racine du site (/llms.txt), qui présente le site en une phrase puis liste ses contenus importants sous forme de liens commentés. Son but : donner aux modèles de langage un point d'entrée propre, au lieu de les laisser se débattre avec du HTML chargé.
Le problème que la proposition cherche à résoudre est réel et bien posé : les fenêtres de contexte des modèles sont trop petites pour avaler un site entier, et convertir des pages HTML pleines de navigation, de publicités et de scripts en texte exploitable est difficile et imprécis. D'où l'idée d'un index en markdown, le format que les modèles comprennent le mieux, qui dit à un système pressé : voici qui nous sommes, et voici les dix pages qui comptent. La proposition d'origine suggère aussi de servir une version markdown de chaque page importante, à la même URL suffixée de .md.
Un point d'intention souvent oublié : la proposition vise l'inférence, c'est-à-dire le moment où un modèle ou un agent lit le web pour répondre, pas l'entraînement. llms.txt ne bloque rien, n'autorise rien, ne protège rien : c'est une offre de curation, pas un contrôle d'accès. Cette distinction sépare llms.txt de robots.txt de façon fondamentale, et une partie de la confusion du marché vient de l'analogie de nommage entre les deux fichiers.
La spécification est publiée et maintenue sur llmstxt.org, avec un dépôt public (AnswerDotAI/llms-txt, environ 2 600 étoiles au 9 août 2026) et un outil officiel en ligne de commande, llms_txt2ctx, qui transforme un llms.txt en document de contexte pour un modèle. La proposition elle-même ne revendique l'adoption d'aucune grande plateforme d'IA et emploie le conditionnel sur son avenir.
La spécification exacte de llms.txt
En bref
La spécification impose peu de choses : un fichier markdown à /llms.txt, ouvert par un titre H1 avec le nom du site, seul élément obligatoire. Suivent, dans l'ordre : une citation en bloc résumant le site, du texte libre éventuel, puis des sections H2 contenant des listes de liens au format nom, URL, deux-points, note. Une section nommée « Optional » a un sens spécial : ses liens peuvent être ignorés quand le contexte est court.
- Emplacement : /llms.txt à la racine du site ; un sous-chemin est explicitement permis par la spécification.
- H1 obligatoire : le nom du projet ou du site. C'est, selon la spécification, la seule section requise.
- Citation en bloc : un court résumé du site, avec les informations clés pour comprendre le reste du fichier.
- Sections H2 de listes de fichiers : chaque entrée est un lien markdown obligatoire, suivi d'un deux-points et d'une note facultative décrivant la ressource.
- Section « Optional » : sémantique définie par la spécification ; si elle est présente, ses URLs peuvent être sautées quand un contexte plus court est nécessaire. L'outil officiel llms_txt2ctx l'exclut d'ailleurs par défaut et ne l'inclut que sur option.
- Pages .md associées : la proposition d'origine suggère de servir une version markdown propre de chaque page importante, à la même URL suffixée de .md.
# Nom du site
> Une phrase qui resume ce qu'est le site, pour qui,
> et ce qu'on y trouve d'important.
Texte libre optionnel : contexte, precisions, avertissements.
## Section principale
- [Nom de la page](https://exemple.fr/page): description courte
- [Autre page](https://exemple.fr/autre): ce qu'elle contient
## Optional
- [Ressource secondaire](https://exemple.fr/annexe): peut etre
ignoree si le contexte est courtÀ noter
Pourquoi le markdown : la spécification le justifie explicitement, c'est aujourd'hui le format le plus largement et le plus facilement compris par les modèles de langage, et le fichier est destiné à être lu par des modèles et des agents, pas par des humains. Un llms.txt en HTML ou converti en page web n'est pas conforme et rate l'objectif.
llms.txt est-il un standard ?
En bref
Non. llms.txt est une proposition individuelle, pas un standard : aucun organisme de normalisation ne l'a adopté ni même mis à l'étude. Au 9 août 2026, aucun brouillon IETF ne porte sur llms.txt, le W3C n'a publié aucune spécification à son sujet, et le qualificatif de « standard de l'industrie » utilisé par certains outils est un usage marketing sans organisme derrière.
La vérification est datée et reproductible : la recherche du 9 août 2026 dans le registre de l'IETF ne retourne aucun document portant sur llms.txt, et le groupe de travail le plus proche du sujet, qui standardise un vocabulaire de préférences d'usage IA exprimé via robots.txt et les en-têtes HTTP, ne traite pas de llms.txt. Côté W3C, aucune spécification : la seule trace est une mention en passant dans les minutes d'un atelier de mars 2025. La proposition se décrit elle-même comme une tentative de standardisation ouverte aux contributions, ce qui est exactement cela : une proposition.
Désinformation en circulation
Des pages SEO affirment en 2026 qu'une « proposition W3C de juin 2026 » standardiserait llms.txt, ou citent une « spécification llms.txt version 1.7.0 ». Aucune trace de l'une ni de l'autre n'existe sur les sites du W3C ou de l'IETF : ce sont des fabrications, probablement destinées à capter du trafic. La spécification réelle n'a pas de numéro de version et n'a pas changé de substance depuis septembre 2024.
llms-full.txt : la convention d'à côté
En bref
llms-full.txt n'est pas dans la spécification d'origine : c'est une convention d'écosystème, popularisée en novembre 2024 par une plateforme de documentation, qui concatène l'intégralité du contenu d'un site dans un seul fichier markdown. Là où llms.txt est un index de liens à parcourir, llms-full.txt est le contenu lui-même. Problème mesurable : les fichiers réels dépassent souvent très largement les fenêtres de contexte des modèles.
La spécification d'origine ne mentionne llms-full.txt nulle part : elle décrit seulement des fichiers de contexte générés à partir du llms.txt par l'outil officiel. La convention llms-full.txt a été lancée par Mintlify le 14 novembre 2024, avec activation automatique sur les milliers de documentations qu'elle héberge, ce qui explique une bonne partie des publications observées : beaucoup de sites « ont » un llms.txt parce que leur plateforme le génère, pas parce qu'ils l'ont décidé.
Mesures directes du 9 août 2026 : le llms-full.txt de la documentation d'Anthropic pèse 25,4 Mo, soit environ 6,3 millions de tokens estimés ; celui de Cloudflare 57 Mo, environ 14 millions de tokens. À comparer aux fenêtres de contexte courantes, de 200 000 à 1 million de tokens : ces fichiers dépassent la fenêtre d'un facteur 10 à 70 et sont inutilisables d'un bloc. L'index llms.txt d'Anthropic, lui, pèse 57 Ko, environ 14 000 tokens : il tient sans difficulté. Un développeur a d'ailleurs ouvert un ticket public demandant de réduire un llms.txt trop gros pour la fenêtre d'un modèle : le problème de taille est documenté par l'écosystème lui-même.
À retenir
Conséquence pratique : si vous publiez les deux, le llms.txt (index court et curé) est le fichier qui a une chance d'être utile tel quel ; le llms-full.txt n'a de sens que pour des outils qui le découpent, et devient contre-productif au-delà de quelques centaines de milliers de tokens. Ne le générez pas pour faire joli : datez toute mesure de taille, ces fichiers grossissent vite.
Le principe qui démêle tout : publier n'est pas consommer
En bref
La confusion centrale du débat llms.txt tient en une phrase : des acteurs majeurs de l'IA publient ce fichier pour leur propre documentation, et le marché en déduit qu'ils le consomment chez les autres. C'est faux en toute logique et non documenté en pratique. Publier est un choix d'éditeur de contenu ; consommer est un choix d'éditeur de modèle. Aucun grand éditeur de modèle n'a fait le second.
| Acteur | Publie un llms.txt (vérifié le 9 août 2026) | Documente le consommer |
|---|---|---|
| Anthropic | Oui : sa documentation développeur, plus llms-full.txt (25 Mo) | Non, nulle part |
| OpenAI | Oui : index maître de sa documentation développeur | Non, nulle part |
| Perplexity | Oui : sa documentation, au format conforme | Non, nulle part |
| Non (un fichier apparu par erreur en déc. 2025 a été retiré le jour même) | Non : refus explicite pour Search | |
| Microsoft | Non (la documentation Learn renvoie une erreur 404) | Non, silence total |
| Cloudflare, Vercel, Stripe, Zapier | Oui (formats plus ou moins conformes) | Sans objet : éditeurs de contenu, pas de modèles |
Publication contre consommation, vérifiées séparément. La publication par Anthropic ou OpenAI est un signal d'écosystème (et un effet des plateformes de documentation qui génèrent le fichier automatiquement), pas une preuve d'usage par leurs modèles.
Attention
Réflexe à adopter face à tout contenu sur llms.txt : quand une page affirme qu'un acteur « prend en charge » ou « respecte » llms.txt, vérifiez si elle parle de publication ou de consommation, et exigez la source primaire. La quasi-totalité des affirmations de prise en charge circulant en 2026 s'effondrent à ce test.
ChatGPT utilise-t-il llms.txt ?
En bref
Aucune preuve suffisante. La documentation officielle des robots d'OpenAI ne mentionne aucun mécanisme de lecture des llms.txt tiers : les contrôles documentés passent par robots.txt et les user-agents. OpenAI publie un llms.txt pour sa propre documentation, ce qui n'est pas une preuve de consommation. Une observation isolée de juillet 2025 montrait un robot OpenAI récupérant un llms.txt à intervalles réguliers ; elle n'a jamais été répliquée.
Le détail pèse : la seule occurrence de llms.txt dans la documentation des robots d'OpenAI est un lien vers l'index de sa propre documentation. Pour les agents de code, OpenAI pousse un tout autre mécanisme, le fichier AGENTS.md, co-lancé en août 2025 puis confié à la Linux Foundation fin 2025. Dans les journaux serveur analysés en 2026, GPTBot est certes le premier robot d'IA nommé parmi les rares visiteurs de llms.txt, mais à des volumes dérisoires : sept requêtes contre 3 990 pour robots.txt sur un panel de douze semaines. Statut : aucune preuve suffisante de consommation.
Claude utilise-t-il llms.txt ?
En bref
Aucune preuve suffisante. Anthropic est le publieur le plus visible de llms.txt (sa documentation en sert sur trois domaines, fichiers vérifiés le 9 août 2026), mais aucune documentation Anthropic ne déclare que Claude, sa recherche ou ses robots lisent les llms.txt des autres sites. La demande officielle d'ajout de ce support à Claude Code a été fermée automatiquement sans réponse des mainteneurs.
Le cas Anthropic illustre parfaitement la distinction publier-consommer : l'entreprise publie un llms.txt d'environ 550 entrées et un llms-full.txt de 25 Mo pour sa documentation, en partie par héritage de sa plateforme de documentation qui les génère automatiquement. Côté consommation : la documentation de ses trois robots (entraînement, recherche, requête utilisateur) ne mentionne llms.txt nulle part, et le ticket public demandant que Claude Code lise automatiquement ces fichiers est resté sans réponse avant fermeture automatique. Un utilisateur peut évidemment coller un llms.txt dans le contexte de Claude : c'est un usage manuel, pas une prise en charge. Statut : aucune preuve suffisante.
Google et Gemini utilisent-ils llms.txt ? La chronologie complète
En bref
Google est le seul acteur à avoir répondu, et la réponse est non pour Search : sa documentation officielle déclare que Google Search n'utilise pas ces fichiers et les ignore, ni avantage ni pénalité. La chronologie 2025-2026 est constante côté Search, avec une contradiction interne piquante : la documentation de Chrome présente au même moment llms.txt comme une convention émergente utile aux agents.
| Date | Événement | Portée |
|---|---|---|
| 17 avril 2025 | John Mueller compare llms.txt à la vieille balise meta keywords : ce que le site prétend être, sans vérification ; les journaux montrent que les services d'IA ne demandent même pas le fichier | Déclaration publique, rapportée par la presse spécialisée |
| 23 juillet 2025 | Gary Illyes indique que Google ne prend pas en charge llms.txt et ne prévoit pas de le faire | Rapporté par un participant à un événement officiel ; pas de transcription publique |
| 3 décembre 2025 | Un llms.txt apparaît sur les docs développeur de Google, retiré le jour même ; explication : un système de contenu interne l'avait généré, l'équipe Search ne l'utilise ni ne l'endosse | Épisode documenté par la presse spécialisée ; l'URL renvoie une 404 au 9 août 2026 |
| 5 mai 2026 | La documentation de Chrome (Lighthouse) décrit llms.txt comme une convention émergente pour les agents et ajoute un audit vérifiant son accessibilité | Documentation officielle Chrome, toujours en ligne : la contradiction interne |
| 2 juin 2026 | Mueller : le dossier est purement spéculatif, le fichier existe depuis des années sans qu'aucun système d'IA ne l'utilise ; il dit préférer l'approche WebMCP | Déclaration publique, rapportée par la presse spécialisée |
| 10 juillet 2026 | Mise à jour du guide officiel d'optimisation IA : aucun fichier lisible par machine requis, Google Search ne les utilise pas et les ignore, ni mal ni bien pour la visibilité | Documentation officielle Google Search Central, vérifiée le 9 août 2026 |
Chronologie complète des positions Google sur llms.txt. Côté Search, la ligne n'a jamais varié : non. Côté Chrome, une équipe distincte promeut le fichier pour les agents de navigation, contradiction que Mueller a lui-même bornée : ce n'est pas pour le search.
L'alternative que Mueller cite, WebMCP, mérite d'être située : c'est un brouillon de standard porté par des ingénieurs de Google et Microsoft au sein d'un groupe communautaire du W3C, qui expose les fonctionnalités d'un site comme des outils appelables par des agents, avec un essai public dans Chrome depuis juin 2026. Ce n'est pas encore un standard non plus, mais cela indique où l'écosystème navigateur cherche la solution du problème que llms.txt voulait résoudre. Pour Gemini en tant qu'application, aucune déclaration distincte de celle de Search n'existe : statut aucune preuve suffisante.
Perplexity utilise-t-il llms.txt ?
En bref
Aucune preuve suffisante, et les journaux sont même accablants : sur un panel de douze semaines, le robot d'indexation de Perplexity n'a pas demandé un seul llms.txt (zéro requête, contre 775 pour robots.txt). Perplexity publie un llms.txt conforme pour sa propre documentation, et sa documentation des robots ne mentionne aucun mécanisme de lecture des fichiers tiers.
Des rapports commerciaux affirment que Perplexity récupérerait les llms.txt et s'en servirait pour prioriser ses sources : vérification faite, ces documents ne citent aucune source primaire, et l'affirmation est contredite par les mesures de journaux disponibles. C'est l'exemple type de l'affirmation d'industrie répétée sans preuve. Le fonctionnement réel de la sélection de sources de Perplexity est analysé dans comment Perplexity choisit les entreprises qu'il recommande.
Microsoft Copilot utilise-t-il llms.txt ?
En bref
Aucune preuve suffisante, et même aucun signal : Microsoft n'a jamais mentionné llms.txt publiquement, sa documentation Learn ne publie pas le fichier, et ses porte-parole parlent d'autres mécanismes (balisage, fraîcheur via IndexNow). Les seuls contrôles documentés du contenu dans Copilot restent les balises nocache et noarchive, décrites par Bing en 2023.
Le silence de Microsoft est cohérent avec son architecture : Copilot est ancré sur l'index de recherche Bing, dont les mécanismes d'accès et de contrôle sont documentés de longue date. La demande d'un support de llms.txt dans GitHub Copilot existe côté communauté, sous forme d'une discussion publique restée sans réponse officielle. Statut : aucune preuve suffisante, sans même l'ambiguïté d'une publication propre.
Les agents de code : le seul usage réel, et il est manuel
En bref
Le seul usage de llms.txt vérifiable en 2026 est celui des agents de code, et il est piloté par l'utilisateur : un développeur fournit l'URL d'un llms.txt à son agent, qui le lit comme n'importe quel document. Aucun des grands éditeurs d'agents (Cursor, Windsurf, GitHub Copilot, Claude Code) ne documente de lecture automatique du fichier au 9 août 2026.
- Cursor : publie ses propres llms.txt, mais un membre de l'équipe reconnaissait publiquement en juin 2025 que le standard n'était pas pris en charge nativement, en le notant comme piste. Aucune documentation officielle de support depuis.
- Windsurf : publie ses fichiers ; sa documentation de lecture de docs ne mentionne pas llms.txt.
- GitHub Copilot : demande communautaire ouverte, sans réponse ; le mécanisme natif poussé par l'écosystème OpenAI et GitHub est AGENTS.md.
- Claude Code : demande fermée sans réponse ; lecture possible uniquement si l'utilisateur pointe le fichier.
- Outillage réel : un serveur MCP maintenu par LangChain sert précisément à exposer des llms.txt choisis par l'utilisateur à son agent. C'est la forme aboutie de l'usage réel : volontaire, configuré, manuel.
Ce constat est cohérent avec la seule grande mesure de requêtes disponible : dans l'étude Ahrefs de juin 2026, la première catégorie d'outils d'IA visitant les rares llms.txt consultés est celle des agents (10,5 % des requêtes), et le deuxième robot d'IA nommé en volume est l'agent de code d'Anthropic. Les fichiers sont lus quand des développeurs les donnent à lire. C'est un vrai cas d'usage, étroit, qui concerne d'abord les documentations développeur.
La matrice de support : qui prend en charge llms.txt, avec quel niveau de preuve
En bref
Aucun système grand public ne prend en charge llms.txt de façon documentée au 9 août 2026. Le tableau ci-dessous condense l'état du dossier, système par système, avec le niveau de preuve et la source de chaque statut. C'est la pièce à retenir et à vérifier périodiquement.
| Système | Consomme llms.txt ? | Niveau de preuve | Élément décisif |
|---|---|---|---|
| Google Search, AI Overviews, AI Mode | Non | Confirmé officiellement | Documentation : Google Search ne les utilise pas et les ignore (màj juill. 2026) |
| Chrome (agents, Lighthouse) | Promeut le fichier, sans le consommer lui-même | Confirmé officiellement | Doc Lighthouse : convention émergente, audit d'accessibilité (màj mai 2026) |
| Gemini (application) | Inconnu | Aucune preuve suffisante | Aucune déclaration distincte de celle de Search |
| ChatGPT / OpenAI | Non documenté | Aucune preuve suffisante | Doc des robots muette ; anecdote de logs isolée (juill. 2025), non répliquée |
| Claude / Anthropic | Non documenté | Aucune preuve suffisante | Publie massivement ; demande de support fermée sans réponse |
| Perplexity | Non documenté | Aucune preuve suffisante | Zéro requête de PerplexityBot sur un panel de 12 semaines |
| Copilot / Bing | Non documenté | Aucune preuve suffisante | Silence total ; contrôles nocache et noarchive seuls documentés |
| Agents de code (Cursor, Windsurf, Copilot, Claude Code) | Lecture manuelle uniquement | Observé mais non confirmé | Aucun support natif documenté ; usage réel via configuration utilisateur |
| Meta (Meta-ExternalAgent) | Requêtes observées, usage inconnu | Observé mais non confirmé | Seul robot mesuré lisant llms.txt plus souvent que robots.txt ; aucune communication Meta |
| Cloudflare | Génère des llms.txt pour ses clients (bêta) | Confirmé officiellement (côté offre) | Annonce de sept. 2025 ; c'est de la publication, pas de la consommation |
Matrice de support llms.txt par système, au 9 août 2026, avec l'échelle : confirmé officiellement, fortement documenté, observé mais non confirmé, aucune preuve suffisante. Aucune ligne n'atteint « consommation confirmée ». La curiosité du tableau est Meta, seul robot observé demandant le fichier à une fréquence notable, sans qu'on sache ce qu'il en fait.
Ce que disent les journaux serveur : cinq mesures convergentes
En bref
Cinq analyses indépendantes de journaux serveur, publiées entre février et juillet 2026, convergent : les robots des grands laboratoires d'IA ne demandent pratiquement jamais /llms.txt. Les rares requêtes observées viennent d'outils d'audit SEO, de bots d'inventaire technologique et d'agents configurés à la main. C'est la pièce empirique la plus solide du dossier.
| Mesure | Périmètre | Résultat sur /llms.txt |
|---|---|---|
| Ahrefs (juin 2026) | 137 210 domaines, mois de mai 2026 | 97 % des fichiers publiés : zéro requête ; 96 % des rares requêtes = bots, robots de récupération IA : 1,1 % |
| EZY Research (juill. 2026) | 83 sites analysés bot par bot, 12 semaines | GPTBot : 7 requêtes llms.txt contre 3 990 robots.txt ; PerplexityBot : 0 contre 775 ; seul Meta-ExternalAgent lit llms.txt plus que robots.txt (193 contre 172) |
| OtterlyAI (févr. 2026) | 1 site, 90 jours, 62 100 requêtes de bots IA | 84 requêtes sur llms.txt, soit 0,1 % ; trois fois moins de visites qu'une page moyenne du site |
| Dries Buytaert (mars 2026) | 1 site avec llms.txt et pages .md, mesure mensuelle | 52 requêtes par mois, 100 % venant d'outils d'audit SEO ; aucun robot d'IA, aucune négociation de contenu markdown |
| WISLR (mars 2026) | 1 site, 48 jours, 12 099 requêtes de bots suivis | Zéro requête d'un bot d'IA sur /llms.txt ; seul un bot d'analytics l'a demandé, trois fois |
Cinq mesures de journaux serveur, chacune avec ses limites (panels restreints, parfois un seul site), mais toutes dans le même sens. Aucune mesure publiée ne montre le contraire. Précision méthodologique reprise des auteurs : une requête sur le fichier est un plafond, pas une preuve d'usage ; l'absence de requête, elle, est bien une preuve de non-usage par les robots identifiés.
Le détail de la ventilation Ahrefs vaut d'être lu une fois : parmi les requêtes reçues par les 3 % de fichiers effectivement consultés, on trouve des outils d'audit SEO (21,7 %), des bots non identifiés (14,9 %), des crawlers génériques (13,1 %), du profilage technologique (11,6 %), des agents d'IA (10,5 %), des outils de mesure GEO (5,8 %), des crawlers d'entraînement (5,3 %), des scanners spécialisés llms.txt (3,6 %), et tout en bas les assistants d'IA (2,5 %) et les robots de récupération pour la recherche IA (1,1 %). Autrement dit : le fichier est surtout lu par l'industrie qui s'observe elle-même.
L'adoption réelle en chiffres
En bref
L'adoption de llms.txt est réelle mais marginale, et très dépendante de l'échantillon mesuré : environ 1 % sur un panel large de trois millions de sites, 5 à 9 % dans le haut du web, 28 % sur un échantillon technophile, et jusqu'à 78 % sur une plateforme qui le génère automatiquement. La croissance est rapide en pourcentage, sur une base minuscule. Aucun chiffre ne mesure l'usage, seulement la publication.
| Mesure | Base | Adoption (publication) | À retenir |
|---|---|---|---|
| Originality.ai (juill. 2026) | 3 millions et plus de sites suivis | 36 120 fichiers, environ 1,2 % ; multiplié par 8,8 en un an | La mesure la plus large ; « l'adoption n'est pas l'usage » selon les auteurs |
| HTTP Archive (juin 2026) | Top 10 000 sites à trafic réel | 5,61 % (contre 1,04 % un an plus tôt) | Croissance rapide sur base faible |
| Rankability (juin 2026) | Top 1 000 mondial (liste Tranco) | 8,7 % ; technologie 36,4 %, réseaux sociaux 0 %, administrations 0 % | L'adoption est un phénomène du secteur tech |
| SE Ranking (nov. 2025) | Environ 300 000 domaines | 10,13 %, stable quelle que soit la taille du site | L'adoption ne croît pas avec le trafic |
| Ahrefs (juin 2026) | 137 210 domaines, clients de l'outil | 28 % (présenté comme un plafond, échantillon technophile) | Le chiffre le plus cité, et le plus biaisé vers le haut |
| Plateformes (juin 2026) | Boutiques Shopify du panel HTTP Archive | 78,1 %, par génération automatique de la plateforme | L'adoption « choisie » est très inférieure à l'adoption mesurée |
Les mesures d'adoption au 9 août 2026, avec leur base. Le chiffre viral de « plus de 800 000 sites » provient d'un outil d'inventaire technologique dont la méthodologie n'est pas publiée : il ne doit être cité que comme détection brute, jamais comme adoption vérifiée.
llms.txt améliore-t-il le SEO ?
En bref
Non, par déclaration de l'intéressé principal : Google indique que la présence d'un llms.txt n'aide ni ne pénalise la visibilité dans Google Search, car Search l'ignore. Googlebot ne l'utilise pas, il n'améliore ni l'indexation ni le classement, et aucun bénéfice SEO indirect n'est démontré. Le seul enjeu SEO réel est un risque mineur et gérable : l'indexation parasite du fichier lui-même.
La documentation officielle de Google, mise à jour en juillet 2026, traite le sujet dans sa section consacrée aux mythes : aucun fichier lisible par machine, fichier texte pour IA, balisage ou markdown n'est nécessaire pour apparaître dans Google Search, fonctionnalités d'IA générative comprises, car Google Search ne les utilise pas ; en créer ne fera ni mal ni bien à votre visibilité, car Google Search les ignore. Difficile d'être plus net.
Reste la question du contenu dupliqué, seul point technique sérieux : si vos fichiers markdown reproduisent le contenu de vos pages HTML, ils peuvent théoriquement être indexés et apparaître en recherche à la place de vos pages. John Mueller a précisé qu'il n'y a duplication qu'en cas de contenu identique, tout en recommandant d'appliquer un noindex au fichier, car des sites peuvent le lier et son indexation serait étrange pour les utilisateurs. En pratique : servez /llms.txt avec un en-tête HTTP X-Robots-Tag noindex (un fichier texte ne peut pas porter de balise meta), et ne le bloquez surtout pas dans robots.txt, sinon le moteur ne verra jamais le noindex. Le dossier plus large du balisage et de son effet réel est traité dans les données structurées influencent-elles les recommandations des IA.
llms.txt améliore-t-il la visibilité dans les IA ? La réponse en l'état des preuves
En bref
Nous ne disposons actuellement d'aucune preuve que la présence d'un llms.txt améliore la visibilité, la compréhension, la citation ou les recommandations d'un site dans ChatGPT, Claude, Gemini, Perplexity ou Copilot. Aucun support documenté, des journaux quasi vides, et des corrélations nulles sur de grands échantillons. L'affirmation inverse (le fichier nuirait) n'est pas davantage démontrée : l'effet mesurable, dans les deux sens, est aujourd'hui indiscernable de zéro.
Deux études de corrélation convergent, à ne pas fusionner : la première (novembre 2025, environ 300 000 domaines) ne trouve aucune corrélation entre la présence d'un llms.txt et les citations dans les réponses des modèles échantillonnés, et retirer cette variable du modèle prédictif en a amélioré la précision ; la seconde, spécifique à ChatGPT (novembre 2025, 129 000 domaines, 100 000 requêtes de test), aboutit au même constat. Ce sont des corrélations, pas des preuves causales, et leurs auteurs précisent : du moins pas encore. Mais l'asymétrie est parlante : ceux qui affirment un effet n'ont produit aucune donnée ; ceux qui ont produit des données ne trouvent aucun effet.
Mécanisme théorique, preuve disponible, recommandation pratique : voilà comment lire chaque promesse GEO autour de ce fichier. Le mécanisme théorique existe (un index propre pourrait aider un système de récupération) ; la preuve disponible est nulle (aucun système ne documente l'utiliser) ; la recommandation pratique en découle : publiez le fichier si son coût est marginal pour vous, n'en attendez rien de mesurable, et n'y consacrez jamais du temps pris sur les leviers étayés. Ce que les IA utilisent réellement pour choisir qui citer est documenté dans les 100 facteurs qui influencent les recommandations des IA.
llms.txt contre robots.txt, sitemap.xml et Schema.org
En bref
Ces fichiers ne jouent pas dans la même catégorie. robots.txt est un contrôle d'accès, standardisé et respecté par les grands robots. sitemap.xml est un inventaire d'URLs pour la découverte, standardisé et consommé par les moteurs. Schema.org est un vocabulaire de description consommé pour les résultats enrichis. llms.txt est une offre de curation éditoriale, non standardisée, dont aucun grand système ne documente la consommation. Les analogies de nommage trompent : llms.txt ne contrôle rien.
| Critère | robots.txt | sitemap.xml | Schema.org | llms.txt |
|---|---|---|---|---|
| Objectif | Contrôler l'accès des robots | Faire découvrir les URLs | Décrire le contenu aux machines | Curer le contenu pour les modèles |
| Statut | Standard (RFC 9309) | Protocole standardisé de fait | Vocabulaire maintenu par consortium | Proposition individuelle (2024) |
| Consommé par | Tous les grands robots (déclaré) | Google, Bing et autres (documenté) | Google, Bing (documenté, pour l'éligibilité) | Aucun grand système (documenté nulle part) |
| Pouvoir de blocage | Oui (déclaratif) | Non | Non | Non : aucun |
| Rôle dans le crawl | Décisif | Complémentaire | Aucun | Aucun rôle documenté |
| Rôle pour les IA | Contrôle réel (entraînement, recherche) | Indirect via l'indexation | Compréhension, sans effet démontré sur les citations | Théorique, non démontré |
| Risque si mal géré | Exclusion involontaire des moteurs | Gaspillage de crawl | Balisage mensonger sanctionnable | Indexation parasite, fichier périmé |
Comparaison des quatre mécanismes. Retenez la séparation en trois couches : le contrôle d'accès (robots.txt et les jetons associés), les préférences d'usage en cours de standardisation à l'IETF, et la curation d'inférence (llms.txt), trois problèmes distincts que le débat public mélange constamment.
Attention
L'erreur la plus répandue du marché : présenter llms.txt comme le robots.txt des IA. C'est doublement faux. robots.txt limite l'accès et les grands robots déclarent le respecter ; llms.txt n'a aucun pouvoir de blocage et personne ne déclare le lire. Croire qu'un llms.txt protège votre contenu des IA est un faux sentiment de sécurité aux conséquences réelles.
Comment créer un fichier llms.txt : le tutoriel
En bref
Créer un llms.txt propre prend dix minutes à une heure : un fichier texte encodé en UTF-8, nommé llms.txt, placé à la racine du site, écrit en markdown selon la structure de la spécification, avec une sélection curée de cinq à trente pages réellement importantes, des descriptions factuelles, et une vérification d'accessibilité. Voici la méthode complète, étape par étape.
- 1Créez un fichier texte brut nommé exactement llms.txt, encodé en UTF-8, sans mise en forme HTML.
- 2Placez-le à la racine du site, accessible à l'URL /llms.txt (un sous-chemin est permis par la spécification, la racine est l'usage).
- 3Ouvrez par un H1 : le nom de votre site ou entreprise, seul élément obligatoire.
- 4Ajoutez la citation en bloc : une à trois lignes qui disent ce qu'est le site, pour qui, et ce qu'on y trouve : c'est la phrase qu'un modèle lira en premier.
- 5Structurez en sections H2 thématiques (offre, documentation, ressources, entreprise...), chacune listant des liens au format nom, URL, deux-points, description.
- 6Sélectionnez, ne déversez pas : cinq à trente pages qui répondent réellement aux questions sur votre entreprise ; la valeur du fichier est sa curation, pas son exhaustivité.
- 7Rédigez des descriptions factuelles : ce que contient la page, pas un slogan ; chaque description doit aider un modèle à décider s'il a besoin de cette page.
- 8Isolez le secondaire dans une section « Optional » : la spécification permet aux outils de la sauter quand le contexte est court.
- 9Servez le fichier avec un en-tête X-Robots-Tag noindex pour éviter son indexation parasite, sans le bloquer dans robots.txt.
- 10Vérifiez l'accessibilité : l'URL répond en 200, en texte brut, sans redirection exotique ; puis surveillez qui le demande dans vos journaux serveur.
À noter
Pour une documentation volumineuse, la spécification prévoit la bonne réponse : un llms.txt qui reste un index court et hiérarchisé, des pages .md pour le contenu lui-même, et au besoin des llms.txt par section, comme le fait la documentation de Cloudflare avec un fichier racine renvoyant vers un fichier par produit. Résistez à la tentation du fichier unique exhaustif.
Exemple complet et commenté
En bref
Voici un llms.txt complet, conforme à la spécification et immédiatement adaptable. L'exemple utilise une entreprise fictive ; remplacez les noms, URLs et descriptions par les vôtres. Les choix de structure sont commentés après le code.
# Acme Facturation
> Acme edite un logiciel de facturation pour les TPE
> francaises : creation de factures conformes, relances
> automatiques, export comptable. Ce fichier liste les
> pages utiles pour comprendre et evaluer le produit.
## Produit
- [Fonctionnalites](https://acme.example/fonctionnalites): ce que
fait le logiciel, module par module
- [Tarifs](https://acme.example/tarifs): les trois offres, prix
mensuels et conditions
- [Comparatif des offres](https://acme.example/comparatif): quelle
offre pour quel profil d'entreprise
## Documentation
- [Guide de demarrage](https://acme.example/docs/demarrage): de la
creation de compte a la premiere facture
- [Reference API](https://acme.example/docs/api): points d'entree,
authentification, exemples de requetes
- [FAQ](https://acme.example/faq): reponses aux questions les plus
frequentes des utilisateurs
## Entreprise
- [A propos](https://acme.example/a-propos): qui edite le produit,
depuis quand, ou
- [Methodologie de securite](https://acme.example/securite):
hebergement, chiffrement, conformite
## Optional
- [Blog](https://acme.example/blog): analyses sur la facturation
et la gestion des TPE
- [Notes de version](https://acme.example/changelog): historique
des evolutions du produitPourquoi ces choix : la citation en bloc dit en trois lignes ce que l'entreprise fait, pour qui et ce que contient le fichier, exactement ce qu'un outil au contexte limité doit lire en premier. Les sections suivent les questions réelles d'un évaluateur : que fait le produit, combien coûte-t-il, comment s'en sert-on, qui est derrière. Les descriptions sont factuelles et différenciantes entre elles. Le blog et le changelog vont en « Optional » : utiles, mais sacrifiables. Ce sont les mêmes principes de curation que pour une documentation que les IA adorent citer.
Exemples par type de site
En bref
La structure reste la même ; la sélection change. Un SaaS met en avant produit, tarifs et documentation ; un e-commerce ses catégories, ses guides et ses politiques ; un cabinet ses services, sa méthodologie et ses références ; une documentation technique son organisation par produit et ses points d'entrée API. Voici les quatre squelettes.
# [E-COMMERCE] Maison Exemple
> Boutique en ligne de mobilier durable, fabrication
> francaise, livraison en Europe.
## Boutique
- [Categories](https://exemple.fr/collections): l'ensemble des
gammes, avec filtres
- [Guide des matieres](https://exemple.fr/guide-matieres): bois,
finitions, entretien
- [Avis clients](https://exemple.fr/avis): avis verifies et notes
## Pratique
- [Livraison et retours](https://exemple.fr/livraison): delais,
zones, conditions de retour
- [FAQ](https://exemple.fr/faq): questions frequentes
## Optional
- [Journal](https://exemple.fr/journal): coulisses et conseils# [CABINET] Durand Conseil
> Cabinet de conseil en organisation pour les ETI
> industrielles, base a Lyon, interventions en France.
## Services
- [Diagnostic d'organisation](https://exemple.fr/diagnostic): le
perimetre et les livrables
- [Accompagnement au changement](https://exemple.fr/changement):
methode et duree types
- [Tarification](https://exemple.fr/tarifs): modes de facturation
## Preuves
- [Methodologie](https://exemple.fr/methode): comment nous
travaillons, etape par etape
- [Etudes de cas](https://exemple.fr/cas-clients): missions
documentees avec resultats dates
- [L'equipe](https://exemple.fr/equipe): associes et consultants,
parcours
## Optional
- [Publications](https://exemple.fr/publications): analyses
sectorielles# [DOCUMENTATION] Docs ExempleDB
> Documentation officielle d'ExempleDB, base de donnees
> open source. Versions .md disponibles en ajoutant .md
> a l'URL de chaque page.
## Demarrage
- [Installation](https://docs.exemple.dev/install): toutes
plateformes, prerequis
- [Premiers pas](https://docs.exemple.dev/quickstart): premiere
base en dix minutes
## Reference
- [Reference SQL](https://docs.exemple.dev/sql): syntaxe complete
et exemples
- [Reference API](https://docs.exemple.dev/api): clients
officiels, authentification
- [Configuration](https://docs.exemple.dev/config): parametres et
valeurs par defaut
## Operations
- [Deploiement](https://docs.exemple.dev/deploy): production,
sauvegardes, supervision
- [Notes de version](https://docs.exemple.dev/releases):
changements par version, depreciations
## Optional
- [Tutoriels](https://docs.exemple.dev/tutorials): cas d'usage
guidesLe quatrième profil, le SaaS, correspond à l'exemple complet de la section précédente. Dans les quatre cas, la logique de sélection est identique : les pages qui répondent aux questions d'évaluation et d'usage, jamais l'inventaire complet. Un média ou un site vitrine suivront le squelette du cabinet, en remplaçant les services par les rubriques de référence.
Que mettre dans llms.txt, et que ne surtout pas y mettre
En bref
Mettez-y les pages qui répondent aux questions qu'on pose sur vous : offre, tarifs, documentation, FAQ, méthodologie, à propos, études et références. N'y mettez pas l'inventaire du site, les pages à paramètres, les contenus périmés, les descriptions publicitaires ni, surtout, des URLs cassées ou des contenus non publiés. Chaque ligne du fichier doit mériter les quelques centaines de tokens qu'elle coûtera à son lecteur.
| À inclure (par priorité) | Pourquoi |
|---|---|
| Accueil, à propos | L'identité : qui vous êtes, pour qui |
| Pages offre et tarifs | Les questions d'évaluation les plus posées |
| Documentation et FAQ | Le contenu d'usage, seul public réel du fichier (agents) |
| Méthodologie, études, cas documentés | Les preuves qui distinguent des concurrents |
| Comparatifs honnêtes | Les questions de choix, fréquentes dans les IA |
| Glossaire ou ressources de référence | Définitions extractibles, si elles existent déjà |
La sélection type, à adapter : un site n'inclut que ce qui existe réellement et reste à jour.
- Toutes les URLs du site sans sélection : un llms.txt de 4 000 lignes est un sitemap raté, pas une curation.
- Pages à paramètres, doublons, variantes : le fichier doit pointer les URLs canoniques uniquement.
- Contenus obsolètes ou contradictoires avec le site : un fichier périmé peut induire un modèle en erreur, c'est pire que pas de fichier.
- Descriptions promotionnelles vagues ou invérifiables : « leader de son marché » n'aide aucun modèle ; dites ce que contient la page.
- Ressources bloquées, privées ou cassées : chaque lien doit répondre en 200 et être accessible sans authentification.
- Contenus non publiés : des générateurs automatiques ont déjà exposé des produits en brouillon dans des llms.txt de boutiques en ligne ; auditez ce que votre outil met dans le fichier.
Le protocole Evocia : tester vous-même l'impact de llms.txt
En bref
Ne croyez ni les vendeurs ni les sceptiques sur parole : mesurez sur votre site. Le protocole en trois volets : observer dans vos journaux qui demande réellement le fichier, mesurer avant et après déploiement votre présence dans les réponses des IA sur un panel de requêtes figé, et poser un test au canari qui détecterait une consommation réelle. En sachant qu'un avant-après ne prouve jamais une causalité à lui seul.
- 1T0, avant déploiement (4 semaines minimum) : figez un panel de 20 à 40 requêtes représentatives ; mesurez sur chaque moteur (ChatGPT, Claude, Gemini, Perplexity, Copilot) la fréquence de mention et de citation, les URLs citées, l'exactitude des descriptions et votre rang dans les recommandations, avec plusieurs répétitions par requête et des réponses archivées.
- 2Journaux serveur : commencez à journaliser les requêtes sur /llms.txt et /llms-full.txt en distinguant les méthodes HEAD et GET, et vérifiez chaque user-agent déclaré contre les plages d'adresses IP officielles des éditeurs : les imposteurs sont nombreux.
- 3T1, déploiement : publiez le fichier, déclaré nulle part (aucun mécanisme de soumission n'existe), et notez la date exacte.
- 4Test au canari : insérez dans le llms.txt une information vraie mais absente de vos pages HTML (une formulation spécifique, un détail périphérique). Si un assistant la restitue un jour, vous tenez une preuve de consommation ; c'est le seul signal positif non ambigu que ce protocole puisse produire.
- 5T2, T3, mesures répétées (mêmes requêtes, mêmes conditions) : à 4, 8 et 12 semaines, remesurez le panel à l'identique et comptez les requêtes de vos journaux par user-agent vérifié.
- 6Analyse honnête : comparez les distributions plutôt que des réponses isolées (les réponses des IA varient d'une session à l'autre), et rappelez-vous qu'une évolution entre T0 et T2 peut venir de dizaines d'autres variables : vos contenus, vos concurrents, les modèles eux-mêmes. Sans groupe de contrôle, un avant-après suggère, il ne démontre pas.
Ce protocole est volontairement exigeant : c'est lui qui sépare une observation d'une anecdote. La méthode générale de mesure de visibilité (panels, répétitions, incertitude, causalité) est détaillée dans mesurer sa visibilité dans ChatGPT, Claude et Gemini. Au passage : Evocia publie son propre llms.txt, surveille ses journaux, et n'y a jamais observé un robot de récupération d'IA ; nous appliquons le conseil que nous donnons, sans en attendre de citation.
Faut-il créer un llms.txt ? L'arbre de décision
En bref
La décision tient en trois questions : avez-vous une documentation que des développeurs donnent à des agents de code ? Votre plateforme génère-t-elle le fichier automatiquement et proprement ? Avez-vous dix minutes et une liste de pages stables ? Selon les réponses, la priorité va de « oui, faites-le » à « ignorez le sujet sans remords ».
Avez-vous une documentation technique que des developpeurs
utilisent avec des agents de code (Cursor, Claude Code...) ?
|
+-- OUI --> Creez llms.txt (+ pages .md).
| Seul public reel identifie. Priorite MOYENNE.
|
+-- NON
|
v
Votre plateforme (docs, CMS, e-commerce) genere-t-elle
deja le fichier automatiquement ?
|
+-- OUI --> Gardez-le, mais AUDITEZ-LE :
| pas de brouillons, pas d'URLs cassees,
| noindex en place. Cout nul.
|
+-- NON
|
v
Avez-vous 10 a 60 minutes, des pages stables,
et quelqu'un pour le maintenir ?
|
+-- OUI --> Creation possible en fin de liste :
| assurance a bas cout, benefice
| non demontre. Priorite FAIBLE.
|
+-- NON --> N'en creez pas. Aucun systeme
documente ne le lira. Consacrez
ce temps aux leviers etayes.| Type de site | Priorité llms.txt | Justification |
|---|---|---|
| Documentation technique / éditeur avec API | Moyenne | Seul public réel (agents configurés par les développeurs) ; pages .md et index curé utiles |
| SaaS B2B sans documentation publique | Faible | Aucun consommateur identifié ; dix minutes pour une assurance symbolique |
| E-commerce | Faible | Aucun consommateur ; les flux marchands et les données structurées produit ont, eux, des consommateurs documentés |
| Média | Faible | Aucun bénéfice démontré ; arbitrage exposition contre droits à considérer |
| Site vitrine, cabinet, agence | Faible | Dix minutes acceptables si le site est stable ; aucun effet à en attendre |
| Site de dizaines de milliers de pages | Faible, avec précaution | Ne jamais tenter l'exhaustivité : index court et curé uniquement, sinon s'abstenir |
Priorité par type de site. Aucun profil n'atteint « élevée » : c'est cohérent avec un fichier sans consommateur documenté.
Quelle priorité dans une stratégie GEO ? La matrice des 10 heures
En bref
Si vous disposez de dix heures pour votre visibilité dans les IA, llms.txt en mérite au plus une demi-heure, en dernier. Toutes les autres actions du tableau ci-dessous ont des mécanismes documentés ou des données à l'appui ; llms.txt n'a ni l'un ni l'autre. Cette matrice existe pour empêcher le surinvestissement dans un sujet à la mode.
| Action | Impact SEO | Impact visibilité IA | Niveau de preuve | Effort | Priorité |
|---|---|---|---|---|---|
| Corriger le crawl (rendu serveur, robots, erreurs) | Moyen | Très fort | Officiel + mesures datées | Variable | 1 |
| Améliorer les pages produit et comparatives | Fort | Fort | Couverture d'intention documentée | Moyen | 1 |
| Publier une documentation claire et à jour | Moyen | Fort | Études d'intention + usage agents | Fort | 2 |
| Obtenir des mentions tierces (avis, communautés, médias) | Moyen | Fort | Corrélations répliquées | Fort | 2 |
| Produire des études et données originales | Fort | Fort | Mécanisme de citation documenté | Fort | 2 |
| Renforcer le maillage interne | Fort | Moyen | Officiel (découverte) | Moyen | 2 |
| Soigner les données structurées essentielles | Moyen | Faible démontré | Officiel (compréhension) | Faible | 3 |
| Créer et maintenir un llms.txt | Nul | Non démontré | Corrélations nulles + journaux vides | Très faible | 4 (dernier) |
La matrice de priorisation. La place de llms.txt n'est pas une opinion : c'est la conséquence directe de l'état des preuves au 9 août 2026. Si une plateforme majeure annonce un support documenté, cette ligne remontera, et ce guide sera mis à jour.
Affirmations en circulation contre réalité vérifiée
En bref
Le sujet llms.txt charrie un volume inhabituel d'affirmations invérifiables ou fausses. Voici les plus répandues, confrontées à l'état des sources au 9 août 2026.
| Affirmation en circulation | Réalité vérifiée |
|---|---|
| « llms.txt est le nouveau robots.txt » | Faux : aucun pouvoir de blocage, aucun robot ne déclare le lire. robots.txt est un standard respecté ; llms.txt une proposition sans consommateur documenté. |
| « ChatGPT et Perplexity utilisent llms.txt » | Non démontré : aucune documentation, et les journaux montrent zéro requête de PerplexityBot sur douze semaines. |
| « Anthropic prend en charge llms.txt » | Confusion publier-consommer : Anthropic publie le fichier pour ses docs ; aucune doc ne dit que Claude le consomme. |
| « Le W3C standardise llms.txt (juin 2026) » | Fabrication : aucune trace sur les sites du W3C ou de l'IETF. |
| « Plus de 800 000 sites l'ont adopté » | Détection brute d'un outil d'inventaire, méthodologie non publiée ; les mesures contrôlées donnent 1 à 9 % selon l'échantillon. |
| « Ajouter un llms.txt améliore vos citations IA » | Non démontré : corrélations nulles sur des centaines de milliers de domaines ; aucun test causal publié. |
| « Google pénalise les sites avec llms.txt » | Faux dans l'autre sens : Google déclare l'ignorer, ni bonus ni malus. |
| « Les agents visitent llms-full.txt deux fois plus que llms.txt » | Donnée de vendeur, méthodologie non publiée : invérifiable en l'état. |
Huit affirmations fréquentes et leur statut réel. Règle générale : sur ce sujet, exigez la source primaire et la date ; la moitié du discours public ne survit pas à cette exigence.
Maintenir, automatiser, surveiller
En bref
Un llms.txt ne vaut que synchronisé avec le site : établissez une revue trimestrielle (liens en 200, descriptions exactes, pages disparues retirées), méfiez-vous des générateurs automatiques qui sélectionnent mal ou exposent trop, et surveillez dans vos journaux qui demande réellement le fichier. Un fichier périmé qui contredit vos pages est pire que pas de fichier.
- Fréquence : une revue par trimestre suffit pour un site stable ; à chaque refonte ou changement d'offre, le fichier fait partie de la liste de vérification.
- Générateurs automatiques : les plugins et plateformes qui génèrent le fichier sélectionnent selon leurs propres règles (derniers articles publiés, par exemple), ce qui produit un index d'actualités plutôt qu'une curation d'évaluation ; relisez et corrigez ce qu'ils produisent, et auditez qu'aucun contenu non publié n'y fuit.
- Surveillance : une ligne de filtre sur /llms.txt dans vos journaux, avec vérification des user-agents contre les plages IP officielles, vous dira en continu si le dossier bouge ; c'est le meilleur détecteur d'un éventuel changement de support par une plateforme.
- Cohérence : le fichier doit décrire le site tel qu'il est, dans les mêmes termes que vos pages ; toute divergence est une source potentielle d'erreur pour le rare outil qui le lira.
Limites et zones d'ombre
En bref
Ce guide établit ce que les sources permettent d'établir, et s'arrête où elles s'arrêtent. Trois limites structurelles : les journaux serveur ne peuvent pas détecter une consommation interne sans requête identifiable ; le silence documentaire d'OpenAI, Anthropic et Perplexity n'est pas une déclaration de non-usage ; et aucun test causal contrôlé n'existe, dans un sens comme dans l'autre.
- Le non-observable : un llms.txt déjà présent dans un corpus d'entraînement, ou récupéré par un pipeline interne sans user-agent identifiable, échapperait aux journaux. Les 97 % de fichiers jamais demandés sont une borne haute de non-usage observable, pas une preuve d'inutilité absolue.
- Le silence n'est pas un non : seul Google s'est prononcé. OpenAI, Anthropic, Perplexity et Microsoft n'ont rien déclaré, ni pour ni contre : leur statut est « aucune preuve », pas « démenti ».
- Panels restreints : les études de journaux portent sur des périmètres limités (parfois un seul site) ; leur convergence fait leur force, aucune ne suffirait seule.
- Le futur : une adoption par une plateforme majeure changerait le dossier du jour au lendemain ; la surveillance de vos propres journaux et des documentations officielles est le seul détecteur fiable, pas les blogs.
- Ce que les agents font du fichier : même quand un agent récupère un llms.txt (10,5 % des rares requêtes), on ignore ce qu'il en fait ensuite ; et le cas Meta, seul robot à demander le fichier plus souvent que robots.txt sur un panel, reste inexpliqué faute de toute communication de Meta.
Aucun grand éditeur de modèles n'a publié de position officielle sur llms.txt en dehors de Google. Tout ce que ce guide affirme sur OpenAI, Anthropic, Perplexity et Microsoft est une vérification d'absence dans leurs documentations au 9 août 2026, pas une déclaration de leur part. La différence importe, et elle est la raison d'être du protocole de test de ce guide.
Points clés à retenir
En bref
llms.txt est une proposition élégante sans consommateur documenté : Google la refuse explicitement, les autres se taisent, les journaux sont vides, les corrélations nulles. Publiez le fichier si son coût est marginal, avec un noindex et une vraie curation ; n'en attendez rien de mesurable ; et investissez votre temps dans les leviers étayés.
- llms.txt : proposition de Jeremy Howard (Answer.AI), 3 septembre 2024 ; markdown, H1 obligatoire, sections de liens, « Optional » sacrifiable. Ni standard, ni contrôle d'accès.
- Publier n'est pas consommer : le principe qui démêle toute la conversation. Anthropic, OpenAI et Perplexity publient ; personne ne documente consommer.
- Google est le seul à avoir répondu : Search n'utilise pas ces fichiers et les ignore. Sa propre doc Chrome les promeut pour les agents : contradiction assumée.
- Cinq études de journaux convergent : les robots d'IA de premier plan ne demandent pratiquement jamais le fichier.
- Les corrélations avec les citations sont nulles ; retirer la variable améliore même les modèles prédictifs.
- Le seul usage réel : des développeurs qui donnent le fichier à des agents de code. D'où la seule priorité moyenne du dossier : les documentations techniques.
- Si vous publiez : curation courte, descriptions factuelles, en-tête noindex, revue trimestrielle, et surveillance des journaux : votre meilleur détecteur d'un futur changement de support.
Conclusion et pour aller plus loin
En bref
La valeur de ce guide est de refuser le battage dans les deux sens : llms.txt n'est ni le levier de visibilité que vendent les uns, ni l'arnaque que dénoncent les autres. C'est une proposition raisonnable qui attend encore son premier consommateur documenté. Traitez-la comme telle : dix minutes si le profil s'y prête, zéro attente, et une veille sur les seules sources qui comptent, les documentations officielles et vos journaux.
Si l'enthousiasme autour de llms.txt retombe, ce guide reste : la spécification, la méthode de création, le protocole de test et la grille de lecture publier-consommer valent pour toute convention future du même type, à commencer par les alternatives qui émergent déjà côté navigateurs et agents. Et si une plateforme majeure adopte le fichier demain, la matrice de support et la chronologie de ce guide seront mises à jour, avec les mêmes exigences de preuve.
Pour remettre ce dossier à sa place dans l'ensemble : comment structurer un site web pour maximiser sa visibilité dans les IA couvre l'architecture complète dont llms.txt n'est qu'une note de bas de page ; la documentation publique influence-t-elle les recommandations des IA traite le canal où le fichier a son seul public réel ; les 100 facteurs qui influencent les recommandations des IA et le guide complet du GEO cartographient les leviers qui, eux, sont étayés.
Passer du dossier à la mesure
En bref
Vous savez maintenant exactement ce que vaut llms.txt. La question suivante est celle qui compte : où en est votre visibilité réelle dans les réponses des IA, et quels leviers étayés la feraient progresser ? C'est l'objet d'un audit, fondé sur la mesure, pas sur les modes.
La démarche de ce guide est celle de toutes nos analyses : sources primaires, niveaux de preuve, protocoles reproductibles. Appliquée à votre entreprise, elle commence par un panel de requêtes sur vos moteurs cibles, l'analyse des sources qu'ils citent dans votre catégorie, et un plan d'action priorisé par impact démontré, où llms.txt occupera la place exacte que méritent les preuves : la dernière, en dix minutes.
Evocia mesure votre présence dans ChatGPT, Claude, Gemini, Perplexity et Google AI Mode sur vos requêtes d'achat, identifie les sources qui font vos citations, et vous livre un plan d'action priorisé par niveau de preuve. Un audit chiffré, sans promesse de citation, avec une méthode reproductible.
Demander un audit de visibilité IAQuestions fréquentes
Qu'est-ce que le fichier llms.txt ?
llms.txt est un fichier markdown placé à la racine d'un site web (/llms.txt), qui présente le site en quelques lignes puis liste ses pages importantes sous forme de liens commentés, pour aider les modèles de langage à trouver et lire l'essentiel sans se débattre avec du HTML chargé. C'est une proposition publiée le 3 septembre 2024 par Jeremy Howard, cofondateur d'Answer.AI, sur llmstxt.org. Ce n'est ni un standard officiel, ni un mécanisme de contrôle d'accès.
llms.txt est-il obligatoire ?
Non, en aucune façon. Aucun moteur, aucun assistant, aucune réglementation ne l'exige, et son absence n'a aucune conséquence documentée. Google déclare explicitement que ce type de fichier n'est pas nécessaire pour apparaître dans Search, fonctionnalités d'IA comprises. C'est une publication volontaire, dont aucun grand système ne documente la lecture au 9 août 2026.
llms.txt améliore-t-il le SEO ?
Non. Google déclare que Google Search n'utilise pas ces fichiers et les ignore : leur présence n'aide ni ne pénalise la visibilité, l'indexation ou le classement. Le seul enjeu SEO est un risque mineur : le fichier lui-même peut être indexé si des sites le lient. La parade est simple : le servir avec un en-tête HTTP X-Robots-Tag noindex, sans le bloquer dans robots.txt.
Google utilise-t-il llms.txt ?
Non, et c'est documenté officiellement : le guide d'optimisation IA de Google Search Central classe llms.txt dans les mythes, indique qu'aucun fichier lisible par machine n'est nécessaire, que Google Search ne les utilise pas et les ignore. John Mueller l'a comparé à la vieille balise meta keywords, et Gary Illyes a indiqué que Google ne prévoit pas de le prendre en charge. Seule nuance : la documentation de Chrome le décrit, elle, comme une convention émergente pour les agents de navigation, contradiction interne que Google n'a pas résolue.
ChatGPT utilise-t-il llms.txt ?
Aucune preuve suffisante. La documentation officielle des robots d'OpenAI ne mentionne aucun mécanisme de lecture des llms.txt tiers, et les analyses de journaux montrent des requêtes marginales (sept requêtes de GPTBot contre près de 4 000 pour robots.txt sur un panel de douze semaines). OpenAI publie un llms.txt pour sa propre documentation, ce qui ne prouve rien sur la consommation. Une observation isolée de juillet 2025 n'a jamais été répliquée.
Claude utilise-t-il llms.txt ?
Aucune preuve suffisante. Anthropic publie abondamment le fichier pour sa propre documentation (vérifié le 9 août 2026), mais aucune documentation Anthropic ne déclare que Claude ou ses robots lisent les llms.txt des autres sites, et la demande publique d'ajout de ce support à Claude Code a été fermée sans réponse. Un utilisateur peut évidemment fournir un llms.txt à Claude manuellement : c'est un usage volontaire, pas une prise en charge.
Perplexity utilise-t-il llms.txt ?
Aucune preuve suffisante, et les mesures disponibles sont négatives : sur un panel de douze semaines, le robot d'indexation de Perplexity n'a pas demandé un seul fichier llms.txt (zéro requête, contre 775 pour robots.txt). Perplexity publie son propre llms.txt et sa documentation des robots ne mentionne aucune lecture des fichiers tiers. Les affirmations commerciales du contraire ne citent aucune source primaire.
Gemini utilise-t-il llms.txt ?
Aucune preuve suffisante pour l'application Gemini, et un non documenté pour les fonctionnalités IA de Google Search (AI Overviews, AI Mode), qui reposent sur l'index de Search dont la documentation exclut explicitement l'usage de ces fichiers. Aucune déclaration distincte n'existe pour l'application Gemini elle-même : son statut est l'absence de preuve, pas le démenti.
Microsoft Copilot utilise-t-il llms.txt ?
Aucune preuve suffisante, sans même un signal : Microsoft n'a jamais mentionné llms.txt publiquement, ne publie pas le fichier sur sa propre documentation, et ses mécanismes documentés de contrôle du contenu dans Copilot restent les balises nocache et noarchive décrites par Bing en 2023. La demande de support dans GitHub Copilot est une discussion communautaire restée sans réponse officielle.
Où placer le fichier llms.txt ?
À la racine du site, accessible à l'URL /llms.txt, comme robots.txt ou sitemap.xml ; la spécification permet aussi un sous-chemin, mais la racine est l'usage établi. Le fichier doit répondre en 200, en texte brut markdown encodé en UTF-8, sans redirection exotique ni authentification. Il n'existe aucun mécanisme de soumission : aucun outil ni moteur ne propose de le déclarer quelque part.
Comment créer un fichier llms.txt ?
Créez un fichier texte nommé llms.txt : un titre H1 avec le nom du site (seul élément obligatoire), une citation en bloc résumant le site en une à trois lignes, puis des sections H2 contenant des listes de liens au format nom, URL, deux-points, description factuelle. Sélectionnez cinq à trente pages réellement importantes, placez le secondaire dans une section « Optional », déposez le fichier à la racine, servez-le avec un en-tête noindex et vérifiez qu'il répond en 200.
Quelle différence entre llms.txt et robots.txt ?
Tout les oppose sauf l'emplacement. robots.txt est un standard (RFC 9309) de contrôle d'accès : il dit aux robots ce qu'ils peuvent explorer, et les grands robots déclarent le respecter. llms.txt est une proposition de curation sans aucun pouvoir de blocage : il suggère des contenus, n'interdit rien, et aucun grand robot ne déclare le lire. Croire qu'un llms.txt protège votre contenu des IA est l'erreur la plus dangereuse du sujet : le contrôle d'accès passe par robots.txt et les jetons associés.
Quelle différence entre llms.txt et sitemap.xml ?
Le sitemap est un inventaire exhaustif d'URLs au format XML, standardisé, consommé de façon documentée par les moteurs de recherche pour la découverte. llms.txt est une sélection éditoriale courte au format markdown, avec descriptions, destinée aux modèles de langage, et sans consommateur documenté. Le sitemap dit « voici tout ce qui existe » ; llms.txt dit « voici ce qui compte et pourquoi ». Le premier est utile à coup sûr ; le second, non démontré.
Quelle différence entre llms.txt et llms-full.txt ?
llms.txt est un index : des liens commentés vers les pages importantes. llms-full.txt concatène l'intégralité du contenu dans un seul fichier markdown. Seul le premier figure dans la spécification d'origine ; llms-full.txt est une convention d'écosystème lancée par une plateforme de documentation en novembre 2024. Problème concret : les llms-full.txt réels atteignent des tailles (jusqu'à plusieurs dizaines de Mo, soit des millions de tokens) qui dépassent largement les fenêtres de contexte des modèles.
Faut-il mettre toutes ses pages dans llms.txt ?
Non, c'est le contresens le plus fréquent. La valeur théorique du fichier est sa curation : cinq à trente pages qui répondent aux questions d'évaluation et d'usage, avec des descriptions factuelles. Un llms.txt exhaustif est un mauvais sitemap : il noie l'important, coûte des tokens à son éventuel lecteur, et devient impossible à maintenir. Pour l'inventaire complet, le sitemap existe déjà et il est, lui, réellement consommé.
Peut-on générer automatiquement un llms.txt ?
Oui, des plugins et plateformes le font (certains outils SEO, des hébergeurs de documentation, des plateformes e-commerce), mais avec deux réserves. D'abord, leurs règles de sélection automatique (derniers contenus publiés, par exemple) produisent un flux d'actualités, pas une curation d'évaluation : relisez et corrigez. Ensuite, des générateurs ont déjà exposé des contenus non publiés (produits en brouillon) dans le fichier : auditez systématiquement ce qui y figure.
À quelle fréquence faut-il mettre à jour llms.txt ?
Une revue trimestrielle suffit pour un site stable : vérifier que chaque lien répond en 200, que les descriptions correspondent toujours aux pages, et retirer ce qui a disparu. Ajoutez-y un passage à chaque refonte ou changement d'offre. Un fichier désynchronisé qui contredit le site est pire que pas de fichier : c'est une source d'erreur potentielle pour le rare outil qui le lira, et un signal de négligence pour un humain qui le consulte.
Comment savoir si une IA consulte mon llms.txt ?
Par vos journaux serveur, et par eux seuls : filtrez les requêtes sur /llms.txt et /llms-full.txt, relevez les user-agents, et vérifiez leur authenticité contre les plages d'adresses IP publiées par les éditeurs, car les usurpations sont courantes. Distinguez les requêtes HEAD (vérification d'existence) des GET (récupération). Attendez-vous à y voir surtout des outils d'audit SEO et des bots d'inventaire : c'est le constat de toutes les études publiées. Un afflux soudain de robots d'IA authentifiés serait, lui, un vrai signal de changement.
Le llms.txt empêche-t-il les IA d'entraîner leurs modèles sur mon contenu ?
Non, absolument pas. llms.txt n'a aucun pouvoir de blocage : c'est une liste de suggestions, pas un contrôle d'accès. Pour peser sur l'usage de vos contenus par les IA, les mécanismes réels sont robots.txt et ses jetons dédiés (GPTBot, ClaudeBot, Google-Extended, CCBot), les balises nocache et noarchive de Bing, et les standards de préférences en cours à l'IETF. Confondre les deux, c'est croire son contenu protégé alors que rien n'a changé.
Est-ce utile pour un petit site ou un site vitrine ?
L'utilité démontrée est nulle quel que soit le site : aucun système grand public ne documente la lecture du fichier. Pour un petit site, la seule question est le coût d'opportunité : si dix minutes suffisent et que le site est stable, le créer est une assurance symbolique inoffensive ; si ces dix minutes peuvent aller à une page mieux écrite, une fiche d'établissement à jour ou un avis client sollicité, ces alternatives ont, elles, des effets documentés.
Est-ce utile pour un SaaS ?
Avec une nuance qui compte : si votre SaaS a une documentation publique que des développeurs utilisent avec des agents de code (Cursor, Claude Code et similaires), un llms.txt curé et des pages markdown ont un public réel, étroit mais vérifiable : c'est la priorité moyenne de notre arbre de décision. Sans documentation développeur, le dossier retombe au niveau général : dix minutes en fin de liste, aucun effet à en attendre sur vos citations.
Est-ce utile pour un e-commerce ?
Priorité faible. Aucun système documenté ne lit le fichier, et l'e-commerce dispose de canaux qui ont, eux, des consommateurs réels : les flux marchands (utilisés par les fonctionnalités d'achat des moteurs et assistants), les données structurées produit, les avis. Si votre plateforme génère un llms.txt automatiquement, gardez-le mais auditez-le : des cas d'exposition de produits en brouillon ont été documentés.
Qui a inventé llms.txt et pourquoi ?
Jeremy Howard, cofondateur d'Answer.AI (et créateur de fast.ai), a publié la proposition le 3 septembre 2024. Le problème visé : les fenêtres de contexte des modèles sont trop petites pour des sites entiers, et le HTML converti en texte est bruyant et imprécis. Sa réponse : un index markdown curé à la racine, plus des versions markdown des pages importantes. La proposition vise l'inférence (le moment où un modèle lit le web), pas l'entraînement, et se présente elle-même comme une tentative de standardisation ouverte.
Pourquoi Anthropic et OpenAI publient-ils un llms.txt si personne ne le lit ?
Trois raisons se combinent. D'abord l'effet plateforme : leurs documentations sont hébergées sur des outils qui génèrent le fichier automatiquement depuis fin 2024. Ensuite le coût nul : pour un site de documentation, produire l'index est trivial. Enfin le public réel, même étroit : des développeurs fournissent ces fichiers à leurs agents de code manuellement. Rien dans ces publications n'implique que leurs modèles consomment les llms.txt des autres sites, et aucun des deux ne le déclare nulle part.
Le fichier llms.txt peut-il créer du contenu dupliqué ?
Le llms.txt lui-même, non : c'est un index de liens, pas une copie de contenu. Le risque concerne les versions markdown des pages (et llms-full.txt) : si elles reproduisent le contenu HTML, elles peuvent théoriquement être indexées et concurrencer vos pages. John Mueller a précisé qu'il n'y a duplication qu'à contenu identique, tout en recommandant le noindex sur ces fichiers. La bonne pratique : en-tête X-Robots-Tag noindex sur les .txt et .md, jamais de blocage robots.txt qui empêcherait de voir le noindex.
Existe-t-il un risque à ne PAS avoir de llms.txt ?
Aucun risque documenté. Google déclare que son absence n'a aucun effet, aucun autre système ne documente le lire, et aucune étude n'associe son absence à une visibilité moindre. Les audits qui signalent un llms.txt manquant comme un problème (certains outils l'ont ajouté à leurs vérifications) mesurent la conformité à une convention émergente, pas un impact. Ne créez jamais ce fichier sous la pression d'un score d'audit.
Qu'est-ce qui marche vraiment pour être visible dans les IA, si ce n'est pas llms.txt ?
Les leviers étayés sont connus : un site techniquement lisible (rendu serveur, robots des IA autorisés, erreurs corrigées), des pages qui répondent aux intentions réelles avec des passages extractibles, une documentation publique à jour, des mentions et avis tiers qui corroborent votre existence, et des données ou études originales que les moteurs ont une raison de citer. Chacun de ces leviers a des mécanismes documentés ou des mesures à l'appui, ce que llms.txt n'a pas. Nos guides dédiés les détaillent un par un.
Faut-il déclarer llms.txt dans robots.txt, le sitemap ou la Search Console ?
Non, et aucun mécanisme n'existe pour cela : ni la Search Console, ni les outils pour webmasters de Bing, ni aucun assistant ne proposent de soumettre un llms.txt. Ne le référencez pas dans le sitemap (réservé aux pages destinées à l'indexation, ce que ce fichier n'est précisément pas). L'inclure en commentaire de robots.txt est inutile : les outils qui cherchent le fichier le font à son emplacement conventionnel, la racine.
Une IA peut-elle lire mon llms.txt si je lui donne l'URL ?
Oui, et c'est précisément le seul usage vérifiable en 2026 : coller l'URL d'un llms.txt dans ChatGPT, Claude ou un agent de code déclenche une récupération à la demande, et le fichier markdown se lit très bien. C'est utile pour orienter un assistant vers votre documentation lors d'une session. Mais cet usage est manuel et volontaire : il ne dit rien de ce que les systèmes font spontanément, c'est-à-dire, selon toutes les mesures disponibles, à peu près rien.
llms.txt peut-il devenir un standard un jour ?
C'est possible et cela ne dépend que de l'adoption par les consommateurs : un standard de fait naît quand de grands systèmes annoncent le lire, ce qu'aucun n'a fait en deux ans. Les signaux à surveiller sont précis : une documentation officielle d'OpenAI, Anthropic, Google ou Perplexity mentionnant la lecture du fichier, ou une standardisation formelle (le groupe IETF sur les préférences IA travaille sur un sujet voisin, sans traiter llms.txt). En attendant, les alternatives poussées par les navigateurs, comme WebMCP, avancent sur un autre chemin.
Sources
- llmstxt.org, la spécification llms.txt (Jeremy Howard, publiée le 3 septembre 2024)
- Answer.AI, la proposition d'origine llms.txt (3 septembre 2024)
- AnswerDotAI/llms-txt, dépôt officiel du projet (spécification, outil llms_txt2ctx)
- Google Search Central, guide d'optimisation pour l'IA générative (llms.txt dans la section mythes, màj 10 juillet 2026)
- Chrome for Developers, llms.txt dans Lighthouse (convention émergente pour les agents, màj 5 mai 2026)
- Search Engine Journal, Mueller compare llms.txt à la balise meta keywords (17 avril 2025)
- Search Engine Land, Illyes : le SEO normal suffit, llms.txt ne sera pas utilisé (juillet 2025)
- Search Engine Roundtable, l'épisode du llms.txt apparu puis retiré des docs Google (3 décembre 2025)
- Search Engine Journal, Mueller : purement spéculatif, préférence pour WebMCP (2 juin 2026)
- Search Engine Journal, la position Google sur llms.txt dépend du produit interrogé (20 mai 2026)
- Chrome for Developers, essai public WebMCP dans Chrome (9 juin 2026)
- Ahrefs, étude de consommation : 97 % des llms.txt jamais demandés (137 210 domaines, 15 juin 2026)
- Ahrefs, qu'est-ce que llms.txt et faut-il s'en soucier (Ryan Law, màj 15 juin 2026)
- SE Ranking, llms.txt et visibilité IA : aucune corrélation (7 novembre 2025)
- SE Ranking, facteurs de citation ChatGPT (129 000 domaines, 24 novembre 2025)
- EZY Research, les bots d'IA lisent-ils llms.txt ? (logs de 83 sites, 27 juillet 2026)
- OtterlyAI, l'expérience llms.txt (90 jours de logs, 5 février 2026)
- Dries Buytaert, markdown, llms.txt et crawlers IA (mesure sur site propre, 5 mars 2026)
- WISLR, analyse de logs des bots IA (48 jours, 20 mars 2026, màj 20 juillet 2026)
- Originality.ai, suivi de l'adoption de llms.txt (3 juillet 2026)
- Rankability, adoption de llms.txt dans le top 1 000 (Tranco, juin 2026, màj 6 août 2026)
- Casey Burridge, état de l'adoption de llms.txt via HTTP Archive (20 juin 2026)
- Search Engine Journal, Mueller : un noindex sur llms.txt peut avoir du sens (juillet 2025)
- Mintlify, lancement de llms.txt et llms-full.txt sur les documentations hébergées (20 novembre 2024)
- Cloudflare, un index IA pour tous les clients (génération de llms.txt, 26 septembre 2025)
- OpenAI, documentation officielle des robots (aucune mention de consommation de llms.txt)
- Perplexity, documentation officielle des robots (aucune mention de consommation de llms.txt)
- LangChain, mcpdoc : servir des llms.txt choisis aux agents (l'usage manuel documenté)
Transparence et méthode
Auteur
Loan Feuillerat · Fondateur d'Evocia
Loan Feuillerat dirige Evocia, cabinet français spécialisé dans la mesure et l'amélioration de la visibilité des éditeurs de SaaS B2B dans les réponses des IA. Ce guide a été construit sur les sources primaires vérifiées le 9 août 2026, avec un principe : distinguer, pour chaque affirmation, la publication de la consommation et le fait établi du discours marketing.
Comment cet article a été réalisé
- Toutes les sources primaires (spécification, documentations officielles, études, fichiers llms.txt cités) ont été consultées directement le 9 août 2026 ; les fichiers publiés par Anthropic, OpenAI, Perplexity, Vercel, Stripe, Cloudflare et Zapier ont été vérifiés par requête directe, et les tailles de llms-full.txt mesurées ce jour-là.
- Échelle de preuve appliquée à chaque statut de support : confirmé officiellement, fortement documenté, observé mais non confirmé, aucune preuve suffisante. La distinction entre publier un llms.txt et le consommer est appliquée systématiquement ; les citations anglaises sont traduites et attribuées avec leur date.
- Aucune donnée inventée ; les chiffres circulants non traçables à une source primaire sont explicitement écartés (adoption virale, pseudo-spécifications, prises en charge supposées), et les limites des études citées (panels restreints, corrélations non causales, biais d'échantillon) sont signalées dans le corps de l'article.
Historique des mises à jour
- 9 août 2026Publication initiale : spécification exacte (H1 obligatoire, section Optional, pages .md), statut de standardisation (aucune démarche IETF ou W3C, désinformation écartée), llms-full.txt et tailles mesurées, chaîne d'accès des IA et place théorique du fichier, principe publier contre consommer, statut par système (Google avec chronologie complète et contradiction Chrome, OpenAI, Anthropic, Perplexity, Microsoft, agents de code), matrice de support avec niveaux de preuve, cinq études de journaux serveur, chiffres d'adoption par échantillon, effet SEO et risque de contenu dupliqué (noindex), verdict visibilité IA, comparaison robots.txt sitemap Schema.org, tutoriel de création, exemple complet et trois squelettes par type de site, contenus à inclure et à proscrire, protocole de test Evocia (journaux, panel, canari), arbre de décision, matrice de priorisation des 10 heures, affirmations contre réalité, maintenance, limites et FAQ de 30 questions.
Comment les IA accèdent réellement au web, et où llms.txt pourrait se placer
En bref
Une IA accède à un site par deux voies : l'entraînement, qui fige des connaissances des mois à l'avance, et la récupération en direct, qui interroge un index de recherche au moment de la question. llms.txt ne joue de rôle documenté dans aucune des deux : il pourrait théoriquement servir à l'étape de récupération ou aux agents, mais la présence d'un fichier sur un domaine ne signifie pas qu'un système l'utilise.
Cette chaîne est détaillée, robots par robots, dans comment structurer un site web pour maximiser sa visibilité dans les IA. Ce qu'il faut en retenir ici : chaque étape a ses mécanismes documentés (robots.txt pour l'accès, index de recherche pour la récupération, contrôles d'extraits pour l'affichage), et llms.txt n'apparaît dans la documentation d'aucun de ces mécanismes chez aucun grand opérateur. Un fichier peut être présent, accessible, même téléchargé de temps en temps, sans jamais influencer une réponse : l'accès n'est pas la consommation, et la consommation n'est pas l'impact.