llms.txt et données structurées : préparer son site pour les IA
Données structurées établies, llms.txt émergent : le cadre pour décider
Deux choses sont établies, une est émergente : les données structurées schema.org aident les moteurs classiques, alors que le llms.txt comme signal lu par les grands moteurs IA reste non confirmé. Pour décider correctement, il faut séparer ce qui est établi de ce qui est émergent ou incertain.
- Établi : les données structurées schema.org aident les moteurs à comprendre une page et à l'éligibiliser aux résultats enrichis (rich results) de la recherche classique. Un site crawlable et indexable est la base.
- Émergent ou incertain : le llms.txt comme signal lu par les grands moteurs IA, et tout lien causal prouvé entre schema.org et le fait d'être cité par une IA.
Aucun éditeur de site ne peut garantir une citation par ChatGPT, Perplexity ou les AI Overviews de Google. Ce qui suit décrit des bonnes pratiques à faible coût, sans promesse de résultat.
llms.txt, c'est quoi
Le llms.txt est une convention proposée par Jeremy Howard (co-fondateur d'Answer.AI) le 3 septembre 2024. C'est un fichier Markdown placé à la racine du site, à l'adresse /llms.txt, qui liste les pages clés et leur description pour aider un grand modèle de langage à construire un bon contexte à partir du site. Une variante llms-full.txt regroupe le contenu plus complet.
L'idée est sensée sur le papier : un site web est souvent lourd en navigation, scripts et publicités, alors qu'un LLM gagnerait à recevoir une version condensée et propre du contenu utile. Le format est volontairement simple : un titre, un résumé, puis des listes de liens commentés.
Statut d'adoption réel
C'est ici qu'il faut être honnête. L'adoption du llms.txt par les grands moteurs IA est très limitée et non confirmée.
- Google déclare explicitement ne pas l'utiliser. John Mueller le compare au keywords meta tag : un signal auto-déclaré, donc manipulable, du type que les moteurs ont fini par abandonner. Il note même que les logs serveur montrent que les robots Google ne vérifient pas la présence du fichier.
- Les robots IA ne le lisent quasiment jamais. Une étude d'Ahrefs portant sur 137 000 sites rapporte qu'environ 97 % des fichiers llms.txt ne sont jamais lus.
- Aucune confirmation officielle côté OpenAI, Anthropic ou Perplexity d'un usage du llms.txt comme signal dans leurs surfaces de réponse. Publier un llms.txt (ce que font des éditeurs comme Anthropic, Stripe ou Mintlify pour leur documentation) n'équivaut pas à un moteur qui le lit comme signal de classement ou de citation.
Conclusion : le llms.txt est aujourd'hui utile au mieux pour des agents internes, des outils de documentation ou des intégrations sur mesure qui choisissent de le consommer. Ce n'est pas un levier prouvé de SEO ni de citation par les IA.
Faut-il ajouter un llms.txt ?
Réponse courte : vous pouvez, sans en attendre de gain mesurable côté moteurs IA. Le calcul est simple.
- Coût : faible. C'est un fichier texte statique à maintenir.
- Bénéfice : incertain. Aucun grand moteur IA n'a confirmé l'exploiter ; les études de logs montrent un usage négligeable.
Si vous l'ajoutez, faites-le pour de bonnes raisons : faciliter le travail d'agents ou d'outils qui choisissent de le lire, ou documenter proprement votre arborescence. Ne le présentez jamais en interne comme une garantie d'être cité par une IA, ce serait faux. Concrètement : créez un fichier llms.txt à la racine, avec un titre, un résumé en une ligne, puis des sections de liens vers vos pages importantes avec une courte description chacune. Gardez-le à jour quand votre site évolue, sinon il dérive et perd tout intérêt.
Les données structurées (schema.org), le levier solide
Les données structurées sont un balisage normalisé, le plus souvent en JSON-LD suivant le vocabulaire schema.org, qui décrit explicitement ce qu'est une page : un article, une organisation, une question-réponse, un fil d'Ariane, etc. Contrairement au llms.txt, leur rôle est établi.
Ce qu'elles apportent (et ce qu'elles n'apportent pas)
- Compréhension du contenu : elles lèvent l'ambiguïté sur la nature et la structure de la page.
- Résultats enrichis : elles conditionnent l'éligibilité aux rich results de la recherche classique (étoiles d'avis, FAQ, fil d'Ariane, etc.).
- Pas une martingale IA : Google précise qu'aucune donnée structurée schema.org spéciale n'est requise pour apparaître dans les AI Overviews ou l'AI Mode, et qu'il n'y a pas de fichier machine-readable à créer pour cela. Le lien causal entre schema.org et le fait d'être cité par une IA n'est pas démontré. Méfiez-vous des chiffres du type sites avec schema cités 3,2x plus souvent : ils circulent sans source primaire vérifiable.
Types utiles selon le type de page
| Type de page | Schema recommandé |
|---|---|
| Article, guide, billet | Article |
| Page de questions-réponses | FAQPage (avec Question et Answer) |
| Identité de l'entité | Organization ou Person |
| Navigation | BreadcrumbList |
| Page d'accueil, site | WebSite, WebPage |
| Offre de service | Service, ProfessionalService |
Pourquoi le schema reste le bon investissement : les AI Overviews de Google sont ancrées dans l'index de recherche. La documentation officielle indique qu'une page doit être indexée et éligible à apparaître dans Google Search avec un snippet pour pouvoir figurer comme lien support dans les AI Overviews ou l'AI Mode. Autrement dit, soigner sa présence dans la recherche classique (où schema.org joue un rôle réel) reste cohérent avec une présence dans les surfaces IA, même si la sélection ne reprend pas l'ordre exact du classement web.
Six étapes : du JSON-LD schema.org au llms.txt optionnel
En six étapes, du plus utile au plus optionnel : cartographier les pages, ajouter le JSON-LD schema.org adapté, valider, rendre crawlable, ajouter un llms.txt optionnel, puis maintenir.
- Cartographier vos pages et entités. Listez vos types de pages (accueil, guides, FAQ, services) et l'entité qui publie (votre organisation ou vous-même). C'est la base du balisage et, accessoirement, d'un éventuel llms.txt.
- Ajouter le JSON-LD schema.org adapté par type de page. Insérez un bloc
application/ld+jsonpar page :Articlesur les guides,FAQPagesur les pages de questions-réponses,OrganizationouPersonpour l'entité,BreadcrumbListpour la navigation. Renseignez des valeurs exactes et cohérentes avec le contenu visible. - Valider le balisage. Passez chaque type de page dans un outil de test des résultats enrichis et le validateur schema.org pour corriger les erreurs et avertissements avant mise en ligne.
- Rendre le site crawlable et indexable. Vérifiez le
robots.txt, la présence d'unsitemap.xml, l'indexation effective et la qualité des snippets. C'est ce socle, plus que tout fichier dédié aux IA, qui conditionne l'éligibilité aux surfaces de recherche et IA. - (Optionnel, faible coût) Ajouter un llms.txt. Si vous le souhaitez, publiez un
/llms.txtlistant vos pages clés. Faites-le sans en attendre de gain côté moteurs IA, en gardant à l'esprit son adoption limitée. - Vérifier et maintenir. Le balisage doit rester synchronisé avec le contenu : une donnée structurée qui ment au sujet de la page est contre-productive. Reprenez la validation après chaque refonte.
Pour aller plus loin sur la logique de fond, voir SEO, IA et GEO et être cité par ChatGPT et Perplexity.
Exemple concret : ce site
Going for Growth applique ces recommandations sur goingforgrowth.net : balisage schema.org (Article, FAQPage, BreadcrumbList, Person sur les guides ; WebSite, WebPage, Organization sur l'accueil) et fichier /llms.txt publié, mais traité pour ce qu'il est : une convention à faible coût. Ce qui permet d'en parler par la pratique plutôt qu'en théorie.
- Données structurées : la page d'accueil utilise notamment
WebSite,WebPage,Organization(viaProfessionalService),PersonetFAQPage; les guides portentArticle,BreadcrumbList,FAQPageetPerson. Le balisage décrit fidèlement le contenu visible, sans gonfler. - llms.txt : un fichier
/llms.txtest publié, listant les services, des preuves et le contact. Il est traité ici pour ce qu'il est : une convention à faible coût, pas un levier de citation prouvé.
Going for Growth est porté par Fabien Cavanna, opérateur unique. La mise en place de données structurées et la maintenance d'un site crawlable font partie d'un travail d'automatisation et d'acquisition organique où l'on distingue toujours ce qui est mesurable de ce qui relève de l'hypothèse.