llms.txt : le fichier qui présente votre site aux moteurs génératifs

À quoi ressemble un llms.txt

Le format tient en quelques règles : un titre de niveau 1 avec le nom du site, un paragraphe de résumé en italique ou en citation, puis des sections de niveau 2 contenant des listes de liens Markdown accompagnés d'une description courte.

Une section « Optional » peut regrouper les ressources secondaires, que le système peut ignorer s'il manque de contexte disponible.

Certains sites ajoutent un llms-full.txt contenant le texte intégral des pages de référence, ce qui évite au modèle d'avoir à explorer. C'est pertinent pour une documentation technique, rarement pour un site vitrine.

• Emplacement : https://votredomaine.fr/llms.txt, servi en text/plain ou text/markdown.
• Contenu : uniquement les pages que vous voulez voir citées, avec une description qui explique leur intérêt.
• Ton : descriptif et factuel. Le fichier n'est pas un argumentaire commercial.
• Maintenance : à mettre à jour à chaque évolution significative de l'arborescence.

llms.txt, robots.txt et sitemap.xml : trois rôles distincts

Les trois sont complémentaires et aucun ne remplace les autres. Un site sérieux en GEO les maintient tous les trois, et veille surtout à ce qu'ils ne se contredisent pas — une page mise en avant dans llms.txt mais bloquée dans robots.txt envoie un signal incohérent.

• robots.txt indique ce qu'un robot a le droit d'explorer. C'est une autorisation, lue et respectée par les crawlers sérieux.
• sitemap.xml liste exhaustivement les URL à découvrir, avec leurs métadonnées d'exploration. C'est un inventaire destiné aux moteurs de recherche.
• llms.txt hiérarchise et explique. Ce n'est ni une permission ni un inventaire : c'est une note d'orientation destinée aux systèmes qui doivent comprendre rapidement de quoi traite votre site.

Est-ce que ça marche ?

Aucune documentation officielle de Google, OpenAI ou Anthropic ne confirme à ce jour un traitement particulier de llms.txt dans le classement ou la sélection des sources. Les gains observés sont anecdotiques et difficiles à isoler des autres actions menées simultanément.

Cela ne le rend pas inutile pour autant. Deux bénéfices concrets subsistent. D'abord, la production du fichier oblige à formuler explicitement la proposition de valeur du site et ses pages de référence — un exercice qui améliore souvent l'architecture elle-même. Ensuite, les agents IA en développement rapide, notamment ceux qui parcourent le web pour le compte d'un utilisateur, sont de plus en plus nombreux à consommer ce type de fichier.

Mon conseil : le mettre en place, ne pas en attendre de miracle, et concentrer l'effort sur ce qui pèse réellement — la structure des contenus et la crédibilité de l'entité.

Et le robots.txt pour les IA ?

En parallèle du llms.txt, il faut décider explicitement quels robots d'IA vous accueillez. Les principaux user-agents à connaître sont GPTBot et OAI-SearchBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot (Perplexity), Google-Extended (entraînement Gemini), Bytespider et CCBot (Common Crawl).

Pour une entreprise de services, autoriser l'ensemble est généralement le bon arbitrage : chaque citation vaut une recommandation. Pour un média ou un éditeur dont le contenu est le produit, la décision relève de la stratégie commerciale et parfois de la négociation contractuelle.