GEO et llms.txt : optimiser son site pour les LLMs en 2026
GEO, llms.txt, schémas JSON-LD et gestion des bots IA dans robots.txt : la méthode 2026 pour faire citer votre site par ChatGPT, Claude et Perplexity.
L’essentiel : faire citer votre site par les LLMs (ChatGPT, Claude, Perplexity, Gemini) en 2026 demande de cocher quatre priorités :
- Contenu structuré et factuel : réponse directe après chaque H2 interrogatif, définitions explicites, citations sourcées, données chiffrées vérifiables.
- Citations et statistiques : la recherche académique GEO de Princeton montre des gains jusqu’à +40 % de visibilité dans les moteurs génératifs avec l’ajout de citations et de chiffres.
- Fichier llms.txt à la racine : proposition de Jeremy Howard (Answer.AI) lancée en septembre 2024, qui donne aux LLMs une carte Markdown des pages clés du site.
- Schémas JSON-LD propres : BlogPosting, FAQPage, Organization avec sameAs renforcent l’extraction par les moteurs IA et les rich results Google.
Investissement réaliste : quelques heures pour le llms.txt, 2 à 4 jours pour refondre les schémas et la structure éditoriale d’un blog de 50 articles.
Le trafic organique change de visage. ChatGPT, Claude, Perplexity et Google AI Overviews répondent désormais directement aux questions des internautes, en citant un nombre restreint de sources. Le SEO classique ne disparaît pas, mais il ne suffit plus : il faut désormais penser GEO, pour Generative Engine Optimization. Cet article détaille la méthode 2026, du fichier llms.txt aux schémas JSON-LD en passant par la gestion des bots IA dans le robots.txt.
Le GEO prolonge les principes du référencement naturel classique : un site bien optimisé pour Google part avec une longueur d’avance auprès des IA.
Qu’est-ce que le GEO (Generative Engine Optimization) ?
Le GEO désigne l’ensemble des techniques visant à rendre un contenu visible et citable par les moteurs de recherche génératifs basés sur des LLMs (ChatGPT Search, Perplexity, Google AI Overviews, Claude, Gemini). Le terme a été formalisé en novembre 2023 par une équipe académique réunissant Princeton, Georgia Tech, Allen Institute for AI et IIT Delhi, dans le papier « GEO: Generative Engine Optimization » signé Pranjal Aggarwal et ses co-auteurs. Le travail a ensuite été présenté à la conférence ACM SIGKDD 2024.
L’étude introduit un cadre de mesure (GEO-Bench, 10 000 requêtes sur neuf datasets) et compare plusieurs stratégies d’écriture. Conclusion : ajouter des citations, des statistiques et des sources améliore la visibilité dans les réponses générées jusqu’à +40 % sur la métrique « Position-Adjusted Word Count » et +28 % sur l’impression subjective de citation. Ce sont les chiffres de référence de toute la littérature GEO depuis.
Le GEO repose donc sur trois leviers : structure éditoriale (réponse directe, H2 questions, listes), fiabilité signalée (citations, sources primaires, chiffres) et accessibilité technique (schémas JSON-LD, llms.txt, gestion des bots).
En quoi le GEO diffère-t-il du SEO classique ?
Le SEO classique optimise pour un classement dans une liste de dix liens bleus. Le GEO optimise pour être cité dans une réponse synthétique de quelques phrases. La différence d’objectif change toute la mécanique.
Trois écarts majeurs :
| Critère | SEO classique | GEO |
|---|---|---|
| Objectif | Position dans les SERP | Citation dans une réponse générée |
| Format de sortie | Liste de liens | Paragraphe synthétique avec sources |
| Signal clé | Backlinks, autorité de domaine | Densité d’informations vérifiables |
| Outil principal | Google Search Console | Otterly, Profound, AthenaHQ |
| Métrique | Positions, CTR | Part de citations, mentions de marque |
Surtout, une étude 5W publiée en mai 2026 et synthétisant plus de 680 millions de citations IA montre que seulement 12 % des citations IA recoupent le top 10 Google. Un site peut donc être 1er sur Google et invisible dans ChatGPT, et inversement. Cette « invisibility gap » justifie un travail GEO dédié, complémentaire mais distinct du SEO classique. Pour la couche moteurs (Google AIO, Perplexity, Bing Copilot), notre guide AI Search Optimization détaille les facteurs de ranking par plateforme.
Le GEO ne remplace pas le SEO. La majorité du trafic passe encore par Google. Pour bâtir des fondations solides, le guide complet de la création de site WordPress optimisé SEO reste la base, sur laquelle on greffe les optimisations GEO.
Le fichier llms.txt : proposition initiée par Jeremy Howard en septembre 2024
Le fichier /llms.txt est un fichier Markdown placé à la racine d’un site, qui résume son contenu à destination des LLMs. La proposition a été publiée le 3 septembre 2024 par Jeremy Howard sur le blog Answer.AI, avec la spécification officielle hébergée sur llmstxt.org.
Le problème de départ : les fenêtres de contexte des LLMs sont limitées, et le HTML brut d’un site (navigation, JavaScript, publicités) pollue l’extraction du contenu utile. Le llms.txt fournit une version Markdown pré-structurée des pages clés.
Syntaxe officielle
Le format est strict mais minimal. Un seul élément est obligatoire : un H1 avec le nom du site. Le reste suit un ordre fixe.
# Nom du site
> Description courte en une ou deux phrases sous forme de citation.
Bloc optionnel d'informations complémentaires sur le projet.
## Section principale
- [Titre de la page](https://exemple.fr/page) : description courte.
- [Autre page](https://exemple.fr/autre) : description courte.
## Optional
- [Page secondaire](https://exemple.fr/secondaire) : description courte.La section ## Optional a un rôle spécial : les pages qui y figurent peuvent être ignorées si le LLM manque de contexte. C’est utile pour hiérarchiser ce qui est essentiel et ce qui est secondaire.
Variante llms-full.txt et adoption 2026
Jeremy Howard propose en parallèle un fichier /llms-full.txt contenant le contenu Markdown complet des pages clés, pas seulement les liens. Et pour chaque page individuelle, une version .md accessible à l’URL canonique avec .md ajouté.
Côté adoption, Anthropic, Stripe, Cursor, Cloudflare, Vercel, Mintlify, Supabase et LangGraph utilisent déjà un llms.txt. Selon les estimations de la presse spécialisée, environ 10 % des sites web auraient adopté le format à mi-2026. Aucun standard W3C ne ratifie encore la proposition. Le coût d’implémentation reste faible et plusieurs plugins WordPress génèrent désormais le fichier automatiquement. Pour héberger ce fichier dans de bonnes conditions, notre guide hébergement WordPress 2026 compare les offres adaptées à un blog éditorial.
Le llms.txt ne pèse pas sur le classement Google
Il faut lever une confusion fréquente : le llms.txt n’améliore ni ne dégrade votre référencement Google. En 2026, John Mueller (Google) a confirmé à plusieurs reprises que le moteur ne crawle pas le fichier et qu’il ne l’utilise pas comme signal de classement. Google précise que pour ressortir dans les AI Overviews et le mode IA de Google, c’est le SEO classique qui compte, pas un llms.txt (voir la synthèse de Search Engine Roundtable et l’analyse de Search Engine Land).
La bonne façon de voir les choses : le llms.txt reste utile pour les agents et outils qui le lisent (assistants de documentation, certains moteurs de réponse), mais ce n’est pas un levier SEO. Ne le présentez jamais comme une astuce pour « monter sur Google ».
llms.txt vs robots.txt : différences et complémentarité
Les deux fichiers cohabitent à la racine du site, mais leurs rôles sont opposés. Le robots.txt est un fichier d’autorisation, qui dit aux crawlers ce qu’ils peuvent récupérer. Le llms.txt est un fichier de curation, qui dit aux agents IA ce qui mérite d’être lu en priorité.
| Critère | robots.txt | llms.txt |
|---|---|---|
| Année de création | 1994 (protocole REP) | Septembre 2024 (proposition) |
| Format | Plain text avec directives | Markdown structuré |
| Public | Crawlers (Googlebot, GPTBot) | Agents et LLMs à l’inférence |
| Rôle | Exclusion / accès | Curation / hiérarchisation |
| Standard | RFC 9309 (2022) | Aucun, proposition communautaire |
| Compliance | Variable selon le bot | Volontaire |
Les deux fichiers sont complémentaires : robots.txt filtre qui entre, llms.txt oriente ce qui est lu. Un site bien équipé en 2026 dispose des deux, en plus du sitemap.xml classique pour les moteurs traditionnels.
Quelles balises et quels schémas privilégier pour les LLMs ?
Les schémas JSON-LD restent un signal puissant pour les LLMs, parce qu’ils fournissent une représentation structurée et non ambiguë du contenu. Quatre types couvrent 90 % des besoins éditoriaux.
BlogPosting pour les articles
Sur tout article éditorial, un schéma BlogPosting propre doit comporter headline, description, image, author (avec url), datePublished et dateModified au format ISO 8601 complet, publisher.logo, mainEntityOfPage. Le format ISO 8601 complet 2026-05-29T08:00:00Z est exigé : une date 2026-05-29 seule déclenche l’avertissement « Il manque le fuseau horaire » dans Google Search Console.
FAQPage pour les FAQ
Dès qu’un article contient une FAQ, un bloc FAQPage doit être ajouté en JSON-LD à la fin du contenu, avec un tableau mainEntity listant chaque Question et son acceptedAnswer. C’est obligatoire si la FAQ est codée en HTML custom (par exemple
Organization avec sameAs
Au niveau du site, un schéma Organization (ou LocalBusiness pour une activité locale) listant les profils sociaux dans sameAs aide les LLMs à recouper l’entité. C’est particulièrement utile pour les marques jeunes qui n’ont pas encore d’entrée Wikipedia.
Structure HTML qui parle aux LLMs
Au-delà des schémas, la structure éditoriale compte autant. Cinq règles éprouvées :
- H1 unique avec mot-clé principal en début.
- H2 sous forme de questions naturelles.
- Réponse directe en une phrase juste après chaque H2 interrogatif.
- Définitions explicites « X est… » à la première occurrence d’un terme technique.
- Listes à puces et tableaux dès qu’une comparaison ou une énumération s’y prête.
C’est exactement la discipline qui transforme un article SEO classique en contenu citable par un LLM. Cette logique s’intègre dans les tendances web design 2026 qui valorisent les contenus structurés et la performance.
Comment structurer son contenu pour être cité par les LLMs ?
La recherche académique de Princeton et les retours d’expérience des outils GEO convergent sur trois leviers d’écriture : citations, statistiques, structure. Voici la méthode pratique.
Réponse directe en tête de bloc
Après chaque H2 interrogatif, la première phrase doit répondre directement à la question. Pas de mise en bouche. Pas d’effet de manche. C’est exactement la structure que ChatGPT et Perplexity extraient pour leurs synthèses.
Citations sourcées et statistiques vérifiables
L’étude Princeton mesure un gain de +30 à +40 % de visibilité en moteur génératif avec l’ajout de citations directes et de statistiques chiffrées. La même logique vaut pour le contenu éditorial : un chiffre sans source est ignoré, un chiffre avec source primaire est repris.
Trois bonnes pratiques :
- Lier chaque chiffre vers sa source primaire (CNIL, INSEE, Eurostat, MDN Web Docs, W3C).
- Préférer les chiffres précis aux approximations (« 67,3 % » plutôt que « environ deux tiers »).
- Dater les données systématiquement (« selon X publié en mars 2026 »).
Densité d’informations et clarté lexicale
Les LLMs récompensent les contenus denses en faits vérifiables et pénalisent le remplissage. Concrètement, un article de 1 500 mots avec 8 chiffres sourcés et 5 citations gagne face à un article de 3 000 mots vague et général. Notre guide des 10 astuces pour un site internet réussi rappelle ces principes éditoriaux côté humain.
Anti-patterns à éviter
- Réponses noyées en fin de paragraphe.
- Affirmations sans source.
- Vocabulaire promotionnel non vérifiable.
- Citations approximatives reformulées sans guillemets.
Outils de monitoring GEO : Otterly, Profound, AthenaHQ
Mesurer sa visibilité dans les LLMs est un nouveau métier. Trois plateformes dominent le marché en 2026, avec des positionnements distincts.
| Outil | Spécialité | Tarif d’entrée |
|---|---|---|
| Otterly.AI | Monitoring visibilité, citations, sentiment sur ChatGPT, Perplexity, Google AI Overviews | À partir de 29 $/mois |
| AthenaHQ | Plateforme AEO/GEO complète avec Action Center, fondée par d’anciens de Google Search et DeepMind | 79 à 299 $/mois |
| Profound | Command center de visibilité intelligente, attribution revenue, comparatif concurrentiel | 400 à 500 $/mois et plus |
Otterly est le bon point d’entrée pour une PME ou un freelance. AthenaHQ et Profound ciblent les équipes marketing avec un budget mensuel et un besoin d’orchestrer des actions correctives. Pour démarrer, un audit manuel mensuel sur 10 requêtes types reste largement suffisant.
Bloquer ou autoriser les bots IA : choix stratégique
Le choix d’autoriser ou de bloquer les bots IA via robots.txt est devenu un sujet stratégique. Bloquer trop large ferme la porte aux citations dans les moteurs IA. Autoriser tout expose à un scraping massif pour entraîner des modèles concurrents.
Cartographie 2026 des bots IA
| Éditeur | Bot training | Bot search/RAG |
|---|---|---|
| OpenAI | GPTBot | OAI-SearchBot, ChatGPT-User |
| Anthropic | ClaudeBot | Claude-SearchBot, Claude-User |
| Perplexity | PerplexityBot | Perplexity-User |
| Google-Extended | Googlebot (AI Overviews) | |
| Common Crawl | CCBot | n/a |
La distinction compte. Le bot training (GPTBot, ClaudeBot, Google-Extended) collecte du contenu pour entraîner les modèles. Le bot search/RAG (OAI-SearchBot, Claude-SearchBot, PerplexityBot) récupère du contenu à la demande, quand un utilisateur pose une question, et c’est ce passage qui produit les citations dans la réponse.
Stratégie recommandée
La position majoritaire en 2026 consiste à bloquer les bots d’entraînement et à autoriser les bots de search. Exemple de robots.txt :
# Bots d'entraînement bloqués
User-agent: GPTBot
Disallow: /
User-agent: ClaudeBot
Disallow: /
User-agent: Google-Extended
Disallow: /
User-agent: CCBot
Disallow: /
# Bots de search/RAG autorisés (source des citations)
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: Claude-SearchBot
Allow: /
User-agent: PerplexityBot
Allow: /Cette configuration préserve votre contenu de l’entraînement non rémunéré tout en restant éligible aux citations en temps réel. Attention : Cloudflare a documenté en août 2025 des crawlers non déclarés côté Perplexity, qui limitent l’efficacité réelle du blocage. La solution radicale passe par un filtrage côté serveur (WAF Cloudflare, plugin WordPress de protection).
Le piège de tout bloquer
Bloquer l’intégralité des bots IA, c’est sortir du jeu des citations futures. Si votre business model dépend du trafic organique, la perte potentielle d’audience IA en 2027-2028 dépasse souvent le risque d’entraînement perçu. À arbitrer selon votre secteur et votre stratégie de marque.
Cas pratiques : faire citer un article par Perplexity
Hypothèse de travail : vous publiez un article sur la création de site WordPress et vous voulez qu’il sorte quand quelqu’un demande à Perplexity « quel CMS choisir pour un site vitrine en 2026 ? ». Voici la recette en cinq étapes.
- Audit de la requête cible : tapez la question dans Perplexity, lisez les sources citées, notez les domaines récurrents (Reddit, Wikipedia, blogs spécialisés). C’est votre benchmark.
- Structure éditoriale : reformulez le H1 en question naturelle, ajoutez une réponse directe en 30 mots juste après, insérez 3 à 5 statistiques chiffrées sourcées.
- Signaux d’autorité : ajoutez 2 à 3 citations textuelles d’experts ou d’études (avec guillemets et lien vers la source primaire) et obtenez 2 à 3 backlinks externes depuis des médias spécialisés.
- Exposition technique : ajoutez l’URL au
llms.txt, vérifiez quePerplexityBotest autorisé, validez le schémaBlogPosting + FAQPageavec le Rich Results Test de Google. - Monitoring : re-testez la requête chaque semaine pendant un mois. Si vous n’apparaissez pas après 4 à 6 semaines, le problème est habituellement la densité d’informations vérifiables, pas la technique.
Cette boucle est exactement le travail que mène une refonte de site internet orientée GEO et SEO.
Mettre en place le GEO sur un WordPress existant
Pour un site WordPress déjà publié, un chantier GEO de 2 à 4 jours suffit à poser les bases. Plan d’action en six étapes :
- Audit éditorial : repérer les 20 articles à plus fort potentiel, vérifier la réponse directe sous chaque H2.
- Schémas JSON-LD : valider
BlogPosting, ajouterFAQPagepartout où une FAQ existe, contrôler le format ISO 8601 complet sur les dates. - llms.txt : créer manuellement le fichier à la racine, ou via un plugin WordPress dédié.
- robots.txt : appliquer la matrice training bloqué / search autorisé décrite plus haut.
- Citations et chiffres : enrichir chaque article phare avec 3 à 5 statistiques sourcées et 2 à 3 citations directes.
- Monitoring : abonnement Otterly ou test manuel mensuel sur 10 requêtes cibles.
La performance technique reste un prérequis : un site lent ou non-conforme aux Core Web Vitals 2026 (LCP, CLS, INP) sera moins crawlé par les bots de search/RAG.
Le SEO local reste indispensable. Un commerce ou un cabinet libéral capte encore l’essentiel de son trafic via Google et les requêtes géolocalisées, comme détaillé dans notre guide SEO local. Le GEO vient en complément, sur les requêtes informationnelles et comparatives.
Questions fréquentes
llms.txt est-il un standard officiel ?
Non, pas encore. La proposition a été publiée le 3 septembre 2024 par Jeremy Howard (Answer.AI), avec la spécification hébergée sur llmstxt.org. Aucune ratification W3C ou IETF n’existe à ce jour. L’adoption reste volontaire et communautaire, avec environ 10 % des sites équipés en mai 2026 (Anthropic, Stripe, Cursor, Cloudflare, Vercel, Mintlify, Supabase, LangGraph notamment). Le coût d’implémentation est faible : autant le mettre en place.
Faut-il bloquer GPTBot pour protéger son contenu ?
Cela dépend de votre modèle économique. Bloquer GPTBot (training OpenAI) protège du scraping d’entraînement mais n’empêche pas l’apparition dans ChatGPT Search, qui passe par OAI-SearchBot et ChatGPT-User. La stratégie majoritaire en 2026 consiste à bloquer les bots training (GPTBot, ClaudeBot, Google-Extended, CCBot) et à autoriser les bots search/RAG (OAI-SearchBot, Claude-SearchBot, PerplexityBot, ChatGPT-User) pour rester éligible aux citations en temps réel.
Comment savoir si Perplexity cite mon site ?
Le moyen le plus simple est de poser manuellement vos requêtes cibles dans Perplexity et de lire les sources citées en bas de réponse. Pour automatiser, des outils comme Otterly (à partir de 29 $/mois), AthenaHQ ou Profound suivent vos mentions sur ChatGPT, Perplexity, Claude, Gemini et Google AI Overviews, avec des rapports hebdomadaires de part de citation.
GEO vs SEO : faut-il choisir ?
Non. Le SEO classique reste indispensable, parce que Google traite encore la majorité des requêtes. Le GEO est complémentaire, parce que seulement 12 % des citations IA recoupent le top 10 Google (étude 5W de mai 2026). Un site sérieux travaille les deux : SEO pour les requêtes transactionnelles et locales, GEO pour les requêtes informationnelles et comparatives où les LLMs dominent la conversion.
Mon WordPress doit-il avoir un llms.txt ?
C’est recommandé en 2026, surtout pour un blog ou un site éditorial avec plus de 20 pages. Le fichier prend une heure à créer manuellement et oriente les LLMs vers vos pages stratégiques. Plusieurs plugins WordPress génèrent désormais le fichier automatiquement. Pour un site vitrine avec 5 pages, l’intérêt est plus limité mais le coût d’implémentation reste très faible.
Les schémas JSON-LD aident-ils vraiment les LLMs ?
Oui. Les schémas JSON-LD fournissent une représentation structurée et non ambiguë du contenu, que les LLMs et leurs crawlers extraient plus facilement que le HTML brut. BlogPosting avec author.url et dates ISO 8601 complètes, FAQPage pour les questions, Organization avec sameAs pour l’entité de marque : c’est la base. Ils alimentent en parallèle les rich results Google et restent un investissement SEO classique rentable.
Conclusion
Le GEO n’est pas un substitut au SEO, c’est une couche complémentaire qui répond à un nouveau canal d’acquisition. La méthode tient en quatre gestes : structurer chaque article avec une réponse directe et des citations vérifiables, ajouter un llms.txt à la racine, valider les schémas JSON-LD, et arbitrer finement les bots IA dans le robots.txt. Cumulé, l’investissement reste modeste, mais il prépare le site aux requêtes IA des prochaines années.
Pour auditer votre site sous l’angle GEO ou cadrer une refonte qui intègre nativement ces signaux, Wasabi Web Design accompagne PME, indépendants et éditeurs sur ce travail.