Site lu par les IA : ce qui le rend citable

Un assistant d’IA qui cite votre site a d’abord dû le lire. Cette étape, la plus simple en apparence, est celle où beaucoup de sites échouent sans le savoir : un robot refusé par une option que personne n’a activée, un texte qui n’apparaît qu’une fois le JavaScript exécuté, une réponse noyée sous trois paragraphes d’introduction. Notre article sur comment être cité par ChatGPT traite du contenu et de la mesure ; celui-ci regarde ce que la construction du site décide. Il complète notre guide de la migration vers un site statique avec Astro.

Trois familles de robots, trois décisions

Chaque éditeur d’IA envoie plusieurs robots, qui ne servent pas à la même chose. OpenAI décrit les siens dans sa documentation sur les robots : GPTBot sert à l’entraînement des modèles, OAI-SearchBot à faire apparaître des sites dans les réponses de recherche de ChatGPT, et ChatGPT-User visite une page quand un utilisateur le demande. Anthropic suit le même découpage dans sa page d’aide avec ClaudeBot, Claude-SearchBot et Claude-User.

Refuser l’entraînement et accepter la recherche est un choix possible, et souvent celui des entreprises qui veulent être citées sans nourrir les modèles. OpenAI précise qu’un site qui refuse OAI-SearchBot n’apparaît pas dans les réponses de recherche de ChatGPT. Pour Google, la règle est plus simple : sa page sur les fonctionnalités d’IA indique qu’une page doit être indexée et pouvoir s’afficher avec un extrait, sans exigence technique supplémentaire.

Le robots.txt servi n’est pas toujours celui du dépôt

La leçon vaut pour tous les sites : un réseau de diffusion, un pare-feu applicatif ou une option « protection contre les robots » agissent avant votre site. On vérifie donc l’adresse de production, pas le fichier qu’on a écrit. Notre article sur ce qu’un proxy comme Cloudflare protège revient sur ces réglages faits en votre nom.

Un texte présent dans le HTML

Un robot lit ce que le serveur lui envoie. Si le texte de la page n’apparaît qu’après l’exécution du JavaScript dans un navigateur, un robot qui n’exécute pas le JavaScript voit une page vide. C’est le cas de la plupart des robots d’IA, selon l’étude publiée par Vercel le 17 décembre 2024 :

L’étude note une exception : Gemini s’appuie sur l’infrastructure de Googlebot, qui exécute le JavaScript. Sa recommandation tient en une phrase : rendre côté serveur tout contenu important. C’est précisément ce que fait un site statique : chaque page est fabriquée à la publication et envoyée complète, titre, texte, listes et liens compris. Le JavaScript reste possible pour ce qui n’est pas du contenu, comme un formulaire ou un compteur.

Le test prend une minute : afficher le code source de la page (et non l’inspecteur du navigateur) et y chercher une phrase du texte. Si elle n’y est pas, les robots qui n’exécutent pas le JavaScript ne la voient pas non plus.

Une page, une question, une réponse en tête

Un assistant cite un passage qui répond, pas une page qui tourne autour du sujet. La structure aide : un titre qui pose la question, une réponse autonome dans les premières lignes, des intertitres qui découpent les sous-questions, des listes quand il y a des étapes ou des critères.

Cette discipline sert d’abord le lecteur pressé. Qu’elle serve aussi les assistants n’est pas un hasard : les deux cherchent la même chose, une réponse claire et vérifiable.

Des faits datés, sourcés et cohérents

Une affirmation sans date ni source est difficile à reprendre pour un assistant comme pour un journaliste. Trois habitudes rendent un texte réutilisable :

• Dater. La date de publication et celle de la dernière mise à jour, visibles sur la page.
• Sourcer. Un chiffre renvoie à sa source, à l’endroit où il apparaît.
• Rester cohérent. Google rappelle que les données structurées doivent correspondre au texte visible de la page, et qu’aucun balisage schema.org particulier n’est requis pour ses fonctionnalités d’IA.

Une adresse stable par sujet

Un assistant qui a lu une page doit pouvoir la retrouver. Une adresse qui change sans redirection perd ce qui avait été lu et cité ; deux pages qui traitent le même sujet se font concurrence. L’étude de Vercel recommande d’ailleurs des adresses propres et un plan du site à jour. Sur un site statique, le plan du site se génère à chaque construction avec les vraies dates de modification, comme sur ce site depuis août 2026, et chaque langue peut avoir sa propre adresse, comme l’explique notre article sur le site multilingue.

1. 01Lire le robots.txt servi

   À l’adresse de production, et décider robot par robot.

2. 02Chercher une phrase du texte

   Dans le code source de trois pages clés.

3. 03Relire les premières lignes

   De ces pages : répondent-elles à la question du titre ?

4. 04Vérifier les dates et les sources

   Visibles sur la page.

5. 05Contrôler le plan du site

   Toutes les pages utiles, aucune adresse redirigée.

Un fichier llms.txt peut venir en plus, une fois la structure stabilisée ; notre article sur llms.txt dit ce qu’on peut en attendre.

Le reste du chantier

La lisibilité par les IA dépend de toute la construction du site. L’outil choisi décide de ce qui est servi en HTML (Astro ou WordPress, Webflow, Framer ou Astro), et la vitesse compte pour les robots comme pour les visiteurs (les Core Web Vitals). Une page vide reste vide pour un assistant, qu’elle vise une ville ou un secteur (quand ces pages aident), et une refonte se prépare page par page (garder, fusionner, supprimer) avec ses redirections 301. L’hébergement (Cloudflare, Netlify ou un VPS, héberger en Europe), le formulaire (sur un site statique) et le budget (combien coûte un site) suivent. Côté rédaction : Markdown ou CMS, Astro et Sanity en headless, modifier son site en le demandant à l’IA et dire qu’un texte a été écrit par une IA. Une page accessible est aussi plus lisible par une machine (l’obligation de 2025), un site sans contenu utile ne génère pas de demandes (les cinq blocs), et un WordPress compromis met en jeu ce que lisent visiteurs et robots (site piraté).

Notre migration vers un site statique avec Astro livre des pages complètes en HTML, à adresses conservées, avec un plan du site généré à chaque publication.

Questions fréquentes

Sources

1. OpenAI, robots d’exploration et agents utilisateurs (nouvel onglet)developers.openai.com
2. Anthropic, centre d’aide : les robots d’Anthropic (nouvel onglet)support.claude.com
3. Google Search Central, fonctionnalités d’IA et votre site (nouvel onglet)developers.google.com
4. Vercel, The rise of the AI crawler, 17 décembre 2024 (nouvel onglet)vercel.com