llms.txt : mode d’emploi et vraies limites en 2026

Ce qu’un fichier llms.txt fait réellement

Réponse directe : un llms.txt est un résumé texte de votre entreprise, publié à la racine de votre site, écrit pour un assistant IA plutôt que pour un visiteur. Il prend une heure à produire, ne coûte rien à héberger, mais ne garantit aucune citation dans ChatGPT ou Perplexity. Le reste de cet article détaille pourquoi, et ce qui compte davantage à sa place.

Un fichier llms.txt est une page texte au format Markdown, publiée à la racine d’un site (exemple.ch/llms.txt), qui résume l’activité d’une entreprise et pointe vers ses pages les plus importantes. Contrairement à une page web classique, il est pensé pour être lu par un assistant IA plutôt que par un navigateur : pas de mise en page, pas de menu, pas de script, seulement du texte structuré en titres et en listes de liens.

L’idée a été proposée en 2024 par le développeur Jeremy Howard. Le constat de départ est simple : un modèle de langage dispose d’une fenêtre de contexte limitée, et un site web moderne contient trop de bruit (navigation, bannières, scripts) pour qu’un assistant en extraie facilement l’essentiel en une seule requête. Le llms.txt propose un raccourci : un résumé en une phrase, puis une liste organisée des pages qui comptent vraiment.

Pourquoi ce format existe

Trois moteurs de réponse dominent aujourd’hui les questions professionnelles : ChatGPT, Perplexity et les AI Overviews de Google. Chacun envoie des robots différents (GPTBot, PerplexityBot, Google Extended) qui explorent le web de façon plus ciblée et plus rapide qu’un moteur de recherche classique. Un llms.txt bien tenu leur donne, en théorie, une carte directe des pages à privilégier plutôt qu’un site entier à parcourir.

C’est une promesse séduisante pour une PME qui n’a ni le temps ni le budget d’une stratégie de contenu massive : un seul fichier, mis à jour en quelques minutes, censé orienter des robots qui ignorent tout du reste du site. Retenez une définition simple, qui tient seule hors contexte : un llms.txt est un résumé d’entreprise écrit pour une machine plutôt que pour un humain, publié à une adresse fixe, que les assistants IA peuvent consulter avant d’explorer le reste du site.

Le format n’a toutefois jamais été adopté officiellement par un moteur de réponse majeur. OpenAI, Anthropic et Google n’ont publié aucune documentation confirmant qu’ils s’appuient dessus pour orienter leurs robots. Il s’agit d’une convention communautaire, portée par des outils tiers (générateurs, validateurs, CMS) davantage que par les entreprises qui exploitent les modèles.

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

Les trois fichiers se ressemblent (racine du site, format texte) mais répondent à des questions différentes. Les confondre est l’erreur la plus fréquente chez les équipes qui découvrent le sujet.

Un point mérite d’être clarifié tout de suite, car il revient souvent en entretien client : llms.txt ne bloque rien. Pour empêcher un robot d’entraîner un modèle sur vos contenus, c’est robots.txt qu’il faut modifier, avec la directive visant le robot concerné.

Écrire un llms.txt en six étapes

1. Lister les pages qui comptent vraiment. Entre 10 et 30 pages : l’accueil, l’offre, les études de cas, les articles de fond. Pas le mentions légales, pas les pages de tags.
2. Rédiger un résumé d’une phrase. C’est la ligne la plus reprise si un modèle cite le fichier : elle doit tenir seule, hors contexte.
3. Structurer en Markdown. Un titre de niveau 1 avec le nom de l’entreprise, une citation en exergue pour le résumé, puis des sections de niveau 2.
4. Lister les liens au format standard. Un tiret, un lien Markdown, une description courte, sur une seule ligne par page, pour rester facile à analyser par une machine.
5. Publier le fichier à la racine. À l’adresse exacte votredomaine.ch/llms.txt, en URL absolue, jamais dans un sous-dossier.
6. Le tenir à jour à chaque publication. Un fichier qui référence un article supprimé depuis six mois envoie un signal de négligence, pas de sérieux.

Un point technique évite une déconvenue fréquente : le fichier doit rester accessible sans authentification et sans redirection. Un llms.txt servi derrière un mur de cookies, ou redirigé vers une page HTML, n’est tout simplement pas lu.

Vérifier que le fichier est effectivement consulté

Écrire le fichier ne suffit pas à savoir s’il sert à quelque chose. La méthode la plus fiable reste la plus simple : consulter les journaux d’accès du serveur (ou ceux de l’hébergeur, Vercel et Cloudflare les exposent tous les deux) et filtrer les requêtes vers /llms.txt par en-tête User-Agent. Les robots qui s’annoncent honnêtement se identifient clairement : GPTBot, ClaudeBot, PerplexityBot, Google-Extended. Une requête sans en-tête reconnaissable, ou provenant d’une adresse IP résidentielle, est presque toujours un audit humain ou un outil tiers, pas un assistant IA en train de préparer une réponse.

Sur la majorité des sites de PME, ce comptage tient sur une ligne de commande et quelques minutes par mois. C’est un suivi minimal, mais bien plus honnête qu’une simple présomption d’efficacité.

Un exemple réel : le llms.txt de tesseractstudio.ch

Plutôt que de décrire la théorie, voici la pratique. Le llms.txt de ce site tient sur une page : un résumé d’une phrase, trois sections (ce que fait le studio, pourquoi nous, les offres et prix), la liste des réalisations avec des chiffres précis, puis la liste des articles de blog, régénérée automatiquement à chaque publication. Rien de plus. Aucune section décorative, aucun argumentaire commercial étendu : les modèles de langage ne récompensent pas la longueur, ils cherchent la densité factuelle.

La partie blog est générée par le script de build à chaque nouvel article, avec une balise de début et de fin dans le fichier source. C’est un détail technique, mais il illustre le principe central : un llms.txt qui demande une mise à jour manuelle à chaque publication finit par ne plus être mis à jour du tout.

Les erreurs qui rendent un llms.txt inutile

La plus commune consiste à copier le contenu marketing de la page d’accueil, adjectifs compris. Un modèle de langage traite mal les superlatifs ("leader", "meilleur", "innovant") : ils n’apportent aucune information vérifiable. La deuxième erreur est la longueur : un fichier de plusieurs milliers de lignes n’est plus un résumé, il redevient un site à explorer, ce que le format était censé éviter. La troisième est l’abandon : un llms.txt publié une fois puis jamais revu perd toute valeur en quelques mois, à mesure que les pages qu’il liste changent ou disparaissent.

La quatrième erreur, plus discrète, consiste à traiter le llms.txt comme un mécanisme de contrôle d’accès. Ce n’est pas son rôle : un robot qui ignore délibérément les règles (ce qui arrive) n’est freiné ni par llms.txt ni par robots.txt. Les deux fichiers reposent sur la coopération volontaire du robot, pas sur un blocage technique. Pour une restriction réellement contraignante, il faut passer par une règle serveur (pare-feu applicatif, liste d’adresses IP) plutôt que par un fichier texte.

Quand ne pas s’embêter avec un llms.txt

C’est le point que la plupart des guides sur le sujet évitent, et il mérite d’être dit avec des chiffres plutôt que des intuitions. Ahrefs a analysé en mai 2026 les journaux de 137 210 domaines suivis par son outil d’analytics : 97 % des fichiers llms.txt publiés n’ont reçu strictement aucune requête ce mois-là. Sur les quelque 38 000 domaines dotés d’un fichier valide, environ 1 100 seulement ont vu passer un visiteur, humain ou robot. Et parmi les rares requêtes reçues, 77 % ne venaient pas d’un outil IA mais d’audits SEO ou de robots génériques : Slackbot, à lui seul, a sollicité plus de llms.txt que PerplexityBot.

Une étude indépendante d’Otterly.ai, menée sur 90 jours et plus de 62 100 visites de robots IA sur un site test, arrive à la même conclusion : le fichier llms.txt n’a reçu que 84 requêtes, soit trois fois moins qu’une page de contenu moyenne, et aucune corrélation n’a été mesurée entre sa présence et une hausse des citations. Google a d’ailleurs indiqué publiquement ne pas s’appuyer sur ce format.

La conclusion honnête : si produire ce fichier prend une heure et qu’il se met à jour tout seul, le coût d’opportunité est nul et rien n’empêche de le publier, au cas où l’adoption progresse. Mais commander un audit payant ou un projet dédié uniquement pour un llms.txt n’est aujourd’hui pas un investissement défendable. Ce n’est pas là que se joue la visibilité dans les moteurs de réponse.

Le calcul change selon la taille de votre équipe. Si vous avez un développeur capable de générer le fichier à partir du contenu existant, en une heure, vous n’avez aucune raison de vous en priver. Si vous devez faire appel à une agence facturée à la journée pour la même tâche, mieux vaut consacrer ce budget à l’un des six leviers réellement corrélés à des citations mesurables : la structure des pages, les données structurées, ou un contenu qui répond directement à une question sans détour marketing. Le llms.txt est une case à cocher, pas une stratégie.

Ce qui compte davantage pour être cité

Le llms.txt reste une brique parmi d’autres, et une brique mineure. Les leviers qui font réellement une différence mesurable sur la citabilité (structure des pages, densité factuelle, données structurées, rendu côté serveur) sont détaillés dans notre panorama des six leviers de la visibilité dans les moteurs de réponse IA. Pour une PME romande qui veut savoir où elle en est avant d’investir du temps, le Sprint GEO part d’un audit concret plutôt que d’un fichier texte isolé. L’ensemble des articles du studio sur le sujet est regroupé sur le blog.