Le guide ultime de l'optimisation technique pour la recherche par l'IA

1. Synthèse

L'optimisation pour la recherche par l'IA ne remplace pas le SEO technique. Elle l'étend aux systèmes qui explorent, récupèrent, découpent, vectorisent, classent, raisonnent, résument et citent.

Les preuves actuelles les plus solides fournies par Google, OpenAI, Anthropic, Perplexity, Apple, Bing et Common Crawl, ainsi que par la documentation des systèmes de recherche d'information en entreprise et les travaux sur la RAG, conduisent à une conclusion pratique :

Les sites les plus susceptibles d'être performants dans la recherche par l'IA sont ceux dont le contenu peut être consulté, extrait, canonisé, découpé, compris, actualisé, vérifié et cité de manière fiable.

Les priorités ne sont donc ni des balises magiques pour l'IA ni des fermes de contenu ciblant des prompts. Elles consistent à :

1. Permettre aux bons robots d'accéder au bon contenu.
2. Garder le contenu essentiel disponible dans le HTML initial.
3. Utiliser des URL canoniques et indexables, correctement couvertes par les sitemaps.
4. Structurer les pages afin qu'elles se découpent proprement en passages probants et utiles.
5. Rendre visibles les faits, les dates, les prix, les entités et les relations.
6. Conforter le contenu visible à l'aide de JSON-LD exact.
7. Maintenir des signaux de fraîcheur sincères et précis.
8. Distinguer la politique applicable aux robots d'entraînement de celle des robots de recherche par l'IA.
9. Mesurer l'activité des robots côté serveur, le trafic référent et la visibilité dans les prompts.
10. Considérer robots.txt comme un moyen de signaler une politique, non comme une mesure de sécurité.

Google affirme actuellement qu'il n'existe aucune exigence technique supplémentaire pour apparaître dans AI Overviews ou AI Mode, au-delà des critères d'éligibilité standards de la recherche Google. La couche de récupération change toutefois la façon dont les pages sont utilisées. La recherche traditionnelle demande : « Cette page doit-elle être classée ? » La recherche par l'IA demande aussi : « Ce passage peut-il étayer une réponse fiable ? »

C'est là le changement essentiel.

2. Définition de l'optimisation pour la recherche par l'IA

L'optimisation pour la recherche par l'IA consiste à améliorer un site afin que les systèmes de récupération d'informations par l'IA puissent :

• découvrir les bonnes URL ;
• les récupérer sans obstacle ;
• extraire le contenu principal ;
• comprendre les entités et leurs relations ;
• découper le contenu en passages utiles ;
• récupérer ces passages pour les requêtes pertinentes ;
• faire suffisamment confiance aux faits pour les utiliser ;
• citer la source ou fournir un lien vers celle-ci lorsque c'est approprié ;
• maintenir les réponses à jour lorsque le contenu change.

Elle englobe le SEO classique, tout en accordant davantage d'importance à l'extraction automatisée, à la clarté factuelle, à la structure sémantique, à la fraîcheur et à la gouvernance des robots.

Ce qu'elle n'est pas

L'optimisation pour la recherche par l'IA ne consiste pas à :

• bourrer les pages de mots-clés ;
• créer des milliers de pages superficielles ciblant des prompts ;
• ajouter des affirmations non étayées telles que « meilleur » ou « numéro un » ;
• se fier uniquement à llms.txt ;
• supposer que tous les robots d'IA exécutent JavaScript ;
• supposer que les outils d'analyse capturent toute l'activité de l'IA ;
• bloquer tous les robots d'IA tout en espérant être visible dans la recherche par l'IA ;
• autoriser tous les robots d'IA sans tenir compte de l'entraînement, des licences et de la charge.

3. Le pipeline de recherche par l'IA

Les systèmes de recherche par l'IA diffèrent selon les fournisseurs, mais la plupart suivent un pipeline similaire.

flowchart TD
    A[User prompt or query] --> B[Query understanding]
    B --> C[Query fan-out and sub-queries]
    C --> D[Discovery through search indexes, sitemaps, links, feeds and direct fetches]
    D --> E[HTTP fetch]
    E --> F[Canonicalisation and duplicate clustering]
    F --> G[Content extraction]
    G --> H[Chunking into passages]
    H --> I[Lexical, semantic and metadata representation]
    I --> J[Hybrid retrieval]
    J --> K[Re-ranking, freshness checks, policy checks and trust assessment]
    K --> L[Answer synthesis]
    L --> M[Citations, links, summaries or actions]

L'essentiel est que les systèmes d'IA ne traitent pas uniquement des pages complètes. Ils travaillent souvent avec des passages, des entités, des attributs, des dates, des extraits, des médias, des champs de données structurées et des métadonnées.

Une page performante pour la recherche par l'IA n'est donc pas simplement une page capable d'être classée. C'est une page qui peut servir de preuve.

4. Faits documentés et déductions raisonnables

Une grande partie du débat public sur la recherche par l'IA mélange documentation officielle, expériences, affirmations de fournisseurs et spéculations. Il convient de bien les distinguer.

Solidement documenté

Les éléments suivants sont bien étayés par la documentation publique des fournisseurs :

• Google AI Overviews et AI Mode appliquent les critères d'éligibilité habituels de la recherche Google. Une page doit être indexée et admissible à un extrait pour apparaître comme lien d'appui.
• Google affirme qu'aucun fichier d'IA supplémentaire ni aucune donnée structurée spéciale ne sont requis pour les fonctionnalités d'IA dans la recherche.
• Google AI Overviews et AI Mode peuvent répartir une requête en lançant des recherches connexes sur différents sous-thèmes et sources de données.
• OpenAI distingue OAI-SearchBot pour la recherche ChatGPT, GPTBot pour l'entraînement et ChatGPT-User pour les actions déclenchées par l'utilisateur.
• Anthropic distingue ClaudeBot pour l'entraînement, Claude-SearchBot pour la qualité de la recherche et Claude-User pour la récupération initiée par l'utilisateur.
• Perplexity distingue PerplexityBot pour les résultats de recherche de Perplexity-User pour les récupérations demandées par l'utilisateur.
• Applebot alimente les expériences de recherche d'Apple, tandis qu'Applebot-Extended permet de contrôler si le contenu exploré par Applebot peut servir à entraîner les modèles de fondation d'Apple.
• Bing a souligné l'importance des sitemaps XML, de valeurs lastmod exactes et d'IndexNow pour la fraîcheur de la recherche alimentée par l'IA.
• robots.txt n'est pas une autorisation d'accès. C'est un protocole que les robots sont invités à respecter.

Déductions raisonnables

Les éléments suivants ne sont pas entièrement divulgués pour la recherche grand public par l'IA, mais ils sont fortement suggérés par les publications sur la RAG et les systèmes de recherche d'information en entreprise :

• Les systèmes de recherche par l'IA travaillent souvent sur des passages plutôt que sur des pages entières.
• La récupération hybride est probablement importante, car elle combine recherche par mots-clés, recherche sémantique et filtres de métadonnées.
• Des titres clairs et des sections courtes au périmètre précis facilitent le découpage et la récupération.
• Les dates, les entités nommées, les identifiants de produits et les attributs structurés facilitent la récupération exacte et le filtrage.
• Les URL en double peuvent conduire à sélectionner la mauvaise version d'une page ou d'un produit comme contenu source.
• Les signaux de fraîcheur ont davantage d'importance lorsqu'une réponse est générée à partir de preuves récupérées.

Inconnu ou propre au fournisseur

Les informations suivantes ne sont pas publiées de manière fiable :

• la taille exacte des segments dans les index de recherche grand public par l'IA ;
• les modèles de vectorisation exacts utilisés par chaque système public de recherche par l'IA ;
• les pondérations exactes du classement des citations ;
• la logique exacte de sélection des sources dans AI Overviews, ChatGPT, Claude ou Perplexity ;
• si une plateforme donnée exécute JavaScript dans tous les contextes ;
• si llms.txt influe sensiblement sur la visibilité dans les principaux moteurs publics de recherche par l'IA.

Considérez les mécanismes internes invisibles comme inconnus. Optimisez plutôt autour de principes robustes.

5. Catégories de robots et politique d'accès

Ne traitez pas tous les robots d'IA de la même manière. Leurs finalités diffèrent.

5.1 Robots automatiques de recherche et de récupération

Ces robots sont les plus étroitement liés à la visibilité dans la recherche par l'IA, aux citations et aux réponses en temps réel.

Exemples :

• OAI-SearchBot
• Claude-SearchBot
• PerplexityBot
• Googlebot pour les fonctionnalités d'IA de la recherche Google
• Applebot pour les expériences de recherche d'Apple

Ils doivent généralement être autorisés si l'objectif est la visibilité dans la recherche par l'IA et les moteurs de réponse.

5.2 Robots d'entraînement et contrôles de l'entraînement

Ils servent, ou peuvent servir, à collecter du contenu public afin d'entraîner ou d'améliorer des modèles.

Exemples :

• GPTBot
• ClaudeBot
• CCBot
• Google-Extended comme jeton de contrôle de certains usages d'entraînement et d'ancrage de Google Gemini
• Applebot-Extended comme contrôle de l'utilisation pour l'entraînement des modèles de fondation d'Apple

Autoriser les robots d'entraînement est une décision commerciale, juridique et liée aux licences. Ce n'est pas la même décision que d'autoriser la visibilité dans la recherche par l'IA.

5.3 Agents de récupération déclenchés par l'utilisateur

Ils récupèrent des pages parce qu'un utilisateur ou un agent les a demandées.

Exemples :

• ChatGPT-User
• Claude-User
• Perplexity-User
• agents de récupération Google déclenchés par l'utilisateur
• agents de récupération de navigateurs autonomes

Ils peuvent se comporter différemment des robots classiques et ne pas respecter robots.txt de la même manière, puisque la récupération est dirigée par l'utilisateur. Gérez-les à l'aide d'une combinaison de surveillance côté serveur, de limitation du débit, d'authentification, de règles WAF, de contrôles d'API et de politique robots lorsque celle-ci est prise en charge.

5.4 Robots d'action autonomes

Ils ne se contentent pas de lire des pages. Ils peuvent interagir avec des formulaires, des paniers, des parcours de réservation, des connexions, des filtres, des API et des outils du site.

Pour eux, les contrôles SEO classiques ne suffisent pas. Il faut également :

• des libellés de formulaires accessibles ;
• un usage robuste d'ARIA lorsque c'est pertinent ;
• des états de boutons clairs ;
• des URL stables ;
• des messages d'erreur prévisibles ;
• des limites de débit sûres ;
• une protection contre les attaques CSRF ;
• des contrôles d'autorisation ;
• une séparation entre le contenu public et les parcours protégés.

6. Stratégie robots.txt recommandée

Utilisez robots.txt pour exprimer une politique selon la finalité.

Voici un exemple de politique pour un site qui souhaite être visible dans la recherche par l'IA tout en limitant l'entraînement des modèles.

# robots.txt

User-agent: *
Disallow:

Sitemap: https://www.example.com/sitemap.xml

# Google Search and Google AI features in Search
User-agent: Googlebot
Allow: /

# Google-Extended controls some Gemini training and grounding uses.
# It is not the control for Google Search AI Overviews or AI Mode.
User-agent: Google-Extended
Disallow: /

# ChatGPT search visibility
User-agent: OAI-SearchBot
Allow: /

# OpenAI training
User-agent: GPTBot
Disallow: /

# Anthropic search visibility
User-agent: Claude-SearchBot
Allow: /

# Anthropic training
User-agent: ClaudeBot
Disallow: /

# Anthropic user-directed retrieval.
# Decide based on whether you want Claude to fetch pages for user queries.
User-agent: Claude-User
Allow: /

# Perplexity search visibility
User-agent: PerplexityBot
Allow: /

# Apple search visibility
User-agent: Applebot
Allow: /

# Apple foundation-model training control
User-agent: Applebot-Extended
Disallow: /

# Common Crawl dataset collection
User-agent: CCBot
Disallow: /

Réserves importantes

• robots.txt n'est pas une couche de sécurité.
• Les robots inconnus, malveillants ou usurpés peuvent l'ignorer.
• La correspondance du user-agent est insuffisante à elle seule.
• Certains agents de récupération déclenchés par l'utilisateur peuvent généralement ignorer robots.txt.
• Si le contenu est sensible, privé, sous licence ou derrière un paywall, utilisez un véritable contrôle d'accès.
• Certains fournisseurs publient des plages d'adresses IP ou des méthodes de vérification. Utilisez-les lorsque c'est possible.

7. Rendu et extraction

La première exigence technique est simple :

Placez le contenu et les signaux importants dans le HTML initial chaque fois que c'est possible.

Les robots d'IA et les systèmes de recherche d'information n'effectuent pas tous le rendu des pages de façon cohérente. Certains peuvent le faire, d'autres non. Certains ne récupèrent que le HTML brut. Certains atteignent leur délai d'attente avant l'hydratation. D'autres dépendent d'index en amont qui ont leurs propres limites de rendu.

7.1 Hiérarchie des modes de rendu sûrs

7.2 Ce qui doit figurer dans le HTML

Pour les pages prioritaires, veillez à exposer :

• le H1 et les titres des sections ;
• le corps du texte principal ;
• les noms et descriptions des produits ;
• les prix, la disponibilité et la devise ;
• les caractéristiques et les identifiants ;
• les liens internes ;
• les balises canoniques ;
• les balises meta robots ;
• les annotations hreflang lorsqu'elles sont pertinentes ;
• les données structurées ;
• les signaux relatifs aux auteurs et aux relecteurs, le cas échéant ;
• les dates de publication et de modification ;
• les données comparatives importantes ;
• les FAQ et le contenu des politiques ;
• le fil d'Ariane.

7.3 Exemple de HTML sémantique

<main>
  <article>
    <header>
      <h1>Technical AI Search Optimisation Guide</h1>
      <p class="summary">
        AI search visibility depends on crawl access, extractable HTML,
        canonical clarity, structured data, freshness and measurable bot activity.
      </p>
      <p>Last updated: <time datetime="2026-06-07">7 June 2026</time></p>
    </header>

    <section id="crawler-access">
      <h2>Control AI bot access by purpose</h2>
      <p>
        Separate search crawlers, training crawlers and user-triggered fetchers.
      </p>
    </section>
  </article>
</main>

7.4 Échecs courants d'extraction

• coquille d'application vide dans le HTML source ;
• balise canonique absente du HTML brut ;
• métadonnées injectées seulement après l'hydratation ;
• contenu chargé uniquement après le défilement ;
• faits essentiels présentés uniquement dans des images ;
• caractéristiques des produits uniquement accessibles derrière des onglets ;
• défilement infini sans pagination explorable ;
• filtres créant des pièges à robots ;
• même contenu dupliqué sur de nombreuses URL à paramètres ;
• blocage de fichiers JS ou CSS nécessaires à un rendu dégradé correct ;
• WAF renvoyant une réponse 403 aux robots de récupération d'informations par l'IA ;
• serveur renvoyant sans contrôle un contenu différent selon le user-agent.

8. Canonicalisation et gestion des doublons

Les systèmes de recherche par l'IA doivent savoir quelle URL constitue la source de référence. Les pages en double ou quasi identiques compliquent la récupération et peuvent entraîner la sélection de la mauvaise version.

8.1 Signaux canoniques à harmoniser

Utilisez la même URL préférée dans :

• les liens internes ;
• les sitemaps XML ;
• les balises rel canonical ;
• les redirections ;
• les annotations hreflang ;
• les propriétés mainEntityOfPage ou url des données structurées ;
• les métadonnées Open Graph et sociales ;
• les flux de produits ;
• llms.txt ou les fichiers de contexte ;
• les versions Markdown canoniques ;
• les profils externes, lorsque c'est possible.

8.2 Exemple de canonique en HTML

<head>
  <title>How AI crawlers see JavaScript websites</title>
  <link rel="canonical" href="https://www.example.com/guides/ai-crawlers-javascript" />
  <meta name="robots" content="index,follow,max-snippet:-1,max-image-preview:large" />
</head>

8.3 Schémas de duplication à corriger

• paramètres de suivi ;
• URL de tri et de filtrage ;
• pages de recherche interne ;
• variantes de produits dupliquées ;
• pages imprimables ;
• incohérence des barres obliques finales ;
• duplication entre HTTP et HTTPS ;
• duplication entre les versions avec et sans www ;
• duplication liée aux majuscules et minuscules ;
• chemins de langues dupliqués ;
• pages paginées dont la canonicalisation est incorrecte ;
• balises canoniques en conflit avec les redirections ou les sitemaps.

8.4 Pourquoi cela compte davantage dans la recherche par l'IA

Dans la recherche par l'IA, la gestion des doublons ne sert pas uniquement à consolider le classement. Elle concerne aussi la sélection de la source. Si le système regroupe les doublons et sélectionne une URL obsolète, cette page obsolète peut devenir la preuve utilisée dans une réponse.

9. Découpage et récupération au niveau des passages

Les systèmes modernes de recherche d'information travaillent souvent avec des segments ou des passages. Une page peut être classée dans son ensemble, mais le système d'IA en récupère une section.

Optimisez les pages afin que chaque section puisse constituer à elle seule une preuve utile.

9.1 Bonne conception des sections

Chaque section importante doit comporter :

• un titre descriptif ;
• une question ou un sujet clairement défini ;
• une réponse directe et courte près du début ;
• des précisions qui l'étayent ensuite ;
• des dates, des unités et des entités nommées lorsqu'elles sont pertinentes ;
• un minimum d'éléments génériques ;
• aucune dépendance aux sections précédentes pour comprendre le sens fondamental.

9.2 Mauvaise conception des sections

Évitez :

• les titres vagues tels que « Vue d'ensemble », « Détails » ou « Plus d'informations » ;
• les longues introductions avant la réponse ;
• plusieurs sujets sans rapport dans une seule section ;
• les affirmations dépourvues de preuves ;
• les faits qui ne sont qu'implicites dans la présentation ;
• les tableaux sans contexte textuel ;
• les pages dont les 500 premiers mots ne disent presque rien.

9.3 Modèle de structure de page

# Main topic

Short answer summary.

## What is it?

Direct definition.

## Who is it for?

Specific audience and use cases.

## How it works

Step-by-step explanation.

## Technical requirements

Concrete implementation details.

## Pricing or cost

Clear numbers, currency, exclusions and update date.

## Limitations

Caveats, edge cases and situations where it is not suitable.

## Comparison with alternatives

Comparison table with honest differences.

## Evidence and sources

Awards, reviews, references, case studies, documentation links.

## Last updated

Visible date and explanation of meaningful changes.

10. Contenu qui étaye les réponses d'IA

Les systèmes de réponse d'IA ont besoin de faits exploitables, pas seulement d'un discours marketing.

10.1 Rédiger en commençant par la réponse

Commencez chaque page et chaque grande section par la réponse, puis ajoutez les précisions.

À éviter :

Dans le paysage numérique actuel en constante évolution, les marques recherchent de plus en plus des moyens innovants d'améliorer leur visibilité...

Préférable :

L'optimisation pour la recherche par l'IA améliore la façon dont les systèmes d'IA accèdent au contenu d'un site, l'extraient, le comprennent et le citent. Le travail essentiel porte sur l'accès des robots, le contenu rendu côté serveur, la clarté des canoniques, les données structurées, la fraîcheur et la mesure.

10.2 Rédiger pour faciliter la prise de décision

Les systèmes d'IA répondent souvent à des requêtes de comparaison et de recommandation. Étayez-les directement.

Types de pages utiles :

• Qu'est-ce que X ?
• Comment fonctionne X ?
• Combien coûte X ?
• X convient-il à Y ?
• Comment choisir X ?
• X ou Y
• Le meilleur X pour Y
• Les solutions qui remplacent X
• Les problèmes courants avec X
• Liste de contrôle pour la mise en œuvre de X
• Limites de X
• Exigences de conformité de X

10.3 Rendre les faits explicites

Indiquez clairement :

• le nom de la marque ;
• le nom de l'entité juridique ;
• les noms des produits ;
• les catégories de produits ;
• les utilisateurs visés ;
• le lieu et les zones desservies ;
• les prix et les devises ;
• les dates et les durées de validité ;
• le stock et la disponibilité ;
• les numéros de modèle et les SKU ;
• les mesures et les unités ;
• les conditions et les exclusions ;
• les politiques et les limites.

10.4 Étayer les affirmations fortes par des preuves

Évitez les affirmations non étayées telles que :

• meilleur ;
• leader ;
• numéro un ;
• le plus fiable ;
• le plus rapide ;
• le moins cher ;
• le plus précis.

Si vous les utilisez, étayez-les avec :

• des récompenses ;
• des avis indépendants ;
• des certifications ;
• des chiffres sur la clientèle ;
• des études de cas ;
• la méthodologie des benchmarks ;
• des références de tiers ;
• des jeux de données publics ;
• des dates transparentes.

10.5 Enseignements de l'étude sur la GEO

Des recherches universitaires sur la GEO ont constaté que des modifications du contenu, telles que l'ajout de citations, de propos cités et de statistiques, pouvaient améliorer la visibilité dans les réponses génératives, avec des gains annoncés allant jusqu'à environ 40 % dans les conditions évaluées.

Enseignements pratiques :

• Ajoutez des statistiques utiles, mais uniquement lorsqu'elles sont exactes et pertinentes.
• Ajoutez des citations d'experts, mais évitez les citations génériques de remplissage.
• Citez des sources crédibles pour les affirmations factuelles.
• Améliorez la fluidité et la structure.
• Évitez le bourrage de mots-clés.
• Optimisez selon le sujet et le domaine, plutôt qu'en appliquant une formule universelle.

11. Données structurées et cohérence des entités

Les données structurées ne remplacent pas la qualité du contenu et ne doivent pas décrire des informations invisibles pour les utilisateurs. Leur rôle est de renforcer le sens.

11.1 Principe fondamental

Utilisez les données structurées pour rendre les faits visibles plus faciles à comprendre par les machines.

De bonnes données structurées sont :

• exactes ;
• visibles sur la page ;
• cohérentes avec les flux et les profils ;
• stables dans l'ensemble du site ;
• adaptées au type de page ;
• reliées par des identifiants persistants.

De mauvaises données structurées sont :

• copiées depuis des modèles sans exactitude au niveau de la page ;
• incohérentes avec le contenu visible ;
• surbalisées pour obtenir des résultats enrichis ;
• dépourvues de dates ou d'identifiants ;
• déconnectées de l'entité de la marque ;
• utilisées pour formuler des affirmations que la page n'étaye pas.

11.2 Types de données structurées utiles

Selon le site, accordez la priorité à :

• Organization
• LocalBusiness et les sous-types pertinents
• Person
• Article
• BlogPosting
• Product
• Offer
• AggregateRating
• Review
• FAQPage
• QAPage
• BreadcrumbList
• ItemList
• WebPage
• Service
• HowTo lorsqu'il est réellement applicable

11.3 Page de référence de l'entité

Chaque organisation doit disposer d'une page de référence claire pour son entité, généralement la page À propos ou la page d'accueil. Cette page doit indiquer :

• le nom officiel de l'organisation ;
• le nom de la marque ;
• l'activité de l'organisation ;
• les publics qu'elle sert ;
• les territoires où elle exerce ;
• les détails de sa création, s'ils sont pertinents ;
• les coordonnées ;
• les profils sociaux officiels ;
• les relations avec la société mère ou les filiales ;
• les récompenses ou certifications ;
• les profils de référence de tiers ;
• les liens sameAs.

11.4 Exemple de JSON-LD interconnecté

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://www.example.com/#organization",
      "name": "Example Tools",
      "url": "https://www.example.com/",
      "logo": "https://www.example.com/logo.png",
      "sameAs": [
        "https://www.linkedin.com/company/example-tools"
      ]
    },
    {
      "@type": "WebPage",
      "@id": "https://www.example.com/guides/torque-wrench-calibration#webpage",
      "url": "https://www.example.com/guides/torque-wrench-calibration",
      "name": "How to calibrate a torque wrench",
      "isPartOf": {
        "@id": "https://www.example.com/#website"
      },
      "about": {
        "@id": "https://www.example.com/#organization"
      },
      "datePublished": "2026-05-30",
      "dateModified": "2026-06-07"
    },
    {
      "@type": "Article",
      "@id": "https://www.example.com/guides/torque-wrench-calibration#article",
      "headline": "How to calibrate a torque wrench",
      "mainEntityOfPage": {
        "@id": "https://www.example.com/guides/torque-wrench-calibration#webpage"
      },
      "author": {
        "@type": "Person",
        "name": "Jordan Smith"
      },
      "publisher": {
        "@id": "https://www.example.com/#organization"
      }
    }
  ]
}
</script>

11.5 Liste de contrôle des données structurées e-commerce

Pour les produits, exposez :

• le nom du produit ;
• une description claire ;
• l'image ;
• la marque ;
• SKU
• le GTIN lorsqu'il est disponible ;
• le prix ;
• la devise ;
• la disponibilité ;
• l'état de l'article ;
• les informations de livraison ;
• la politique de retour lorsqu'elle est prise en charge ;
• des données valides sur les avis et les notes ;
• les attributs des variantes ;
• l'URL canonique du produit.

Les pages de catégories doivent comporter :

• un texte d'introduction utile ;
• des H1 et H2 clairs ;
• des liens explorables vers les produits ;
• un fil d'Ariane ;
• ItemList lorsque c'est pertinent ;
• des conseils d'achat ;
• une FAQ lorsqu'elle est réellement présente ;
• des règles d'indexation et de canonicalisation pour les filtres.

12. Fraîcheur et signalement des modifications

Les réponses d'IA peuvent devenir erronées lorsque le contenu source est obsolète. La fraîcheur repose donc sur un ensemble de signaux.

12.1 Signaux de fraîcheur à harmoniser

Utilisez :

• une date de dernière mise à jour visible ;
• datePublished et dateModified dans les données structurées ;
• une valeur lastmod exacte dans le sitemap XML ;
• l'en-tête HTTP Last-Modified lorsque c'est possible ;
• ETag et la prise en charge des requêtes conditionnelles ;
• des sections de journal des modifications pour les pages essentielles ;
• IndexNow pour Bing et les moteurs participants ;
• des flux de produits et des données marchandes à jour ;
• des profils d'établissement à jour ;
• des informations actuelles sur les auteurs et les relecteurs.

12.2 Exemple de lastmod dans un sitemap

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/guides/ai-search-optimisation</loc>
    <lastmod>2026-06-07T09:14:00+00:00</lastmod>
  </url>
</urlset>

12.3 Règles pour une valeur lastmod sincère

À faire :

• mettre à jour lastmod uniquement lorsque le contenu de la page change sensiblement ;
• utiliser des horodatages ISO 8601 lorsque c'est possible ;
• inclure le fuseau horaire ;
• harmoniser les dates visibles avec celles des données structurées et du sitemap ;
• utiliser des journaux des modifications lorsque le sujet évolue rapidement.

À ne pas faire :

• définir lastmod à l'heure de génération du sitemap ;
• modifier toutes les dates quotidiennement pour paraître à jour ;
• masquer un contenu ancien derrière une nouvelle date ;
• laisser les dates des données structurées et les dates visibles se contredire.

12.4 Exemple avec IndexNow

curl -X POST "https://api.indexnow.org/indexnow" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d '{
    "host": "www.example.com",
    "key": "YOUR_KEY",
    "keyLocation": "https://www.example.com/YOUR_KEY.txt",
    "urlList": [
      "https://www.example.com/guides/ai-search-optimisation",
      "https://www.example.com/products/example-product"
    ]
  }'

Utilisez IndexNow pour les ajouts, mises à jour et suppressions importantes, en particulier sur les pages d'e-commerce, d'actualités, d'offres d'emploi, d'annonces, de prix, de stock et tout autre contenu sensible au temps.

13. Parcours de découverte lisibles par machine

Les moyens de découverte traditionnels restent les plus importants :

• robots.txt
• XML sitemaps
• les flux RSS ou Atom lorsqu'ils sont pertinents ;
• le maillage interne ;
• les URL canoniques ;
• les données structurées ;
• les flux de produits ;
• les flux Merchant Center ou équivalents ;
• les données de profils d'établissement.

13.1 Sitemaps XML

Maintenez des sitemaps XML propres.

N'incluez que :

• des URL canoniques ;
• des URL indexables ;
• des URL finales qui renvoient 200 ;
• du contenu important ;
• des valeurs lastmod exactes.

Retirez :

• les URL redirigées ;
• les URL en noindex ;
• les URL bloquées ;
• les URL dont la canonique pointe ailleurs ;
• les erreurs 404 logicielles ;
• le bruit lié aux paramètres ;
• les URL de recherche interne ;
• les URL de langues dupliquées ;
• les pages de produits expirés, sauf si elles sont volontairement indexables.

13.2 llms.txt

llms.txt est une convention émergente, pas un mécanisme garantissant le classement ou l'inclusion.

Utilisez-le comme une amélioration, en particulier pour la documentation, les outils de développement, les centres d'assistance, les produits complexes et les sites techniques.

Il peut inclure :

• un résumé concis du site ou du produit ;
• des liens vers la documentation canonique ;
• des liens vers les versions Markdown ;
• la documentation de l'API ;
• les pages de politiques ;
• les flux de produits ;
• les ressources d'assistance ;
• des exemples de ressources importantes.

Exemple :

# Example Tools

> Example Tools provides calibration equipment and technical guides for engineering teams.

## Core pages

- [About Example Tools](https://www.example.com/about)
- [Product catalogue](https://www.example.com/products)
- [Calibration guides](https://www.example.com/guides)

## Clean Markdown resources

- [Torque wrench calibration guide](https://www.example.com/guides/torque-wrench-calibration.md)
- [Return policy](https://www.example.com/policies/returns.md)

## API and feeds

- [Product feed](https://www.example.com/feeds/products.json)
- [OpenAPI specification](https://www.example.com/openapi.json)

13.3 llms-full.txt et fichiers de contexte

Pour certains sites, un fichier de contexte plus complet peut aider les agents ou les outils de développement. Gardez son périmètre précis et son contenu éditorialisé.

Incluez :

• une documentation stable ;
• des définitions canoniques ;
• les références de l'API ;
• des exemples courts ;
• des résumés des politiques ;
• des instructions d'assistance.

Excluez :

• le contenu privé ;
• les données clients ;
• les informations commerciales non publiées ;
• le contenu obsolète ;
• les pages dupliquées ;
• les textes juridiques que vous ne souhaitez pas voir résumés de façon incorrecte ;
• les volumes massifs de données non structurées.

13.4 Versions Markdown

Markdown peut réduire la consommation de jetons et le bruit de mise en page pour les machines.

Structures utiles :

/page-name.html
/page-name.md

/docs/getting-started
/docs/getting-started.md

/api/reference
/api/reference.md

N'utilisez pas les versions Markdown pour remplacer le SEO habituel du HTML. Elles doivent compléter le site principal, pas s'y substituer.

14. Performances et fiabilité de la récupération

Les systèmes de récupération d'informations par l'IA fonctionnent souvent avec des délais d'attente courts et des contraintes de coût strictes. Les pages rapides et stables sont plus faciles à récupérer et à réutiliser.

14.1 Priorités techniques

Accordez la priorité à :

• un TTFB rapide ;
• des réponses 200 stables ;
• un minimum de redirections ;
• une mise en cache CDN lorsqu'elle est appropriée ;
• un HTML léger ;
• un fonctionnement correct en mode dégradé ;
• des en-têtes de cache corrects ;
• une capacité d'origine robuste ;
• aucun blocage WAF accidentel ;
• aucune erreur serveur propre aux robots ;
• aucune erreur 404 logicielle ;
• aucune chaîne de redirection ;
• aucun signal canonique incohérent.

14.2 Règles relatives aux codes d'état

14.3 En-têtes de cache

Utilisez :

Cache-Control: public, max-age=300, stale-while-revalidate=3600
ETag: "abc123"
Last-Modified: Sun, 07 Jun 2026 09:14:00 GMT

Prenez en charge les requêtes conditionnelles :

• If-None-Match
• If-Modified-Since

Cela permet de réduire les téléchargements répétés et d'améliorer l'efficacité de l'exploration.

15. Accessibilité et utilisation par des agents autonomes

Les systèmes autonomes interagissent de plus en plus avec les pages à la manière de technologies d'assistance plutôt que de robots classiques. Les améliorations de l'accessibilité peuvent aider à la fois les utilisateurs et les agents.

Accordez la priorité à :

• des libellés clairs pour les champs de formulaire ;
• un texte descriptif pour les boutons ;
• ARIA uniquement lorsqu'il est nécessaire et correctement mis en œuvre ;
• la navigation au clavier ;
• des messages d'erreur visibles ;
• des repères de page stables ;
• une validation des formulaires lisible par machine ;
• un texte de lien descriptif ;
• des en-têtes de tableaux clairs ;
• un texte alternatif pertinent ;
• aucune instruction essentielle présentée uniquement dans des images.

Dans les parcours transactionnels, les agents doivent comprendre :

• quelle est l'étape suivante ;
• ce qui est attendu dans chaque champ ;
• ce qui est obligatoire ou facultatif ;
• ce qui n'a pas fonctionné ;
• quelle action a été accomplie ;
• si un prix ou une réservation est définitif.

16. Cadre de mesure

Les outils d'analyse standards ne captent qu'une partie de la visibilité dans l'IA.

Trois couches de mesure sont nécessaires.

flowchart TD
    A[AI visibility measurement] --> B[Human referral tracking]
    A --> C[Server-side bot logging]
    A --> D[Prompt-based share of voice]

    B --> B1[GA4 channels]
    B --> B2[UTM parameters]
    B --> B3[Referral source domains]

    C --> C1[CDN logs]
    C --> C2[WAF logs]
    C --> C3[Server logs]
    C --> C4[Edge workers]

    D --> D1[Brand mentioned?]
    D --> D2[Cited URLs]
    D --> D3[Sentiment]
    D --> D4[Accuracy]
    D --> D5[Competitors]

16.1 Suivi des visites provenant d'assistants d'IA

Suivez les référents et les sources UTM connus, tels que :

• chatgpt.com
• openai.com
• perplexity.ai
• claude.ai
• gemini.google.com
• copilot.microsoft.com
• bing.com lorsque c'est pertinent

Exemple d'expression régulière pour un groupe de canaux personnalisé dans GA4 :

.*(chatgpt\.com|openai\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com|bing\.com).*

Limites :

• Les clics depuis AI Overviews peuvent apparaître comme trafic organique Google.
• Les applications mobiles peuvent supprimer les référents.
• Certains navigateurs d'IA ou contextes autonomes peuvent apparaître comme trafic direct.
• Les réponses sans clic ne génèrent aucune session utilisateur.
• Les robots et agents de récupération ne sont pas mesurés par les outils d'analyse côté client.

16.2 Journalisation des robots d'IA côté serveur

Journalisez l'activité des robots d'IA séparément des sessions humaines.

Champs utiles :

• horodatage ;
• URL demandée ;
• méthode ;
• code d'état ;
• user-agent
• nom du robot détecté ;
• catégorie du robot ;
• statut de robot vérifié ;
• référent lorsqu'il est présent ;
• pays ou région, le cas échéant ;
• état du cache ;
• temps de réponse ;
• taille de la réponse ;
• résultat de la politique robots ;
• action du WAF ;
• finalité de l'exploration si elle est classifiée.

Catégories recommandées :

• robot de recherche et de récupération ;
• robot d'entraînement ;
• agent de récupération déclenché par l'utilisateur ;
• robot d'action autonome ;
• trafic inconnu ressemblant à celui d'une IA ;
• robot usurpé ou échec de la vérification ;
• robot non lié à l'IA.

16.3 Vérification des robots

Ne vous fiez pas uniquement aux chaînes de user-agent.

Utilisez :

• les plages d'adresses IP publiées ;
• le DNS inversé ;
• le DNS inversé confirmé par résolution directe ;
• les contrôles ASN ;
• l'empreinte TLS lorsqu'elle est disponible ;
• les schémas de requêtes ;
• le comportement de récupération de robots.txt ;
• le comportement du débit d'exploration ;
• les catégories de robots vérifiés du WAF ;
• les fichiers JSON d'adresses IP publiés par les fournisseurs connus.

16.4 Remarques sur la confidentialité et le RGPD

Évitez d'exposer des adresses IP brutes dans les tableaux de bord publics ou destinés aux clients. Pour l'analyse des robots d'IA, privilégiez :

• l'agrégation ;
• la troncature ;
• le hachage avec un sel renouvelé régulièrement ;
• de courtes durées de conservation ;
• un accès fondé sur les rôles ;
• une base juridique claire ;
• la séparation des journaux de sécurité et des rapports marketing.

Au Royaume-Uni et dans l'Union européenne, traitez les adresses IP avec précaution comme des données à caractère personnel lorsqu'elles peuvent se rapporter à des individus, même si de nombreuses adresses IP de robots d'IA appartiennent à des infrastructures publiques.

16.5 Part de voix fondée sur des prompts

Suivez ce que disent les systèmes d'IA, pas seulement le trafic.

Mesurez :

• si votre marque apparaît ;
• où elle apparaît dans la réponse ;
• si elle est citée ;
• quelle URL est citée ;
• si des concurrents apparaissent ;
• le sentiment et le cadrage ;
• l'exactitude factuelle ;
• l'exactitude des informations sur le produit, le prix et la disponibilité ;
• si d'anciennes URL sont citées ;
• si la réponse évolue au fil du temps.

Exemple d'ensemble de prompts :

What is the best [category] for [use case]?
Which [provider type] is suitable for [audience]?
Compare [brand] with [competitor].
How much does [product] cost?
Is [brand] available in [location]?
What are the alternatives to [brand]?
What are the main problems with [category]?

Exécutez régulièrement les prompts, mais considérez les résultats comme variables. Les réponses d'IA peuvent changer selon le lieu, la session, le modèle, la formulation de la requête et le moment.

17. Gouvernance et risques juridiques

La visibilité dans la recherche par l'IA n'est pas seulement une décision de SEO. Elle touche au droit d'auteur, aux licences, à la confidentialité, au coût de l'infrastructure et à la stratégie commerciale.

17.1 Distinguer les décisions

Prenez des décisions de politique distinctes pour :

• l'indexation dans la recherche traditionnelle ;
• l'inclusion dans la recherche par l'IA ;
• l'entraînement des modèles ;
• la récupération déclenchée par l'utilisateur ;
• l'interaction d'agents autonomes ;
• Common Crawl et les jeux de données de tiers ;
• le contenu derrière un paywall ;
• la documentation premium ;
• les données à caractère personnel ;
• le contenu des partenaires ou des clients.

17.2 robots.txt ne suffit pas pour le contenu sensible

Si un contenu ne doit pas être accessible, utilisez :

• l'authentification ;
• des paywalls ;
• des URL signées ;
• des règles de pare-feu ;
• des contrôles contractuels ;
• des conditions de licence ;
• noindex lorsqu'une exclusion de la recherche est nécessaire ;
• des demandes de suppression, le cas échéant ;
• l'application de règles WAF ;
• des journaux d'accès et des alertes.

Ne vous fiez pas à robots.txt pour protéger des contenus confidentiels ou réglementés.

17.3 Contrôles de la recherche par l'IA de Google au Royaume-Uni

Depuis juin 2026, Google teste au Royaume-Uni un nouveau contrôle dans la Search Console qui permet à certains propriétaires de sites de gérer si leur contenu apparaît dans les fonctionnalités génératives de la recherche par l'IA, telles que AI Overviews et AI Mode, et contribue à leur ancrage. Les sites qui refusent ces fonctionnalités d'IA générative ne devraient recevoir ni trafic ni impressions de leur part, tandis que Google affirme que ce contrôle ne servira pas de signal de classement en dehors de ces fonctionnalités.

Ce contrôle est récent et sa disponibilité peut rester limitée pendant la phase de test. Considérez-le comme un dispositif de gouvernance en évolution, et non comme un substitut au SEO technique, à la politique robots, aux extraits ou au contrôle d'accès.

19. Plan de mise en œuvre priorisé

Phase 1 : accès et extraction

Objectif : s'assurer que les systèmes d'IA peuvent récupérer et lire le contenu prioritaire.

Actions :

1. Identifier les groupes d'URL prioritaires.
2. Explorer le site comme Googlebot et comme les principaux robots d'IA.
3. Comparer le HTML source au HTML rendu.
4. Corriger les pages prioritaires bloquées, redirigées, en noindex ou instables.
5. Rendre le contenu essentiel disponible dans le HTML initial.
6. Réduire le DOM et les éléments génériques inutiles.
7. Vérifier la gestion des robots par le WAF et le CDN.
8. Ajouter ou corriger la politique robots.txt selon la finalité des robots.

Phase 2 : fondements des canoniques et de la découverte

Objectif : rendre la sélection de la source sans ambiguïté.

Actions :

1. Nettoyer les sitemaps XML.
2. Harmoniser les liens internes avec les URL canoniques.
3. Corriger les conflits de canoniques.
4. Retirer des sitemaps les URL redirigées et en noindex.
5. Maîtriser les URL à paramètres et à facettes.
6. Ajouter des valeurs lastmod exactes.
7. Ajouter IndexNow lorsque c'est approprié.
8. Référencer les sitemaps dans robots.txt.

Phase 3 : compréhension et entités

Objectif : aider les machines à comprendre la signification des pages, des produits et des organisations.

Actions :

1. Améliorer le HTML sémantique.
2. Restructurer les pages en sections claires.
3. Ajouter ou affiner le JSON-LD.
4. Créer des modèles cohérents pour les entités Organization et Product.
5. Ajouter des liens sameAs lorsqu'ils sont utiles.
6. Harmoniser les données structurées, le contenu visible et les profils externes.
7. Mettre à jour les profils des auteurs et des relecteurs lorsque la confiance est importante.

Phase 4 : utilité pour les réponses

Objectif : rendre les pages utilisables comme preuves dans les réponses.

Actions :

1. Ajouter des résumés directs au début des pages.
2. Ajouter des tableaux comparatifs et des conseils d'aide à la décision.
3. Clarifier les prix, l'adéquation aux besoins et les limites.
4. Ajouter des preuves aux affirmations fortes.
5. Ajouter des dates et des notes de modification.
6. Améliorer les images, les légendes et les textes alternatifs.
7. Supprimer les pages superficielles ou dupliquées ciblant des prompts d'IA.

Phase 5 : mesure et gouvernance

Objectif : démontrer la visibilité et gérer les risques.

Actions :

1. Ajouter des canaux pour les visites provenant de l'IA.
2. Créer des tableaux de bord côté serveur pour les robots d'IA.
3. Vérifier les robots connus.
4. Suivre la part de voix fondée sur des prompts.
5. Surveiller les URL citées et la présence des concurrents.
6. Réexaminer chaque trimestre la politique applicable aux robots d'entraînement.
7. Réexaminer les règles WAF et les limites de débit.
8. Réexaminer la confidentialité et le traitement des adresses IP.

20. Structure utile d'un tableau de bord

20.1 Tableau de bord de l'activité des robots d'IA

20.2 Tableau de bord des visites provenant de l'IA

20.3 Tableau de bord de la part de voix fondée sur des prompts

21. Mythes et rectifications

Mythe : la recherche par l'IA nécessite des données structurées spéciales pour l'IA

Rectification : Google affirme qu'aucune donnée structurée spéciale n'est requise pour AI Overviews ou AI Mode. Utilisez des données structurées standards qui correspondent au contenu visible.

Mythe : llms.txt remplace les sitemaps

Rectification : llms.txt est une amélioration expérimentale. Les sitemaps XML, les liens internes, les balises canoniques et un HTML accessible restent plus importants.

Mythe : bloquer Google-Extended bloque AI Overviews

Rectification : Google-Extended concerne certains usages d'entraînement et d'ancrage de Gemini. Les fonctionnalités d'IA de la recherche Google sont contrôlées par l'accès de Googlebot et les contrôles d'aperçu de la recherche.

Mythe : autoriser tous les robots d'IA est toujours bénéfique

Rectification : les récupérations liées à l'entraînement, à la recherche, déclenchées par l'utilisateur et effectuées par des agents autonomes sont différentes. Décidez selon leur finalité.

Mythe : robots.txt protège le contenu privé

Rectification : robots.txt n'est pas une autorisation d'accès. Utilisez l'authentification ou un autre moyen de contrôle pour le contenu privé.

Mythe : le rendu JavaScript convient toujours puisque Google peut l'effectuer

Rectification : certains robots peuvent effectuer le rendu, d'autres non, et le rendu peut échouer. Le HTML initial reste l'emplacement le plus sûr pour le contenu essentiel.

Mythe : le trafic issu de l'IA est visible dans GA4

Rectification : GA4 capture certaines visites provenant de l'IA, mais ne mesure pas les robots côté serveur, les référents supprimés, la distinction propre à AI Overviews ni les expositions sans clic.

Mythe : l'IA n'utilise que des représentations vectorielles sémantiques, les mots-clés n'ont donc plus d'importance

Rectification : la récupération hybride utilise à la fois des signaux sémantiques et lexicaux. Les noms exacts, les dates, les identifiants de produits et la terminologie restent importants.

22. Extraits d'implémentation de référence

22.1 Bloc de résumé en HTML

<section class="answer-summary">
  <h2>Summary</h2>
  <p>
    AI search optimisation improves how AI systems discover, retrieve,
    interpret and cite a website. The most important technical foundations
    are crawl access, server-rendered content, canonical clarity,
    structured data, freshness and server-side measurement.
  </p>
</section>

22.2 Bloc d'informations sur le produit

<section id="product-facts">
  <h2>Product facts</h2>
  <dl>
    <dt>Product name</dt>
    <dd>Example Analytics Pro</dd>

    <dt>Price</dt>
    <dd>£49 per month, excluding VAT</dd>

    <dt>Availability</dt>
    <dd>Available in the United Kingdom and European Union</dd>

    <dt>Last updated</dt>
    <dd><time datetime="2026-06-07">7 June 2026</time></dd>
  </dl>
</section>

22.3 Champs des journaux serveur

{
  "timestamp": "2026-06-07T09:14:00Z",
  "url": "https://www.example.com/guides/ai-search-optimisation",
  "method": "GET",
  "status": 200,
  "user_agent": "OAI-SearchBot/1.0",
  "bot_name": "OAI-SearchBot",
  "bot_category": "ai_search_retrieval",
  "verified_bot": true,
  "cache_status": "HIT",
  "response_time_ms": 84,
  "waf_action": "allow"
}

22.4 Expression régulière pour les visites provenant de l'IA

(chatgpt\.com|openai\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com|bing\.com)