llms.txt : à quoi il sert vraiment et comment le créer

C’est une proposition de standard, pas une norme adoptée. Jeremy Howard (Answer.AI) l’a publiée le 3 septembre 2024 sur llmstxt.org et en a publié une version 2 le 10 août 2026. L’idée : une page web est faite pour un humain, avec menus, scripts et publicités ; un agent d’IA gagne du temps s’il trouve en un seul fichier court ce qu’un visiteur obtiendrait en dix clics.

Le format est volontairement minimal. Un titre H1 avec le nom du site, seul élément obligatoire. Une citation qui résume le projet. Des paragraphes facultatifs. Puis des sections H2 qui listent des liens, chacun suivi d’une courte description ; une section nommée « Optional » regroupe ce qu’un agent peut ignorer quand il manque de place. La version 2 ajoute qu’un fichier peut couvrir un sous-dossier (/docs/llms.txt) et recommande de proposer une version Markdown des pages importantes.

Vous pouvez lire le llms.txt de GetRerank comme exemple en conditions réelles : présentation du produit, engagements éditoriaux et liens vers les pages clés.

Google a tranché pour sa recherche. Son guide d’optimisation pour l’IA générative range les fichiers llms.txt parmi ce qu’on peut ignorer : la recherche Google ne les utilise pas, y compris pour ses fonctions d’IA générative, et en publier un ne nuit ni n’aide au classement. La précision a été ajoutée le 15 juin 2026 ; le guide ajoute qu’il est parfaitement acceptable d’en maintenir un pour d’autres services qui les lisent.

Google n’a pourtant pas une seule voix. L’outil d’audit Lighthouse de Chrome vérifie depuis mai 2026 la présence d’un llms.txt dans sa catégorie expérimentale consacrée à la navigation par agents ; un fichier absent y est noté « non applicable », car il reste facultatif (documentation Chrome). Search Engine Journal a résumé cette dissonance le 20 mai 2026 : la réponse dépend du produit Google à qui l’on pose la question.

Côté OpenAI, Anthropic et Perplexity, aucune documentation publique n’indique que leurs moteurs de réponse utilisent le llms.txt d’un site pour choisir leurs sources. Les trois en publient pourtant un pour leur propre documentation développeurs (constaté le 4 octobre 2026), ce qui confirme l’usage réel du format : guider les agents de code.

Presque personne, d’après la plus grande étude publiée. Ahrefs a analysé les journaux de 137 210 domaines qui utilisent son outil d’analyse web (étude Ahrefs du 15 juin 2026) : 28 % publient un llms.txt, et 97 % de ces fichiers n’ont reçu aucune requête en mai 2026. Parmi les requêtes reçues, 96 % venaient de robots et 19,5 % d’outils d’IA identifiés ; GPTBot arrive en tête, suivi de l’agent de code Claude Code, et aucun robot Gemini n’apparaît dans le classement. L’échantillon se limite aux clients d’Ahrefs, ce qui surestime sans doute le taux d’adoption.

L’effet sur les citations n’est pas démontré non plus. SE Ranking a comparé environ 300 000 domaines en novembre 2025 : 10,13 % avaient un llms.txt, et aucun lien n’apparaissait entre la présence du fichier et la fréquence de citation dans les réponses des grands modèles (Search Engine Journal, 20 novembre 2025).

robots.txt contrôle l’accès (qui peut explorer quoi), sitemap.xml inventorie les URL, llms.txt décrit et hiérarchise. Les trois coexistent sans se chevaucher, et seuls les deux premiers sont lus par Google pour la recherche.

Attention au contresens le plus coûteux : bloquer les robots IA dans robots.txt tout en publiant un llms.txt. Si vous voulez être cité par les moteurs IA, leurs robots de recherche doivent pouvoir lire vos pages (OAI-SearchBot pour ChatGPT, Claude-SearchBot pour Claude, PerplexityBot pour Perplexity) ; le générateur de robots.txt écrit ces règles. Ces contrôles d’accès font partie de l’audit SEO technique en dix points.

Oui si vous publiez une documentation technique ou une API : les agents de code sont les lecteurs les plus actifs du format, et un fichier bien fait leur évite de deviner. Pour un site de service ou une boutique, c’est facultatif : le coût est faible, le bénéfice mesuré aujourd’hui est nul côté moteurs de réponse. Dans tous les cas, il passe après l’indexation, l’accès des robots et la qualité des pages.

Listez d’abord les cinq à quinze pages qui définissent votre site : offre, tarifs, documentation, guides piliers, contact. Rédigez un résumé factuel de deux phrases (ce que fait le site, pour qui). Rangez les liens en sections avec une description d’une ligne par lien : c’est cette description qui rend le fichier utile, pas la liste d’URL.

Le générateur de llms.txt gratuit produit le fichier dans l’ordre prévu par la proposition. Servez-le à la racine en texte brut, et mettez-le à jour en même temps que votre navigation : un fichier qui pointe vers des pages disparues dessert son objectif.

Il ne fait pas partie des leviers qui font citer une marque par ChatGPT. Les réponses IA s’appuient sur des pages explorables, utiles et reconnues ailleurs sur le web ; un résumé en Markdown n’y change rien. Le même raisonnement vaut pour les données structurées, que Google ne demande pas non plus pour ses fonctions IA.

Méfiez-vous aussi de l’inflation : certains sites y déversent des centaines de liens ou du texte promotionnel. Un llms.txt utile est court, factuel et hiérarchisé. Pour situer ce fichier dans l’ensemble des pratiques, partez du guide du Generative Engine Optimization.

Article mis à jour le 4 octobre 2026. Sources consultées le 4 octobre 2026 : Jeremy Howard, proposition llms.txt v2 (publiée le 3 septembre 2024, modifiée le 10 août 2026) ; Google, optimiser pour les fonctions d’IA générative (10 juillet 2026) ; Google, journal des mises à jour de la documentation (entrée du 15 juin 2026) ; Chrome, audit Lighthouse llms.txt (5 mai 2026) ; Search Engine Journal, les consignes de Google selon le produit (20 mai 2026) ; Ahrefs, étude sur 137 000 sites (15 juin 2026) ; Search Engine Journal sur l’étude SE Ranking (20 novembre 2025) ; fichiers llms.txt de la documentation d’OpenAI, d’Anthropic et de Perplexity.