Baromètre GEO : ce que font vraiment 475 boutiques Shopify

Le problème en 60 mots

La checklist GEO qui circule tient en trois lignes : publiez un llms.txt, exposez vos fichiers /.well-known/, ouvrez votre robots.txt aux robots IA. Nous l’avons confrontée à 475 boutiques Shopify françaises. Résultat : 97,9 % ont déjà un llms.txt sans l’avoir écrit, 0 % ont un agent-card.json, et 0,4 % bloquent un robot de recherche IA. La checklist décrit la couche que la plateforme gère déjà.

Ce que nous avons mesuré

Le 13 août 2026, lecture des fichiers de découverte de 480 boutiques Shopify françaises, en HTTP simple avec le user-agent VerityScoreBot/1.0, sans exécution de JavaScript. La couche fiche produit reprend notre mesure du 13 août sur 457 fiches.

Couche découverte, ce que la plateforme fournit (475 boutiques joignables) :

Couche robots.txt, ce que le marchand décide :

Couche fiche produit, ce qui décide si une IA peut vous citer (457 fiches) :

Limites, et elles comptent.

La liste des 480 boutiques a été constituée le 25 juin 2026 à partir du répertoire partenaires Shopify : ce sont des clientes d’agences, donc plutôt mieux entretenues que la moyenne. Les fichiers, eux, ont tous été relus le 13 août. L’écart de sept semaines entre la constitution de la liste et la mesure explique les 5 boutiques sur 480 devenues injoignables entre-temps.

Un fichier peut avoir été publié depuis le test. Enfin, nous avons interrogé chaque boutique avec un user-agent identifiable et non en usurpant celui d’un robot IA : une boutique qui varie sa réponse selon le user-agent apparaît ici sous son visage « robot inconnu ».

Contrôle sur un échantillon indépendant

Parce que la liste principale vient d’une source unique et vieille de sept semaines, nous avons rejoué la mesure le même jour sur un second corpus, constitué indépendamment et sans passer par des agences : 22 boutiques Shopify françaises identifiées par recherche puis vérifiées une à une (signature de plateforme et endpoint produit).

Les ordres de grandeur tiennent, et le SKU comme le GTIN tombent à moins d’un point d’écart. Les pourcentages du second corpus sont à lire avec prudence : sur 19 à 22 observations, l’intervalle de confiance est large et un seul site fait bouger le taux de 4 à 5 points. Ce contrôle ne remplace pas la mesure principale, il vérifie qu’elle ne tient pas à la composition de l’échantillon.

Le llms.txt n’est pas une action, c’est un défaut d’usine

C’est le résultat le plus contre-intuitif. Presque toutes les boutiques ont le fichier que l’industrie du conseil GEO recommande de créer, et presque aucune ne l’a créé.

Shopify sert nativement /llms.txt, /llms-full.txt et /agents.md, et documente leur personnalisation depuis le 28 mai 2026 (changelog développeur). Le contenu est généré à partir des données de la boutique : nom, URL, lien vers le sitemap, politiques et points de découverte.

Deux mesures le confirment sur notre corpus :

• 97 % des llms.txt observés suivent le format du template de la plateforme. Même en-tête, même structure, même section d’ouverture, avec le nom de la boutique injecté.
• llms.txt et agents.md sont le même document. Sur les 460 boutiques où nous avons pu comparer les deux fichiers, l’écart médian est de 43 octets, et 97,8 % diffèrent de moins de 50 octets. La différence tient à une seule ligne, celle où le fichier se présente lui-même : /llms.txt indique qu’il reflète /agents.md, qui se déclare canonique.

Personnaliser ces fichiers reste possible, via des templates llms.txt.liquid ou agents.md.liquid (documentation Shopify). Mais tant que ce travail n’est pas fait, publier un llms.txt n’est pas un levier GEO sur Shopify : c’est déjà là, et c’est identique chez vos concurrents.

Un rappel utile au passage : Google écrit explicitement qu’aucun fichier lisible par machine ni balisage particulier n’est nécessaire pour apparaître dans les Aperçus IA ou le Mode IA (Google Search Central).

Le fichier que tout le monde recommande, personne ne le publie

Zéro boutique sur 475 expose un /.well-known/agent-card.json.

Ce n’est pas un défaut de mesure : notre détecteur retourne bien un fichier valide sur les sites qui en publient un, et un 404 sur les 475 boutiques du corpus. Le résultat est donc net, et il vaut d’être dit clairement puisque ces fichiers de découverte occupent une place croissante dans les recommandations GEO.

Notre lecture : la priorité n’est pas là. Un fichier qui décrit vos capacités à un agent ne sert à rien tant que la fiche produit vers laquelle il pointe n’expose ni prix structuré, ni note, ni conditions de livraison. L’ordre logique va de la donnée vers la découverte, pas l’inverse.

Bloquer les robots IA : un problème qui concerne une boutique sur 250

Le conseil « vérifiez que votre robots.txt ne bloque pas les crawlers IA » revient dans presque tous les guides. Mesuré, il porte sur très peu de cas.

2,1 % des boutiques citent un robot IA dans leur robots.txt. 1,1 % bloquent un robot d’entraînement, ce qui reste un choix défendable : vous donnez votre contenu sans contrepartie. 0,4 %, soit deux boutiques sur 475, bloquent un robot de recherche IA ou un agent d’achat, c’est-à-dire les deux familles dont le blocage coûte réellement de la visibilité ou un client.

Ces chiffres prolongent notre mesure de juillet sur 432 boutiques, qui trouvait un seul blocage de robot de recherche IA. L’ordre de grandeur est stable d’un mois sur l’autre : Shopify livre un robots.txt permissif par défaut, et il faut une intervention manuelle pour le casser.

La vérification reste utile, elle prend deux minutes. Mais elle ne peut pas constituer une stratégie GEO.

Là où l’écart est réel

Mettons les deux couches côte à côte.

La couche que la plateforme gère est à 98 %. La couche qui décide si un moteur peut citer votre produit tombe entre 4,6 % et 67 %.

Un moteur conversationnel à qui l’on demande de comparer trois produits a besoin de quatre choses : un prix, une disponibilité, un identifiant pour reconnaître le même article ailleurs, et de quoi établir la confiance. Sur notre corpus, le prix manque dans un tiers des cas, l’identifiant produit dans neuf cas sur dix, et la note dans plus de neuf cas sur dix.

Ce n’est pas une affaire de fichiers de découverte. C’est une affaire de données produit publiées dans un format que les moteurs lisent, en JSON-LD ou en microdonnées, les deux étant acceptés par Google (Google Search Central).

Ce que nous en tirons

Trois conclusions, dans l’ordre où nous les appliquerions sur une boutique.

Ne facturez pas un llms.txt. Sur Shopify il existe déjà, il est généré, et il ressemble à celui de tout le monde. Le personnaliser peut avoir du sens une fois le reste en place, pas avant.

Traitez la couche produit d’abord. Prix, disponibilité, identifiant, note, livraison, retours. C’est là que se trouvent les écarts à deux chiffres, et c’est ce qu’un moteur cite quand il recommande un article.

Vérifiez la couche découverte, mais ne construisez pas dessus. Deux minutes de contrôle sur robots.txt et sitemap.xml suffisent. Au-delà, le temps est mieux investi sur les fiches.

Cette mesure sera republiée sur le même corpus en février 2027, avec la même méthode, pour rendre l’évolution comparable.

Kamil Kaderbay, fondateur de Verity Score. Mesure du 13 août 2026, méthode et limites détaillées plus haut.

Articles connexes

• Avis clients : 1 boutique équipée sur 4 muette pour l’IA - La mesure des 457 fiches produit
• Robots IA bloqués : la procédure de vérification - La mesure de juillet sur 432 boutiques
• Shopify, agents.md, llms.txt et UCP : ce qui change vraiment
• AggregateRating : la note que les moteurs IA lisent vraiment

Vous voulez savoir où se situe votre boutique sur ces signaux ? L’app Shopify Verity Score mesure les mêmes couches sur votre catalogue, fiche par fiche. Installer Verity Score depuis le Shopify App Store →