Il y a une idée rassurante dans la plupart des contenus GEO : une checklist unique qui vous rend visible aux IA. Ajoutez llms.txt, ajoutez du schema, découpez votre contenu pour les modèles, et les machines vous trouveront. C’est rassurant, et c’est faux.
La réalité inconfortable, c’est que les moteurs IA ne sont pas d’accord entre eux. Le même signal qui vous aide à apparaître dans Google AI Overviews peut être officiellement ignoré par ChatGPT, non pertinent pour Perplexity, et activement déconseillé comme pratique. Optimiser « pour l’IA » comme si l’IA était une seule chose produit de l’effort gaspillé au mieux, et de l’optimisation contre-productive au pire.
Cet article est construit à partir de la matrice de couverture moteur de l’audit Verity Score : 18 signaux évalués face à 9 moteurs IA, où chaque cellule est étiquetée à partir d’une déclaration officielle, d’un comportement documenté ou d’une étude mesurée, pas d’une supposition. Note de méthode : les statuts ci-dessous viennent de la documentation des plateformes (Google Search Central, Anthropic, Shopify) et d’études indépendantes 2026, vérifiés le 13 juillet 2026, pas d’un test sur un seul prompt.
Statut France au 23 juillet 2026. Google a déployé les Aperçus IA et le Mode IA en France le 22 juillet 2026, refermant deux ans de blocage lié aux droits voisins (Google France, 22 juillet 2026). Le déploiement est progressif, sur mobile et desktop, et l’aperçu ne s’affiche que sur les requêtes que Google juge assez précises ou complexes. Les surfaces IA qui comptent pour un marchand français sont donc désormais Google (Aperçus IA et Mode IA), ChatGPT, Perplexity, Gemini et Mistral Le Chat. Les colonnes Google ci-dessous ne se lisent plus comme une préparation : elles décrivent ce qui compte aujourd’hui sur le terrain marchand français.
En 60 mots
Les signaux GEO sont spécifiques à chaque moteur, pas universels. La recherche IA de Google ignore officiellement llms.txt et les alternates Markdown et déconseille le chunking artificiel ; Claude, Perplexity et l’outillage Cloudflare lisent llms.txt. Le schema produit et les Core Web Vitals comptent pour Google, un feed ACP pour ChatGPT Shopping, l’agent-card et Web Bot Auth pour Claude et Perplexity. Demandez quel moteur, pas si.
Le mythe du signal GEO universel
La plupart des conseils « visibilité IA » traitent la couche IA comme une audience unique. Elle ne l’est pas. Les neuf moteurs qui décident si votre boutique apparaît dans une réponse reposent sur des pipelines différents :
- Les moteurs à index (Google AI Overviews, Google AI Mode, grounding Gemini, Bing/Copilot) répondent depuis un index qui a déjà crawlé, rendu et parsé le web. Ils héritent d’années de signaux de classement classiques.
- Les moteurs en live browse (ChatGPT Search, Claude avec accès web, Perplexity) récupèrent les pages en quasi temps réel, lisent le HTML brut, et s’appuient sur la logique de retrieval et de citation.
- Les moteurs à protocole commerce (ChatGPT Shopping via ACP, checkout AI Mode via UCP, Copilot via Shopify Catalog) ne lisent pas votre page pour l’étape d’achat : ils lisent un feed structuré.
Un signal qui parle à un pipeline inexistant sur un moteur donné y est du poids mort. C’est toute la thèse : un signal n’est pas une bonne pratique dans l’absolu, il l’est pour un moteur précis.
La matrice signal par moteur
Voici le cœur. Légende : Oui = le moteur prend le signal en compte ; neutre = pas de position officielle ; N/A = déclaré officiellement non applicable ; éviter = pratique déconseillée.
| Signal | Google AIO | ChatGPT Search | Gemini | AI Mode | ChatGPT Shopping | Copilot | Claude | Perplexity |
|---|---|---|---|---|---|---|---|---|
| llms.txt | N/A | neutre | N/A | N/A | N/A | neutre | Oui | Oui |
| Alternate Markdown | N/A | neutre | N/A | N/A | N/A | neutre | Oui | neutre |
| Agent-card (/.well-known) | neutre | Oui | neutre | neutre | neutre | neutre | Oui | Oui |
| Manifeste UCP | Oui | neutre | Oui | Oui | N/A | neutre | neutre | neutre |
| Feed ACP | N/A | Oui | N/A | N/A | Oui | N/A | neutre | neutre |
| Schema produit (SSR) | Oui | neutre | Oui | Oui | neutre | neutre | neutre | Oui |
| Conformité AggregateRating | Oui | neutre | Oui | Oui | neutre | neutre | neutre | Oui |
| Couverture GTIN | Oui | Oui | Oui | Oui | Oui | Oui | neutre | Oui |
| Web Bot Auth | neutre | Oui | neutre | neutre | neutre | neutre | Oui | Oui |
| Chunking / réécriture « pour IA » | éviter | neutre | éviter | éviter | neutre | neutre | neutre | neutre |
| Visibilité DOM pour agents | Oui | Oui | Oui | Oui | neutre | neutre | Oui | Oui |
| Accès HTTP bot (200) | Oui | Oui | Oui | Oui | Oui | Oui | Oui | Oui |
| Core Web Vitals | Oui | neutre | Oui | Oui | neutre | neutre | neutre | neutre |
Lisez n’importe quelle ligne et le constat saute aux yeux : llms.txt est un « N/A » net pour toute la famille Google et un « Oui » net pour Claude, Perplexity et l’outillage agent. Le schema produit rendu server-side est un « Oui » pour les moteurs Google à index et Perplexity, mais neutre pour un fetch ChatGPT en live browse. Les surfaces de Google (AI Overviews, AI Mode, Gemini) évoluent largement ensemble, car elles héritent d’une seule position Search, mais d’une famille à l’autre, aucune colonne ne ressemble à une autre.
llms.txt : ce que Google dit vraiment (et ce qu’il ne dit pas)
C’est le signal où le mythe est le plus bruyant, donc il mérite de la précision.
Google a été explicite. Son guide pour optimiser les fonctions IA génératives (publié le 15 mai 2026, avec une clarification ajoutée le 15 juin et la page mise à jour le 10 juillet 2026) range « les fichiers lisibles par machine, les fichiers texte IA, le balisage Markdown custom » parmi ce que Google Search lui-même n’utilise pas. John Mueller est allé plus loin, déclarant qu’aucun système IA n’utilise actuellement llms.txt, et qualifiant le llms.txt publié par Google de « béquille temporaire » pour aider les outils de code IA à parser sa documentation et économiser des tokens, pas un signal de recherche.
Deux précisions comptent, car les versions bâclées de cette affirmation sont fausses aussi :
- Ignoré n’est pas pénalisé. La clarification de juin dit qu’il est « correct » de publier llms.txt : cela ne nuit ni n’aide à la recherche. Ne laissez personne vous dire que le fichier est dangereux pour Google. Il y est simplement inerte.
- La donnée d’adoption est brutale. Ahrefs a analysé 137 000 sites et trouvé que 97% des fichiers llms.txt ne reçoivent aucune requête de bot. La plupart des llms.txt du web ne sont lus par personne.
llms.txt est-il donc une perte de temps ? Seulement si Google est votre unique cible. Anthropic et Perplexity le lisent en pratique (Anthropic publie même llms.txt sur ses propres docs Claude), et le fichier est un vrai signal pour l’audience native de la spec llms.txt : les agents IA et l’outillage d’agent-readiness.
Le paradoxe agent contre Search
Voici le détail qui résout la contradiction apparente. Google ignore llms.txt pour le classement, et pourtant Google a ajouté une vérification llms.txt à Chrome Lighthouse 13.3, dans un audit expérimental « Agentic Browsing ».
Les deux sont vrais parce qu’ils visent des surfaces différentes. Google Search ne classe pas sur llms.txt. L’outillage agent de Google (les vérifications côté navigateur qui évaluent si un site est prêt pour les agents IA) le regarde. La matrice Verity encode exactement cette scission : llms.txt est N/A pour les moteurs dérivés de Search et « Oui » pour Claude, Perplexity et la colonne outillage (isitagentready / Cloudflare). Même fichier, verdicts opposés, parce que « l’IA » n’est pas une destination unique.
La cellule déconseillée : chunking et réécriture « pour les LLM »
Sur toute la matrice, une pratique n’est pas seulement neutre ou inapplicable : elle est marquée éviter. Découper artificiellement votre contenu en micro-blocs ou le réécrire « pour les LLM » est listé dans le guide d’optimisation IA de Google comme inefficace ou contre-productif pour ses fonctions génératives, et récolte un « éviter » pour les colonnes Google AIO, AI Mode et Gemini.
La leçon est ancienne mais se réapprend sans cesse : écrivez pour les humains un contenu clair, factuel, bien structuré. La même page qui sert un acheteur sert le modèle. Fabriquer une « version IA » parallèle de votre contenu est l’équivalent GEO du keyword stuffing, et la donnée sur le bourrage de mots-clés est sans ambiguïté : dans la recherche fondatrice de Princeton sur le GEO et ses suivis 2026, le keyword stuffing est la seule méthode qui baisse mesurablement la visibilité, tandis qu’ajouter des citations et des statistiques l’augmente.
Ce qui compte vraiment, par famille de moteur
Si la matrice a une colonne qui ne ment jamais, c’est Accès HTTP bot : chaque moteur a besoin d’un vrai HTTP 200 avant que quoi que ce soit d’autre compte. Commencez par là (votre robots.txt et vos règles crawler), puis spécialisez :
- Famille Google (AIO, AI Mode, Gemini) : schema produit complet et rendu server-side, Core Web Vitals, signaux E-E-A-T, feed Merchant Center propre, et AggregateRating conforme. C’est là que les signaux de qualité classiques paient encore.
- ChatGPT (Search et Shopping) : un feed ACP avec des GTIN pour la surface Shopping, agent-card et visibilité DOM pour Search. À noter : llms.txt et les alternates Markdown sont N/A ici.
- Claude et Perplexity : agent-card, Web Bot Auth, et (oui) llms.txt, plus des faits rendus server-side que Perplexity peut retrouver. Ce sont les moteurs où les fichiers d’agent-readiness gagnent leur place.
- Storefronts agentiques Shopify (ChatGPT, AI Mode, Copilot) : c’est la qualité du feed et du catalogue, pas le HTML de votre page, qui pilote l’étape d’achat.
Pour le playbook plateforme approfondi, voir le guide des plateformes IA et les changements d’optimisation IA de Google pour 2026.
Pourquoi un audit bat une checklist
Une checklist universelle vous force à deviner quels items vous concernent. La boutique qui publie llms.txt et appelle ça « optimisation IA » a fait quelque chose de réel pour Claude et Perplexity, et rien du tout pour les moteurs Google qui pilotent le plus de volume. La boutique qui ne corrige que le schema a servi les moteurs à index et laissé le feed ChatGPT Shopping vide.
L’intérêt d’évaluer 18 signaux face à 9 moteurs, c’est de remplacer la devinette par une carte : quels moteurs vous satisfaites déjà, lesquels ne vous voient pas, et quelle « bonne pratique » vous coûte de l’effort sans rien apporter à votre cible réelle. C’est ce que renvoie un audit GEO gratuit pour une boutique Shopify, en une minute environ, avec la raison nommée par moteur plutôt qu’un score générique.