Six commandes pour savoir si l'IA peut lire votre site
Avant de vous demander pourquoi l'IA ne vous cite pas, vérifiez qu'elle atteint le site. Six vérifications à lancer dans le terminal en cinq minutes, avec des résultats réels et ce qu'il faut faire quand chacune échoue.
Ouvrir dans ChatGPT
Ouvrir dans ClaudeLa question que nous entendons le plus est celle de savoir pourquoi l'IA ne recommande pas la marque. Avant d'y répondre, il vaut la peine de répondre à une question plus simple : l'IA peut-elle seulement lire le site ? Dans environ la moitié des cas que nous auditons, l'un de ces six points est cassé, et le travail de contenu réalisé par-dessus se faisait à l'aveugle.
Chaque commande ci-dessous a été lancée contre destaque.ai le 20 août 2026, et ce qui figure dans les encadrés est le résultat réel, pas un exemple préparé pour l'article. Remplacez le domaine par le vôtre : cela prend cinq minutes.
- 24 759 octetsde llms.txt, une carte en texte brut (vérification 02)
- 2 082 motsdans le HTML sans exécuter de JavaScript (vérification 03)
- 9 typesde schema, tous véridiques (vérification 04)
- 64 adressesdans le sitemap (vérification 06)
Source : les commandes ci-dessous, lancées contre destaque.ai le 20 août 2026.
Les robots de l'IA ont un accès
La commande
curl -s https://example.com/robots.txt | grep -iA1 'GPTBot\|ClaudeBot\|PerplexityBot\|Google-Extended\|OAI-SearchBot'
Ce qu'elle a renvoyé
User-Agent: GPTBot Allow: / -- User-Agent: OAI-SearchBot Allow: / -- User-Agent: ClaudeBot Allow: / -- User-Agent: Google-Extended Allow: / -- User-Agent: PerplexityBot Allow: /
Cinq agents, cinq autorisations. Si l'un d'eux apparaît avec Disallow, ou n'apparaît pas du tout alors qu'un Disallow générique figure au-dessus, ce moteur ne lit pas le site et rien d'autre ne compte.
Notez la différence entre les deux catégories : GPTBot et ClaudeBot collectent pour l'entraînement, OAI-SearchBot et PerplexityBot vont chercher la page au moment où quelqu'un pose la question. Bloquer la première catégorie est une décision légitime ; bloquer la seconde, c'est disparaître des réponses avec recherche en direct, là où l'on gagne à court terme.
Le llms.txt existe et dit quelque chose
La commande
curl -s -o /dev/null -w '%{http_code} %{size_download}\n' https://example.com/llms.txtCe qu'elle a renvoyé
200 24759
Vingt-quatre mille sept cent cinquante-neuf octets de carte en texte brut (le 200 est le code HTTP) : qui nous sommes, ce que nous vendons, quelles études nous avons publiées, avec une ligne de contexte par lien. Un 404 ici n'est pas fatal, mais c'est une occasion gâchée.
Un llms.txt de dix lignes contenant seulement les titres des pages ne sert à rien. Ce qui le rend utile, c'est la phrase de contexte après chaque lien, celle qu'un moteur cite lorsqu'il ne va pas ouvrir la page entière.
Le texte est dans le HTML, pas seulement dans le JavaScript
La commande
curl -s https://example.com/page | sed 's/<script.*<\/script>//g' | sed 's/<[^>]*>/ /g' | wc -w
Ce qu'elle a renvoyé
2082
Deux mille quatre-vingt-deux mots arrivent sans exécuter une ligne de JavaScript, sur une page avec un h1 et onze h2. C'est le test auquel la plupart des sites échouent, et ils y échouent en silence : dans le navigateur, la page paraît pleine, et ce qui sort du serveur est une coquille vide.
Si le chiffre sort proche de zéro, le contenu est assemblé dans le navigateur. Certains moteurs exécutent le JavaScript, la plupart des collecteurs non. La solution est de faire le rendu côté serveur, pas d'ajouter du schema par-dessus le vide.
Le schema déclare ce qu'est la page
La commande
curl -s https://example.com/page | grep -o '"@type":"[^"]*"' | sort | uniq -c | sort -rn
Ce qu'elle a renvoyé
14x ImageObject 1x Organization 1x Person 1x WebSite 1x WebPage 1x Service 1x SoftwareApplication 1x FAQPage 1x BreadcrumbList
Une page produit qui se déclare SoftwareApplication, avec l'organisation, la personne qui la signe, les questions fréquentes et les images identifiées une à une. Neuf types, tous véridiques.
L'erreur courante n'est pas d'avoir peu de schema, c'est d'avoir un schema qui ment : déclarer Product sur une page qui ne vend rien, ou FAQPage avec des questions qui ne sont pas visibles sur la page. Cela se repère, et coûte plus cher que de ne rien avoir.
Les versions de chaque langue se désignent mutuellement
La commande
curl -s https://example.com/page | grep -oE '<link rel="(canonical|alternate)"[^>]*>'
Ce qu'elle a renvoyé
<link rel="canonical" href="https://www.destaque.ai/tracker"/> <link rel="alternate" hrefLang="pt-PT" href="https://www.destaque.ai/tracker"/> <link rel="alternate" hrefLang="en" href="https://www.destaque.ai/en/tracker"/> <link rel="alternate" hrefLang="x-default" href="https://www.destaque.ai/tracker"/>
La version portugaise déclare la version anglaise, et il faut lancer la même commande sur la version anglaise pour confirmer qu'elle déclare la portugaise. Sans réciprocité, Google écarte la paire entière et les deux pages se font concurrence.
C'était une vraie erreur sur ce site : la page d'accueil ne déclarait aucune alternative, et la version anglaise restait sans signal sur la page la plus importante. C'est en lançant la commande des deux côtés qu'on la repère.
La page figure dans le sitemap
La commande
curl -s https://example.com/sitemap.xml | grep -c '<loc>'
Ce qu'elle a renvoyé
64
Soixante-quatre adresses, et les pages qui comptent y figurent, ce que l'on confirme en cherchant chacune d'elles dans le sitemap. Un sitemap qui ne suit pas les nouvelles pages est pire que pas de sitemap du tout : il donne au moteur une liste périmée, et le moteur lui fait confiance.
Vérifiez toujours les pages créées au cours des dernières semaines. Ce sont celles qui restent dehors lorsque le sitemap est écrit à la main au lieu d'être généré à partir des routes.
Ce que ces six commandes ne disent pas
Elles disent que le site est lisible. Elles ne disent pas que la marque est citée, et la différence entre les deux est tout le travail. Un site avec les six points au vert peut ne figurer dans aucune réponse, parce qu'être cité dépend de l'autorité, de données originales et de la capacité à répondre à la question de l'acheteur mieux que les autres.
La lisibilité est la condition d'entrée. Sans elle, rien d'autre ne compte ; avec elle, le travail commence.
Questions fréquentes
Non, et la différence compte. Ces vérifications disent que le site est lisible : que les agents entrent, que le texte sort du serveur, que la page se déclare pour ce qu'elle est. Être cité dépend d'autre chose, à savoir disposer d'une autorité et d'un contenu qui répondent à la question mieux que ceux de tous les autres. La lisibilité est la condition d'entrée, pas la victoire. Un site parfait sur ces six points peut ne figurer dans aucune réponse.
C'est une décision légitime, qui dépend de ce que vous vendez. Ce qu'il ne faut pas faire, c'est bloquer sans distinguer : GPTBot et ClaudeBot collectent du contenu pour l'entraînement, tandis qu'OAI-SearchBot et PerplexityBot vont chercher la page au moment où un utilisateur pose la question. Bloquer la seconde catégorie revient à disparaître des réponses avec recherche en direct, là où la visibilité se gagne en semaines plutôt qu'en mois.
Une fois par trimestre suffit pour un site stable, et chaque fois que vous changez de framework, migrez de serveur ou lancez une nouvelle section. Les deux qui cassent le plus souvent d'elles-mêmes sont la troisième, quand quelqu'un passe une page en rendu dans le navigateur, et la sixième, quand des pages sont créées sans que le sitemap les intègre.
À lire ensuite
- llms.txt et robots.txt : à quoi sert chacun, si la deuxième vérification vous a renvoyé un 404.
- Schema.org pour un SaaS B2B : le minimum viable, si la quatrième vous a renvoyé très peu.
- Comment auditer la visibilité de votre marque dans l'IA, l'étape qui suit ces six.