Le fichier llms.txt : ce qu’il est, qui le lit, comment l’écrire

Le fichier llms.txt est un index en Markdown, placé à la racine d'un site, qui décrit le site et liste ses pages de référence à l'intention des modèles de langage. C'est une proposition, pas un standard : aucun organisme ne l'a normalisé et il n'a aucune valeur de consigne, contrairement au fichier robots.txt qui contrôle l'accès des robots IA. Voici qui le lit, comment l'écrire en dix minutes, et pourquoi il passe après le contenu structuré, les données structurées et robots.txt.

llms.txt en bref : définition, origine, statut

Une proposition de Jeremy Howard, publiée en septembre 2024

llms.txt a été proposé en septembre 2024 par Jeremy Howard (Answer.AI), sur le site llmstxt.org. L'idée part d'une contrainte des modèles de langage : ils lisent mal les pages HTML chargées de menus, de scripts et de blocs d'interface, et leur fenêtre de contexte ne peut pas absorber un site entier. Un fichier court, en Markdown, à une adresse fixe (/llms.txt), leur donne un résumé du site et la liste des pages à lire en priorité.

Quatre points à retenir

Avant d'entrer dans le format, quatre points cadrent le sujet à la date de rédaction :

• Un index, pas une consigne : le fichier décrit et liste ; il ne bloque, n'autorise ni ne priorise rien pour un robot.
• Une proposition, pas un standard : aucun organisme de normalisation ne l'a adopté, et sa forme peut encore évoluer.
• Une lecture non garantie : aucun grand moteur ni éditeur de LLM n'a confirmé le lire, et Google a déclaré ne pas s'en servir.
• Un coût quasi nul : le fichier s'écrit en quelques minutes et ne présente aucun risque s'il reste cohérent avec le site.

Qui lit llms.txt aujourd'hui, et qui ne le lit pas

La question décisive est celle des lecteurs. Le tableau ci-dessous résume la position connue de chaque acteur à la date de rédaction, et ce qu'elle implique pour vous.

Vérifier dans vos logs serveur

Le seul moyen de savoir si votre fichier est consulté consiste à regarder vos logs serveur. Un outil d'analyse d'audience classique ne voit rien, car les robots n'exécutent pas les scripts de mesure. Concentrez l'analyse sur quelques éléments :

• les requêtes sur /llms.txt et /llms-full.txt, avec leur code de réponse ;
• les user-agents à l'origine de ces requêtes : GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot ou outils de développement ;
• la fréquence des passages, à comparer avec celle des mêmes robots sur vos pages HTML ;
• les requêtes sur les versions .md de vos pages, si vous en publiez.

Une requête prouve qu'un robot a téléchargé le fichier, pas qu'un modèle s'en sert pour répondre.

Pourquoi le publier quand même

L'absence de lecture confirmée par les grands acteurs n'interdit pas de publier le fichier. Quatre raisons plaident pour le faire :

• le coût est quasi nul : un fichier texte statique de quelques dizaines de lignes ;
• il sert aux agents et aux assistants qui le chargent explicitement, en particulier sur les documentations techniques ;
• il oblige à désigner vos pages de référence, un exercice éditorial utile bien au-delà du fichier ;
• il ne présente aucun risque tant qu'il reste cohérent avec robots.txt, vos pages canoniques et vos balises noindex.

Le format prévu par la proposition

La proposition décrit un fichier Markdown à la structure simple. Un seul élément est obligatoire ; les autres organisent la lecture. Le tableau ci-dessous reprend chaque élément dans l'ordre du fichier, puis les deux compléments facultatifs.

Titre, résumé et sections de liens

Le titre H1 donne le nom du site, sans slogan. La citation qui suit résume en une phrase ce que fait l'entreprise et pour qui : c'est la ligne qu'un modèle reprendra le plus facilement. Les paragraphes libres précisent le contexte : langues, périmètre de l'offre. Chaque section H2 regroupe ensuite des liens au format - [titre](url): description, la description disant en quelques mots ce que la page apporte.

La section Optional, llms-full.txt et les versions .md

La section ## Optional signale les liens qu'un outil peut ignorer quand sa fenêtre de contexte est courte : blog, archives, notes de version. Le fichier /llms-full.txt concatène en Markdown le contenu complet des pages de référence ; il intéresse surtout les documentations techniques volumineuses. Les versions .md des pages (page.html.md) offrent le même contenu sans menus ni scripts. Pour un site d'entreprise sans documentation technique, le fichier principal fait l'affaire.

Exemple de fichier llms.txt complet

Voici un fichier complet pour une entreprise B2B fictive, Optimalis, éditrice d'un logiciel de maintenance industrielle, sur le domaine fictif exemple.com. Chaque ligne de la liste correspond à une ligne du fichier ; les lignes vides qui séparent les blocs ne sont pas reproduites.

• # Optimalis
• > Logiciel de planification de la maintenance industrielle pour les sites de production de taille intermédiaire.
• Optimalis édite un logiciel SaaS disponible en français et en anglais. Les liens ci-dessous mènent aux pages de référence du site.
• ## Produit
• - [Présentation du logiciel](https://www.exemple.com/logiciel): fonctions, périmètre et intégrations
• - [Tarifs](https://www.exemple.com/tarifs): formules et conditions en vigueur
• - [Sécurité et hébergement](https://www.exemple.com/securite): hébergement, certifications, sauvegardes
• ## Documentation
• - [Guide de démarrage](https://www.exemple.com/docs/demarrage.html.md): installation et paramétrage initial
• - [Référence API](https://www.exemple.com/docs/api.html.md): points d'accès et formats de données
• - [Glossaire](https://www.exemple.com/glossaire): définitions des termes de maintenance
• ## Entreprise
• - [À propos](https://www.exemple.com/a-propos): histoire, équipe, implantations
• - [Contact](https://www.exemple.com/contact): coordonnées commerciales et support
• ## Optional
• - [Blog](https://www.exemple.com/blog): articles de fond sur la maintenance industrielle
• - [Notes de version](https://www.exemple.com/notes-de-version): historique des mises à jour du logiciel

Ce que montre cet exemple

Le fichier compte moins de vingt lignes et ne contient que des pages canoniques, accessibles aux robots et indexables. Les descriptions disent ce que chaque page apporte, sans formule commerciale. Les liens de documentation pointent vers des versions .md, que l'éditeur publie à côté de ses pages HTML. La section Optional regroupe ce qu'un outil pressé peut laisser de côté.

Rien dans ce fichier ne ressemble à une règle : aucun « citer en priorité », aucune liste de pages interdites. Une telle ligne n'aurait aucun effet.

llms.txt, robots.txt, sitemap.xml, données structurées : qui fait quoi

Les quatre dispositifs se complètent mais ne jouent pas le même rôle. Le tableau ci-dessous les compare sur ce qui compte pour décider de l'ordre de vos chantiers.

Les données structurées décrivent chaque page aux moteurs dans un format qu'ils lisent effectivement ; llms.txt n'en est qu'un résumé facultatif à l'échelle du site.

Le contrôle d'accès se joue dans robots.txt

Bloquer ou autoriser un robot IA passe par robots.txt, avec son user-agent : GPTBot et OAI-SearchBot pour OpenAI, ClaudeBot pour Anthropic, PerplexityBot pour Perplexity, Google-Extended pour l'usage de vos contenus par les modèles de Google. Écrire « Disallow » dans llms.txt ne produit rien : cette syntaxe appartient à robots.txt.

Garder les quatre dispositifs cohérents

Le risque principal tient aux contradictions entre fichiers. Avant de publier, vérifiez trois points :

• aucune page listée dans llms.txt n'est bloquée dans robots.txt ;
• aucune page listée n'est en noindex, redirigée ou non canonique ;
• les pages de référence figurent aussi dans le sitemap et portent des données structurées à jour.

Créer et publier le fichier

Une fois vos pages de référence choisies, la rédaction prend une dizaine de minutes. Quel que soit votre CMS, le principe reste le même : un fichier statique servi à la racine. La publication demande de vérifier quelques points techniques :

• Emplacement : à la racine de l'hôte, à l'adresse www.votredomaine.fr/llms.txt.
• Statut : une réponse HTTP 200 directe, sans redirection 301 ou 308.
• Format : servi en text/plain ou text/markdown, encodé en UTF-8.
• Contenu : des pages canoniques seulement, sans paramètres ni variantes d'URL.
• Cohérence : contrôlée avec robots.txt et les balises noindex.
• Cache : votre CDN purgé après chaque mise à jour, pour ne pas servir une version périmée.
• Relecture : chaque lien ouvert une fois, chaque description relue.

Générateur ou plugin : relire ce qu'il produit

Un générateur en ligne ou un plugin pour votre CMS produit un premier fichier à partir du sitemap. Le résultat tend à tout lister : pages de tags, archives, pages commerciales sans contenu, descriptions génériques. Gardez la structure, ne conservez que les pages de référence, réécrivez chaque description et vérifiez que le plugin n'écrase pas vos corrections à la mise à jour suivante.

Un site multilingue

Un site multilingue publie un fichier par site ou par hôte, avec si besoin une section par langue qui ne liste que les pages canoniques de chaque version. La cohérence avec vos balises hreflang et votre stratégie de SEO international prime sur le contenu du fichier.

Le tenir à jour

Un fichier qui pointe vers des pages supprimées ou des tarifs périmés dessert le site. Relisez-le chaque fois qu'une page de référence change : nouvelle offre, refonte d'URL, migration de CMS.

Ce que llms.txt ne fait pas

On prête à llms.txt des pouvoirs qu'il n'a pas. À la date de rédaction, le fichier :

• ne donne aucune consigne : aucun robot ne lit ses lignes comme des règles à appliquer ;
• ne bloque rien, ni l'exploration, ni l'entraînement, ni l'accès à des contenus réservés, qui relèvent de robots.txt et de l'authentification ;
• n'a aucun effet démontré sur les citations par les IA : un site qui en publie un et se fait citer montre une corrélation, jamais une causalité ;
• ne se personnalise pas par modèle : il n'existe qu'un fichier, sans section propre à Claude, ChatGPT ou Perplexity ;
• n'a rien à voir avec le MCP, qui connecte des agents à des outils et à des sources de données.

Ce qui compte vraiment pour être cité

Les moteurs génératifs citent des pages, pas des index. Ce qui joue, c'est un contenu structuré en H1, H2 et H3, avec des listes et des tableaux, des entités nommées explicitement, des informations cohérentes d'une page à l'autre et des pages atteignables par les robots IA. C'est le cœur de l'optimisation pour les moteurs génératifs (GEO).

La structure des pages est corrélée à la citation : les pages à hiérarchie H1-H2-H3 ont 2,8 fois plus de chances d'être citées par les IA (State of AI Search, 2025). Il s'agit d'une corrélation sur la structure, pas d'un effet de llms.txt ; d'autres repères figurent dans nos statistiques GEO.

Pourquoi llms.txt passe après le reste

Les priorités se lisent dans l'ordre des lecteurs. Plus de 50 % des recherches Google affichent un AI Overview (Squid Impact, 2025). Or Google a déclaré ne pas lire llms.txt pour construire ces réponses. Vos efforts portent donc d'abord sur ce qu'ils lisent : contenu, données structurées, robots.txt et sitemap. llms.txt vient ensuite.

Erreurs courantes

Les erreurs les plus fréquentes viennent d'une confusion avec robots.txt ou d'un fichier publié puis oublié. Le tableau associe chacune à son effet et à sa correction.

Le cas des contenus réservés

Ne pas lister une page payante dans llms.txt ne la protège en rien. Le fichier étant public, n'y mettez ni URL interne, ni préproduction, ni export : la protection passe par l'authentification et, pour les robots IA, par robots.txt.

Checklist de lancement

Avant de considérer le fichier comme publié, passez ces points en revue :

• pages de référence choisies, une URL canonique par sujet ;
• titre H1 et citation de résumé rédigés ;
• descriptions de liens factuelles, sans formule commerciale ;
• section Optional réservée aux liens secondaires ;
• aucune règle ni consigne dans le fichier ;
• cohérence vérifiée avec robots.txt, le sitemap et les balises noindex ;
• réponse HTTP 200 sur /llms.txt, sans redirection, en UTF-8 ;
• cache du CDN purgé après publication ;
• logs serveur surveillés pour repérer les requêtes sur le fichier ;
• date de prochaine relecture fixée.

Selon votre situation

La suite dépend de l'endroit où vous en êtes :

• vous démarrez en GEO : voyez ce qui change quand on passe du SEO au GEO ;
• vos pages de référence manquent de fond : commencez par construire une stratégie éditoriale ;
• vous voulez suivre l'exploration et l'indexation par Google : appuyez-vous sur Google Search Console ;
• vous voulez savoir ce que les moteurs IA retirent de votre balisage : lisez données structurées et GEO ;
• vous voulez mesurer votre présence dans les réponses des IA : faites un audit GEO ;
• vos clients travaillent avec des agents : lisez notre guide sur les agents IA.

Pour contrôler l'ensemble, l'audit GEO & SEO 360 de la plateforme Incremys vérifie que les robots IA accèdent à vos pages de référence, que robots.txt, sitemap et llms.txt sont cohérents, et suit votre présence dans les réponses IA mot-clé par mot-clé.

FAQ

llms.txt est-il obligatoire ?

Non. Aucune règle, aucun moteur ni aucun éditeur de LLM n'impose llms.txt à la date de rédaction. C'est une proposition publiée en septembre 2024, sans valeur de norme. Son absence ne pénalise pas un site. Sa présence ne coûte presque rien et rend service aux outils qui le chargent, à condition que le fichier reste cohérent avec vos pages.

Google lit-il llms.txt ?

Non, à la date de rédaction. Google a déclaré publiquement ne pas utiliser llms.txt, ni pour son moteur de recherche, ni pour AI Overviews et AI Mode. Pour être visible dans Google, travaillez la qualité et la structure de vos pages, vos données structurées, votre robots.txt et votre sitemap. llms.txt ne change rien à ces résultats.

llms.txt remplace-t-il robots.txt ?

Non. robots.txt donne des directives d'exploration que les robots sérieux respectent ; llms.txt est un index de pages de référence, sans valeur de consigne. Les deux fichiers coexistent à la racine du site. Le premier décide de ce que les robots peuvent explorer, le second se contente de signaler les pages les plus utiles à lire.

Peut-on bloquer un robot IA avec llms.txt ?

Non. llms.txt ne bloque rien. Pour empêcher GPTBot, ClaudeBot, PerplexityBot ou un autre robot IA d'explorer tout ou partie du site, il faut une directive dans robots.txt, avec le user-agent concerné. Pour un contenu réservé, l'authentification reste la seule protection réelle. Une ligne « Disallow » écrite dans llms.txt n'a aucun effet.

Quelle différence entre llms.txt et llms-full.txt ?

llms.txt est un index court : un titre, un résumé et des liens commentés vers les pages de référence. llms-full.txt, complément facultatif, contient le texte complet de ces pages, concaténé en Markdown. Le second intéresse surtout les documentations techniques volumineuses ; un site d'entreprise sans documentation de ce type peut se contenter du premier.

Comment savoir si mon llms.txt est lu ?

Consultez vos logs serveur. Filtrez les requêtes sur /llms.txt, puis regardez les user-agents à leur origine et leur fréquence. Un outil d'analyse d'audience classique ne les voit pas, car les robots n'exécutent pas ses scripts. Une requête prouve seulement que le fichier a été téléchargé, pas qu'un modèle s'en sert pour construire ses réponses.

Faut-il un llms.txt par langue ?

Non. Un fichier par site suffit, ou un par hôte si chaque langue a son propre domaine ou sous-domaine. Sur un site multilingue à hôte unique, créez une section par langue dans le même fichier et n'y listez que les pages canoniques de chaque version, en cohérence avec vos balises hreflang.