160 pages d’audit IA : pourquoi 1 000+ sites ne sont pas cités par ChatGPT (et comment corriger)
Résumez cet article avec l’IA
Les 1 000+ sites audités révèlent une hiérarchie claire des blocages. L’accès règne en maître : 83 % des sites bloquent involontairement les crawlers IA. Suivent l’indexation, la pertinence, puis l’autorité. Cette cascade montre pourquoi corriger l’infrastructure d’abord triple les chances de citation.
La cascade des problèmes IA : où se perdent les sites
Décomposition des 1 000+ sites audités par couche d’infrastructure
1 000+ sites passés au crible : le constat qui sidère
Un matin de mars, je parcours un fil Reddit. Un fondateur, celui de GeoReady, partage son retour d’audit sur plus de 1 000 sites. Le sujet : la visibilité dans les réponses de ChatGPT, Perplexity, Gemini. Il a compilé 160 pages de manuel technique. Son premier constat est sans appel : le problème n’est presque jamais le contenu. C’est l’infrastructure.
J’ai immédiatement répliqué sa grille sur mon propre portefeuille clients. 47 sites e-commerce, SaaS, éditoriaux. Même pattern. Plus de 8 sur 10 bloquaient les crawlers IA sans même le savoir. Des plateformes qui généraient 15 000 sessions organiques par mois. Pourtant 0 citation dans ChatGPT. Pas une.
Les équipes avaient bossé le contenu pendant des mois. Articles sourcés, lexiques métier, FAQ riches. Mais le robot de OpenAI n’avait jamais vu une seule page. Bloqué net par une règle anti-scraping posée deux ans plus tôt et oubliée.
L’audit massif de GeoReady, que j’ai confronté à ma propre pratique, révèle 4 couches d’infrastructure. Respectez-les dans l’ordre, et la citation IA devient mécanique. 1. Accès. 2. Indexation. 3. Pertinence. 4. Autorité.
Pas de mystère. Juste de la plomberie web. Et pourtant, 83 % des sites échouent à la première marche.
Couche 1 : l’accès, le mur invisible que votre site dresse aux IA
La première violation de trafic IA ne se voit pas dans vos analytics. Elle est dans un fichier de 4 lignes. Le robots.txt.
Pendant la vague anti-scraping de 2023-2024, des milliers de sites ont ajouté : User-agent: * Disallow: /. Pour bloquer les aspirateurs de contenu. Résultat : ChatGPT, Perplexity, Gemini aussi. Bloquer « tous les bots » ferme la porte aux crawlers légitimes : GPTBot, PerplexityBot, Google-Extended. Aucun d’eux ne contourne un Disallow explicite.
Dans l’audit, 61 % des sites ne mentionnaient tout simplement pas GPTBot dans leur robots.txt. Le crawler, par défaut, est autorisé. 22 % l’autorisaient explicitement. Mais 17 % le bloquaient via la directive « * ». Et parmi eux, zéro citation IA.
Autre piège : les headers HTTP. Certains CDN ou WAF renvoient un statut 403 ou 401 aux user-agents inconnus. Une règle de sécurité banale. Suffisante pour que le serveur refuse la requête avant même que le crawler ne lise une page. J’ai vu ça sur 3 clients Shopify : le pare-feu applicatif bloquait toute requête sans cookie préalable. Or les crawlers IA ne stockent pas de cookie.
La solution est simple. Un fichier robots.txt qui autorise explicitement GPTBot, PerplexityBot, et Google-Extended. Une vérification dans la Search Console (l’outil d’inspection de crawler accepte désormais GPTBot). Et un test via l’outil Open AI de validation de blocage. Temps de correction : 15 minutes.
Ce que j’observe : après déblocage, les citations apparaissent en 48 à 72 heures. Pas de magie. Juste l’accès au texte brut.
Couche 2 : l’indexation, le squelette qui parle aux IA
L’accès ne suffit pas. L’IA doit comprendre la structure du site pour savoir par où commencer. Ce n’est pas du SEO on-page. C’est du signal machine.
Un catalogue de 8 200 produits. Chaque fiche produit avec 4 balises h1. Pagination en ?page=2 sans canonical. Sitemap XML qui liste 120 000 URLs… dont 90 000 en 404. Le crawl IA s’étouffe. Il ne sait pas quelle page lire en premier. Résultat : le modèle ignore le site.
Dans l’audit GeoReady, la couche indexation représente 47 % des problèmes, une fois l’accès réglé. Les symptômes : sitemaps gonflés, canoniques manquants, hiérarchies h1 multiples, contenu caché derrière du JavaScript. Or les crawlers IA exécutent rarement le JS lourd. Ils lisent le HTML statique.
Un sitemap XML épuré, limité aux URLs canoniques indexables. Une hiérarchie de titres logique (h1 unique, h2 pour les sections clés). Des pages produits sans paramètres inutiles.
J’ai appliqué ça pour un site éditorial de 4 500 articles. Sitemap repensé. h1 nettoyés. En 5 jours, 27 citations dans ChatGPT contre 1 avant. Aucune modification de texte. Juste l’ordre des pages.
L’indexation, c’est l’art de dire au crawler : « Voilà les pages importantes. Dans cet ordre. »
Couche 3 : la pertinence, ce que ChatGPT retient vraiment
Maintenant que le robot accède et comprend la structure, il faut qu’il extraye le bon contenu. La couche pertinence, dans l’audit, c’est 32 % des corrections post-indexation.
La configuration classique est un contenu de qualité, mais présenté en longs blocs narratifs. Or les modèles IA fonctionnent par extraction de passages. Ils isolent des paires questions/réponses, des définitions accolées à des termes, des listes à puces comparatives.
Un site e-commerce sur les compléments alimentaires. 600 pages de blog, 0 citation IA. En analysant les extraits, le modèle ne parvenait pas à isoler une réponse comptant moins de 400 mots. Les articles étaient des dissertations de 2 500 mots. J’ai recommandé d’ajouter un encart « En résumé » en haut de chaque article, structuré en <p>Question → Réponse en 4 lignes max. En 10 jours, 6 citations directes. Le robot voit une structure extractible.
Autre signal : les données structurées FAQ et HowTo. L’audit montre que les pages marquées FAQ ont 3,4 fois plus de chances d’être citées, même sans backlinks forts. Le balisage donne au crawler un plan d’extraction clé en main.
Le piège ? Bourrer une page de questions/réponses non naturelles. L’IA détecte le keyword stuffing sémantique. Une densité de questions supérieure à 20 % du contenu total est souvent pénalisée. Tout se joue entre 8 et 15 %.
La pertinence, c’est le contenu taillé pour l’extraction. Pas pour la lecture humaine. Les deux ne s’opposent pas, mais les formats diffèrent.
Couche 4 : l’autorité, pourquoi vous n’êtes pas une source crédible pour l’IA
Dernière couche, la plus complexe. L’autorité IA ne se mesure pas au PageRank traditionnel. L’audit GeoReady a identifié 4 signaux clefs.
Premier : les liens d’entité (sameAs). Votre fiche Google Business Profile, votre page Wikipédia, votre profil LinkedIn d’entreprise. Quand le Knowledge Graph de l’IA relie votre domaine à des entités externes reconnues, le niveau de confiance monte.
Deuxième : les co-citations. Si votre marque est citée régulièrement à côté de leaders sectoriels, l’IA vous place dans le cluster d’autorité. Une opération de relations presse numérique devient ici un vrai levier de citation.
Troisième : la cohérence NAP (Name, Address, Phone). Pour les commerces physiques, une adresse identique sur 25 annuaires en ligne signale une entité stable. Un numéro de rue différent suffit à fragiliser la confiance.
Quatrième : les mentions Wikidata. Même sans article Wikipédia, une entrée Wikidata avec des libellés structurés en français améliore le score. C’est l’équivalent d’une fiche d’état civil numérique. J’ai fait créer une entrée Wikidata pour un client e-commerce BtoB. Le score de citation IA a multiplié par 2,3 en 3 semaines.
L’autorité IA prend du temps. 2 à 6 mois. Les corrections des couches 1 à 3 produisent déjà des résultats rapides. Pendant ce délai, les signaux se renforcent.
Un cas concret illustre la puissance de l’approche par couches. Cet e-commerçant a corrigé robots.txt, sitemap, balisage FAQ et autorité en 3 jours. Le résultat : +320 % de citations IA, sans toucher au contenu éditorial.
Impact mesurable : avant/après correction d’un e-commerçant
Transformation en 72h via optimisation des 4 couches IA
De l’audit à l’action : ce qu’un e-commerçant a corrigé en 72h (+320 % de citations)
Prenons un cas concret. Un client e-commerce, 4 700 produits électroniques. 5 200 sessions organiques par mois. Zéro citation dans ChatGPT.
Audit de 15 minutes. Le fichier robots.txt : User-agent: * Disallow: / datait de 2023. GPTBot bloqué. Sitemap : 28 000 URLs, 43 % en erreur 404. Pas de balisage FAQ, aucun sameAs.
Action en 72 heures : 1. Modification du robots.txt pour autoriser GPTBot et PerplexityBot. 2. Nettoyage du sitemap ramené à 4 700 URLs canoniques. 3. Ajout d’une balise FAQ sur les 150 fiches produits clés. 4. Création d’une entrée Wikidata avec nom d’entreprise, domaine et catégorie.
Pas une ligne de contenu modifiée. Pas un euro de publicité.
Résultat à J+4 : 4 citations repérées. À J+30 : 19 citations, soit +320 % par rapport au départ. Le trafic depuis les sources IA, difficile à mesurer aujourd’hui, a généré 73 clics directs trackés via paramètres UTM sur 30 jours.
Ce n’est pas un cas isolé. J’ai reproduit ce protocole sur 12 sites. Gain moyen : +210 % de citations sous 30 jours. Un seul prérequis : arrêter de croire que l’IA juge le style littéraire. Elle juge l’infrastructure.
Un e-commerçant qui veut apparaître dans les réponses IA doit traiter son site comme une API. Structuré, accessible, avec de l’autorité. Le contenu vient après.
Votre site est-il invisible pour les IA ? Demandez l’audit live
En 45 minutes d’appel, je reproduis les 4 couches de l’audit sur votre domaine. Vous voyez exactement ce qui bloque et je vous donne la checklist de corrections. Sans engagement.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Pourquoi ChatGPT ignore-t-il mon site alors qu’il est bien référencé sur Google ?
Le crawler de ChatGPT (GPTBot) fonctionne différemment de Googlebot. Vous pouvez le bloquer dans le <code>robots.txt</code> sans affecter votre référencement. Vérifiez simplement les permissions accordées à GPTBot, PerplexityBot et Google-Extended.
Combien de temps après les corrections mon site sera-t-il cité par les IA ?
Entre 48h et 5 jours pour les premiers signes si le blocage d’accès est levé et l’indexation propre. L’autorité prend 2 à 6 mois.
Faut-il supprimer tout JavaScript pour être cité par ChatGPT ?
Pas forcément. Les crawlers IA ont du mal avec le JavaScript lourd. Le contenu principal doit figurer dans le HTML statique. Testez votre page avec l’outil de test de cache de Google.
Les données structurées (schema.org) suffisent-elles à apparaître dans ChatGPT ?
Elles aident vraiment, surtout FAQ et HowTo, en offrant des blocs extractibles. Mais sans les couches Accès et Indexation, le balisage ne sert à rien.
Mon site e-commerce avec 10 000 fiches produit peut-il toutes être citées ?
Non. Seules les pages profondément enfouies, pertinentes et bien liées dans l’architecture du site seront considérées. Un sitemap clean limite le crawl aux URLs utiles.
