Audit technique AI Search : la checklist des 4 contrôles clés
Résumez cet article avec l’IA
Un audit technique pour l’AI Search, ça contrôle quoi exactement ?
90 minutes. 1 site. 1 audit en direct.
Le mercredi 4 novembre 2026, de 12 h à 13 h 30 (heure de la côte Est des États-Unis, soit 18 h à Paris), Loren Baker et Vahan Petrosyan auditent en direct le site d’un participant, choisi parmi ceux qui ont été soumis. L’événement est organisé par Search Engine Journal. Son titre : « Live Website Audit: SEO Fixes for AI Search Visibility in 2027 ».
Nous sommes le 30 octobre. L’audit n’a pas encore eu lieu. Je ne vais donc pas inventer ses conclusions. Plutôt ceci : ce que la source annonce, complété par ce que j’observe chez mes clients e-commerce, pour que vous puissiez comparer votre propre audit à celui qui sera diffusé.
Selon SEJ, un audit technique moderne contrôle quatre familles : la crawlabilité, le contenu rendu, les réponses serveur et les règles robots.txt susceptibles de bloquer Googlebot ou les crawlers IA. Chaque constat nomme le problème, explique son impact sur la visibilité et propose un correctif.
| Famille | La question à poser | La preuve à collecter |
|---|---|---|
| Crawlabilité | Un robot peut-il atteindre mes pages clés ? | Logs serveur, test de requêtes |
| Contenu rendu | Le robot reçoit-il le même contenu que le visiteur ? | HTML brut comparé au rendu |
| Réponses serveur | Quel code HTTP reçoit chaque crawler ? | Codes de statut par user-agent |
| Règles robots.txt | Une règle obsolète ferme-t-elle une porte utile ? | Lecture ligne par ligne du fichier |
Le webinaire annonce aussi trois apprentissages. Vérifier ce que reçoivent visiteurs, Google et crawlers IA, réglages serveur et règles dépassées compris. Séparer les problèmes qui touchent classements, trafic ou demandes commerciales des alertes qui ne changent rien. Hiérarchiser les correctifs selon l’impact business et le temps de développement disponible.
Le point clé : un audit pour l’AI Search n’est pas un nouveau métier — c’est l’audit technique bien fait, avec d’autres visiteurs à la porte. Un robot doit pouvoir arriver, lire le code, le comprendre. Qu’il s’appelle Googlebot ou GPTBot, la mécanique de base reste la même.
La source ne publie aucun chiffre d’impact. Je reste donc sur le mécanisme plutôt que sur des promesses de pourcentage. Quelle famille de contrôle votre dernier audit a-t-il vraiment couverte ?
Contrôle 1 : votre page dit-elle la même chose à tous ses visiteurs ?
Un dirigeant e-commerce ouvre sa fiche produit dans son navigateur. Prix, stock, avis, description : tout est là. Il en conclut que tout va bien.
Le robot, lui, reçoit parfois une coquille. Observé chez mes clients sur des boutiques à thèmes très riches en JavaScript : le bloc d’avis, le tableau de caractéristiques ou même le prix se chargent après coup. Le navigateur affiche tout. La réponse HTML brute, presque rien.
Googlebot sait rendre le JavaScript, avec un délai. Pour les crawlers IA, la question se pose crawler par crawler. La source place en tête la comparaison entre ce que reçoivent les visiteurs, Google et les crawlers IA. Inutile de supposer. Trois gestes suffisent pour tester.
- Le HTML brut. Affichez le code source de la page (pas l’inspecteur) et cherchez une phrase unique de la description, le prix, la marque.
- Le rendu. Comparez avec le DOM rendu ou avec l’outil d’inspection d’URL de la Search Console.
- Le crawler. Simulez une requête avec le user-agent d’un crawler IA et comparez la réponse.
curl -s -A 'GPTBot' https://votre-site.fr/fiche-produit | grep -i 'prix'Si la commande ne renvoie rien alors que le navigateur affiche le prix, le robot ne lit pas votre prix. Diagnostic posé en dix secondes. Attention toutefois : cette simulation teste la réaction du serveur à un nom de user-agent, pas à l’adresse IP réelle d’un crawler. Le contrôle 2 revient sur cette nuance.
Auditez par gabarit, pas par URL. Cinq gabarits suffisent pour une boutique : accueil, catégorie, fiche produit, article de blog, page de contact. Un défaut sur un gabarit se répercute sur toutes les pages qui l’utilisent. Un correctif sur un gabarit aussi.
| Élément à vérifier | Dans le HTML brut ? | Dans le rendu ? | Verdict |
|---|---|---|---|
| Titre H1 | À remplir | À remplir | À remplir |
| Prix et disponibilité | À remplir | À remplir | À remplir |
| Avis clients | À remplir | À remplir | À remplir |
| Tableau de caractéristiques | À remplir | À remplir | À remplir |
| Liens vers catégories liées | À remplir | À remplir | À remplir |
Ce diagnostic. La livraison du contenu compte autant que sa qualité. Un excellent texte que le robot ne reçoit pas vaut un texte jamais écrit.
Contrôle 2 : qui frappe à la porte, et qui l’ouvre ?
Un fichier robots.txt ressemble à un grenier. Une règle posée en préproduction. Une autre héritée d’un ancien plugin. Une troisième ajoutée un soir où un scraper saturait le serveur. Personne ne relit l’ensemble.
On parle exactement de cela : les règles obsolètes (« outdated rules ») qui peuvent bloquer l’accès à Googlebot ou aux crawlers IA. C’est une lecture ligne par ligne, avec une question simple : cette règle sert-elle encore le business ?
Listez les user-agents présents et ceux qui manquent : Googlebot, Bingbot, GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, PerplexityBot, Google-Extended. Chaque éditeur parle de ses propres crawlers. Vérifiez la page officielle de chacun, car les noms et les rôles changent.
Une distinction importe. Ces jetons ne servent pas tous au même usage. Certains concernent l’entraînement des modèles. D’autres alimentent la recherche et les citations. D’autres encore correspondent à un utilisateur qui demande à un assistant de lire votre page. Selon la documentation de Google, Google-Extended contrôle l’usage de votre contenu pour ses modèles Gemini et n’influence pas la présence dans la recherche Google. Autoriser chaque usage, ou non, c’est une décision métier. Pas un réflexe technique.
| Couche | Où regarder | Piège fréquent |
|---|---|---|
| robots.txt | /robots.txt | Disallow: / hérité de la préproduction, règle trop large sur un dossier catalogue |
| Meta robots et X-Robots-Tag | Balises et en-têtes HTTP | noindex oublié sur un gabarit après une refonte |
| Pare-feu et CDN | Tableau de bord de sécurité | Règle anti-bot qui renvoie un 403 aux crawlers malgré un robots.txt ouvert |
| Mur de cookies ou de connexion | Rendu côté crawler | Contenu masqué derrière une fenêtre de consentement |
La troisième couche est la plus insidieuse. Le robots.txt dit oui. Le pare-feu dit non. Le robot repart sans un mot, et vos statistiques habituelles n’en gardent aucune trace. Seuls les logs serveur le révèlent. C’est le contrôle qui suit.
C’est courant chez les e-commerçants : une protection anti-bot activée après une vague de scraping, puis jamais revérifiée. Des crawlers légitimes traités en intrus. Il suffit d’une liste de crawlers autorisés, vérifiés selon la méthode que chaque éditeur indique. On ouvre aux bons. On garde la porte fermée aux autres.
Question pour votre prochain point technique. Votre robots.txt a-t-il été relu depuis la dernière refonte ? Et qui, dans votre équipe, connaît les règles du pare-feu ?
Contrôle 3 : que répond votre serveur quand un robot demande une page ?
Un robot ne lit pas votre site. Il envoie des requêtes et reçoit des codes. 200, 301, 404, 503. La conversation entière se joue là, avant même le premier mot de votre contenu.
La source place les « server responses » parmi les quatre familles du contrôle. J’applique cette grille en premier, page par page, sur les gabarits identifiés au contrôle 1.
| Code | Usage correct | Signal d’alerte |
|---|---|---|
| 200 | Page vivante avec contenu | Page vide ou « produit introuvable » servie en 200 (soft 404) |
| 301 | Redirection définitive, en une étape | Chaîne de plusieurs redirections, boucle |
| 404 ou 410 | Page réellement disparue | Page encore liée dans le menu ou le sitemap |
| 503 + Retry-After | Maintenance temporaire annoncée | Erreur 5xx répétée sur des pages qui vendent |
| 403 ou 429 | Protection ciblée contre des robots indésirables | Même réponse renvoyée à des crawlers légitimes |
Un robot qui reçoit des erreurs répétées espace ses visites. Un robot qui reçoit une page propre en une étape revient plus volontiers. Le mécanisme est simple. Le résultat se lit dans les logs.
Les logs serveur sont la pièce maîtresse de cet audit. Ils racontent qui vient réellement, quelles pages il demande et ce qu’il reçoit. Filtrez par user-agent : Googlebot, Bingbot, puis les crawlers IA listés au contrôle précédent. Trois questions suffisent.
- Quels crawlers viennent, et lesquels n’apparaissent jamais ?
- Quelles sections reçoivent leurs requêtes : fiches produits qui vendent, ou pages de filtres et de paramètres ?
- Quels codes reçoivent-ils sur les pages qui génèrent du chiffre d’affaires ?
Observé chez mes clients sur de gros catalogues : une part visible de l’attention des robots se perd sur des combinaisons de filtres et de paramètres, pendant que des fiches produits stratégiques reçoivent peu de visites. Je ne donne pas de pourcentage, il varie d’un site à l’autre et seuls vos logs le diront. Mais le schéma se répète. Le problème n’est pas la quantité de pages. C’est la direction dans laquelle on pousse les robots.
Le correctif suit la logique inverse : réduire le bruit, clarifier le chemin. Liens internes vers les pages qui comptent, paramètres inutiles écartés, sitemap limité aux URL qui répondent en 200. Chaque code propre est un petit gain de confiance accumulé.
Vos logs ont-ils été consultés une seule fois depuis l’an dernier ?
Contrôle 4 : une machine comprend-elle qui vous êtes et ce que vous vendez ?
Un robot a reçu votre page, le code est un 200, le contenu est présent dans le HTML. Reste une question : comprend-il de quoi la page parle, et à quelle autre page elle se rattache ?
La source parle de « rendered content » et d’« AI-readiness ». Traduction terrain : le contenu rendu doit être lisible, cohérent et situé dans un ensemble. Je contrôle ces points sur chaque gabarit :
- Un seul titre et H1 par page, formulé comme le client le cherche.
- Une URL canonical par contenu, sans contradiction avec le sitemap.
- Dans le sitemap, uniquement des URL qui répondent en 200, avec des dates de modification fiables.
- Les données structurées (Product, Offer, Organization) doivent être cohérentes avec ce que la page affiche. Si le balisage annonce un prix que la page ne montre pas, la machine reçoit deux versions de la vérité.
- Chaque page importante reçoit des liens depuis des pages thématiquement proches (maillage interne).
- Pas de pages orphelines : aucune page utile ne doit rester sans lien entrant.
Les trois derniers points relèvent de l’architecture. C’est mon terrain. Je construis des cocons sémantiques depuis 2016, 1 300+ livrés, et le même constat revient d’un site à l’autre : un robot comprend mieux une page quand il la voit entourée de pages qui répondent aux questions voisines. Le contexte fait partie du contenu.
Prenons un catalogue de produits techniques. Chaque fiche décrit son produit. Aucune ne renvoie vers le guide d’achat qui explique comment choisir, et le guide ne renvoie vers aucune fiche. Pour le visiteur, un site en deux morceaux. Pour une machine qui cherche à citer une source complète, deux îlots sans pont. Le relier ne demande pas de produire une seule page de plus.
Contre-intuitif assumé. Les modes se succèdent : fichiers dédiés aux IA, balisages exotiques, formats inédits. La source n’annonce aucune astuce de ce genre. Elle liste des fondations : accès, rendu, serveur, règles. À mon avis, c’est là que se gagne la visibilité, bien avant la dernière nouveauté à la mode.
Un dernier contrôle rapide. Choisissez votre page produit la plus rentable. Cherchez qui y mène, depuis quelles pages, avec quel texte de lien. Puis cherchez où elle mène. Si la réponse tient en « le menu et rien d’autre », vous avez trouvé votre premier chantier.
Combien de vos pages qui vendent n’ont qu’un seul lien entrant ?
Comment séparer les vrais problèmes des alertes qui n’inquiètent que l’outil ?
Un outil d’audit génère des listes interminables. Des lignes rouges, orange, jaunes. Le dirigeant les reçoit en PDF, compte les rouges et panique, ou passe à autre chose. Dans les deux cas, rien ne bouge.
D’où l’enjeu : distinguer ce qui affecte classements, trafic ou demandes commerciales de ce qui ne « fait mauvais effet » que dans un outil. Puis hiérarchiser selon l’impact métier et le temps qu’on peut y consacrer. Voici la grille que je recommande, en trois niveaux.
| Priorité | Critère | Exemples | Effort de développement |
|---|---|---|---|
| P1 | Bloque l’accès aux pages qui génèrent du chiffre | Disallow sur le catalogue, 403 aux crawlers, prix absent du HTML brut | Souvent quelques heures |
| P2 | Dilue ou brouille les signaux | Chaînes de redirections, sitemap avec URL en erreur, canonicals contradictoires | De quelques heures à quelques jours |
| P3 | Confort ou hygiène | Titre légèrement long, alt manquant sur une image décorative | À planifier avec le reste |
La colonne « effort » ne sort d’aucun outil. Elle se remplit avec le développeur, en vingt minutes de discussion. C’est la colonne qui transforme un rapport en plan d’action.
Chaque constat suit le même format : problème, impact, correctif. Un exemple rédigé :
Problème : le tableau de caractéristiques des fiches produits est chargé en JavaScript et n’apparaît pas dans le HTML brut.
Impact : les robots qui ne rendent pas le JavaScript ne lisent pas les spécifications techniques, soit l’information qui répond aux questions précises des acheteurs.
Correctif : générer le tableau côté serveur dans le HTML initial. Effort : à chiffrer avec le développeur. Priorité : P1.
Trois lignes. Un décideur comprend, arbitre, signe. Un rapport de quarante pages sans cette structure n’aboutit à aucune décision.
La règle d’arbitrage. Un correctif qui prend dix minutes et débloque une famille de pages passe avant un chantier de trois mois dont l’impact reste incertain. Gagner du temps d’abord, construire ensuite.
Ce qui surprend : un bon audit est court. Quand tout est prioritaire, rien ne l’est. Un audit de qualité se reconnaît à ce qu’il refuse de faire tout de suite.
Si vous deviez retirer 80 % des lignes de votre dernier rapport, lesquelles resteraient ?
Votre audit en 90 minutes : comment l’appliquer dès cette semaine ?
Le webinaire de SEJ dure 90 minutes. Le format est un bon repère pour votre propre audit de premier niveau. Vous pouvez poser ce déroulé dans un agenda, seul ou avec votre développeur.
| Créneau | Contrôle | Livrable |
|---|---|---|
| 0 à 15 min | Choisir 5 gabarits et 1 page qui vend le plus | Liste d’URL de référence |
| 15 à 35 min | Contrôle 1 : HTML brut contre rendu | Tableau de présence par élément |
| 35 à 55 min | Contrôle 2 : robots.txt, balises, pare-feu | Liste des règles à supprimer ou ajuster |
| 55 à 75 min | Contrôle 3 : codes de réponse et logs | Crawlers présents et absents |
| 75 à 90 min | Contrôle 4 et priorisation P1, P2, P3 | Constats au format problème, impact, correctif |
Ce déroulé ne remplace pas une analyse approfondie des logs ni une revue de code. Il donne une photo nette en une séance. Et cette photo vous protège contre l’audit qui ne regarde que la surface.
Le 4 novembre, regardez le webinaire avec cette grille. Notez ce que Loren Baker et Vahan Petrosyan vérifient en premier, dans quel ordre, et comment ils formulent leurs constats. Comparez avec votre propre liste. Les écarts sont vos angles morts.
Pour un dirigeant e-commerce, trois questions à poser à votre agence ou à votre développeur dès cette semaine :
- Quels crawlers apparaissent dans nos logs, et lesquels n’y apparaissent jamais ?
- Nos fiches produits affichent-elles prix, stock et avis dans le HTML brut ?
- Quand a-t-on relu pour la dernière fois le robots.txt et les règles du pare-feu ?
Si les réponses arrivent en quelques minutes, tout est en ordre. Si elles demandent trois semaines de recherche, vous venez de trouver le sujet : personne n’observe ce qui se passe à la porte.
Je ne vous vends pas la méthode. Je vous montre les pages. Un audit sert à cela : mettre sous les yeux de la direction ce que les robots reçoivent, page par page, avec les correctifs classés par impact.
Et chez vous, qui regarde aujourd’hui ce que reçoivent Googlebot et GPTBot quand ils demandent votre meilleure fiche produit ?
Faites auditer votre site pour l’AI Search
Le premier échange est un audit en direct : ce que reçoivent Google et les crawlers IA sur vos pages clés, ce qui bloque l’accès, et vos correctifs classés par impact business.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Quand a lieu l’audit en direct de SEJ et qui l’anime ?
Le mercredi 4 novembre 2026, de 12 h à 13 h 30 heure de l’Est (18 h à Paris). Loren Baker et Vahan Petrosyan auditent en direct un site choisi parmi ceux soumis par les participants.
Que contrôle un audit technique pour l’AI Search ?
Selon SEJ, quatre familles bloquent Googlebot ou les crawlers IA : crawlabilité, contenu rendu, réponses serveur et règles robots.txt. Chaque constat décrit le problème, son impact et le correctif.
Comment vérifier qu’un crawler IA lit mon prix et mes avis ?
Comparez le HTML brut (code source) au rendu, puis simulez une requête avec le user-agent du crawler via curl. Si le prix manque dans la réponse brute, c’est du JavaScript qui l’ajoute : à corriger en premier.
Faut-il autoriser tous les crawlers IA dans le robots.txt ?
Pas forcément. L’entraînement des modèles est distinct de la recherche à la demande, comme de la lecture. Chaque éditeur documenté ces usages. Décidez usage par usage, puis vérifiez que le pare-feu applique la même règle.
Comment prioriser les correctifs issus d’un audit ?
Classez par impact commercial, puis par temps de développement. P1 : ce qui bloque l’accès aux pages qui génèrent du chiffre. P3 : les alertes d’outil sans effet sur classements, trafic ou ventes.

