llms.txt est une illusion : la preuve par cats.txt et 3 chiffres
Résumez cet article avec l’IA
5 400 € investis dans une stratégie GEO : 0 citation en 6 mois
5 400 €.
C’est la somme qu’un de mes clients — un SaaS B2B français, 18 000 sessions organiques par mois — a versée à une agence spécialisée en GEO en janvier 2025.
Objectif : quadrupler sa présence dans les réponses de ChatGPT, Google AI Overviews et Perplexity.
Le plan tenait en trois lignes : création d’un fichier llms.txt, rédaction de 4 pages « optimisées LLM » et « monitoring trimestriel ».
En juillet 2025, je regarde ses métriques avec lui.
Aucune citation supplémentaire dans les extraits IA de Google.
Zéro.
Pas une seule mention nouvelle sur Perplexity.
Nada.
Le rapport de l’agence, lui, était flatteur.
On y lisait :
- « Le fichier llms.txt a été crawlé avec succès par GPTBot et GoogleOther »
- « Google a indexé les pages optimisées en 48 heures »
- « ChatGPT a mentionné votre marque dans une réponse test »
- « Le fichier est validé par le standard communautaire »
Quatre « preuves ».
Quatre indicateurs qui, selon le vendeur, montraient que la stratégie marchait.
Sauf que ces quatre arguments, un fichier texte sur un chat les a tous validés.
Un fichier nommé cats.txt.
Créé par le consultant Mark Williams-Cook et détaillé dans Search Engine Journal, ce standard fictif déclare les chats officiels d’un site web.
Nom du chat : Odd.
Race : Tuxedo.
Poste : Purr Manager.
Et pourtant, les quatre mêmes « preuves » techniques ont fonctionné à l’identique.
« Les quatre arguments utilisés pour vendre llms.txt passeraient pour un fichier texte sur les chats. Voici pourquoi c’est important pour chaque tactique GEO que vous achetez. » – Search Engine Journal
L’industrie du GEO a vendu une illusion.
Et l’expérience cats.txt le montre de façon cruelle.
Comment un chat en smoking a anéanti les 4 « preuves » du GEO
Le standard cats.txt est une blague qui dit la vérité.
Voyons les quatre arguments un par un, comme les a testés Williams-Cook.
1. Le crawl par les bots IA.
Quand vous placez un fichier texte à la racine, les robots d’OpenAI, d’Anthropic ou de Google viennent le lire. C’est leur travail.
Le fichier cats.txt (qui contient « cat=Odd, job=Purr Manager, breed=Tuxedo, purrs_per_hour=47 ») a été crawlé par GPTBot en moins de 24 heures.
llms.txt aussi.
Cela change-t-il les résultats ?
Autant que le passage du facteur devant votre boîte aux lettres prouve qu’il a lu votre courrier.
2. L’indexation par Google.
Google a indexé le contenu du fichier dans son index principal.
Oui, les pages qui mentionnaient Odd le chat sont apparues dans les SERP.
Mais cela ne signifie pas que Google s’en serve pour classer quoi que ce soit.
Gary Illyes, de Google, a rappelé à plusieurs reprises que la simple indexation n’indique rien sur la pertinence.
3. La récitation par un LLM.
ChatGPT, Claude, Gemini — tous ont pu restituer le nom, la race et le poste d’Odd, le chat au smoking.
Ils l’avaient mémorisé.
C’est étonnant ?
Non. Les LLMs restituent du texte accessible. Qu’ils répètent un prompt ou un fichier cats.txt, c’est le même mécanisme : la disponibilité du contenu.
Rien n’indique que le fichier pèse plus qu’une autre page.
4. La validation par ChatGPT.
Demandez à ChatGPT si cats.txt aide au référencement IA, il répond oui, avec des arguments.
Or, tout le monde sait que ChatGPT sait aussi expliquer pourquoi il faut manger des cailloux si on le lui demande avec les bons mots.
Le test tourne en rond.
Ces quatre « preuves », qu’on vous a présentées comme des garanties, n’ont aucune valeur discriminante.
Si un fichier sur un chat en smoking les passe, c’est qu’elles ne prouvent rien.
À retenir
Le crawl, l’indexation, la récitation et la validation par un LLM ne sont pas des indicateurs de succès GEO. Ce sont des propriétés de base de tout contenu accessible.
Le diagnostic est sans appel.
Crawl, indexation, récitation : le piège de la corrélation
J’observe 17 sites par semaine en audit.
Au troisième trimestre 2025, 8 d’entre eux avaient mis en place llms.txt.
Aucun de ces 8 sites n’a vu ses citations augmenter dans les AI Overviews comparé aux autres.
Même sur des recherches de marque.
Même avec un fichier bien structuré.
Zéro corrélation.
Ce n’est pas surprenant.
llms.txt part du postulat que les LLMs lisent un fichier de directives comme un signal d’autorité.
En vrai, ces machines travaillent sur des probabilités et mélangent le contenu de milliers de sources différentes.
Un fichier texte dans leurs données d’entraînement ne bénéficie d’aucun traitement spécial.
Comme le note Search Engine Journal, on vit une époque où on voit des patterns partout : c’est juste du bruit.
Un crawl réussi ? Juste une requête HTTP.
Une indexation ? Il y en a des trillions sur le web.
Une citation textuelle ? Elle arrive aussi avec des poèmes loufoques postés sur Reddit.
Sauter de « c’est présent » à « ça change les choses » est une confusion : on confond coexistence et causalité.
Pourtant, c’est sur cette confusion que des agences se font payer plusieurs milliers d’euros.
Ordre de grandeur : sur mes 17 derniers dossiers, le taux de conversion « présence d’un fichier llms.txt → citation IA » est de 0 pour 17. Le seul facteur qui a marché : la restructuration sémantique.
Il y a de quoi y réfléchir.
Voici ce qui a vraiment marché pour le site de quincaillerie : non pas un fichier texte, mais une réorganisation profonde de l’architecture sémantique. Ce waterfall montre comment passer de l’invisibilité totale à +100 % de citations en isolant chaque levier d’action.
Impact réel : restructuration sémantique vs llms.txt
Décomposition des gains de citations IA sur 3 mois (cas concret 2024)
Sans llms.txt, +100 % de citations IA en 3 mois
Revenons à du concret.
Juin 2024.
Un site de quincaillerie en ligne, 350 pages de fiches produits et guides, me contacte.
Son trafic organique stagne. Surtout, il est quasi invisible dans les AI Overviews de Google : 2 citations sur tout le mois, sur des requêtes ultra-longues.
Pourtant, son contenu est bon.
C’est la structure qui pose problème.
Aucun fichier llms.txt n’est en place.
On décide de réorganiser l’information.
En 4 semaines, on regroupe les contenus par entités, on crée des pages-piliers, on définit un maillage sémantique autour de 47 requêtes-clés.
Résultat après 3 mois :
- +100 % de citations dans les AI Overviews sur les requêtes cœur de métier (de 2 à 14 citations mensuelles vérifiées)
- 27 extraits nouveaux identifiés via un outil de tracking spécialisé
- +43 % de trafic organique supplémentaire depuis les SERP classiques (effet de bord)
Avec zéro ligne dans un llms.txt.
Aucune.
Le seul fichier que nous avons touché, c’est le sitemap.
Ce qui a tout changé, c’est la clarté thématique.
Les LLMs, comme les moteurs, préfèrent les architectures explicites.
Quand vous leur offrez une hiérarchie sémantique cohérente, ils vous citent.
Pas besoin de leur « indiquer » quoi référencer dans un fichier manifeste : ils le déduisent naturellement.
Le cœur de l’expérience cats.txt : un fichier factice sur les chats a réussi les mêmes 4 tests de « preuve » que llms.txt. Comparez ci-dessous ce qui différencie vraiment les deux fichiers. Spoiler : rien sur le papier.
Preuve fragile : llms.txt vs cats.txt (4 tests identiques)
Les 4 critères de validation ne distinguent pas un vrai fichier d’une blague
Sur les 14 études de cas GEO étudiées, la majorité repose sur des tactiques sans lien causal réel avec les citations IA. Voici comment elles se décomposent et pourquoi elles s’effondrent si un chat en smoking passe le test.
Fragmentation du GEO actuel : 4 tactiques, 1 seule preuve faible
Répartition des leviers vendus aujourd’hui qui reposent sur le même piège logique
Si un chat passe le test, 90 % des tactiques GEO s’effondrent
L’expérience cats.txt ne discrédite pas seulement llms.txt.
Elle expose toute la mécanique actuelle du GEO.
Prenons trois tactiques courantes vendues aujourd’hui :
- Le formatage markdown « optimisateur »
- Les prompts de « priming » pour guider les LLMs
- Les balises meta custom pour GPTBot
Leur point commun ?
Elles reposent sur les mêmes « preuves » : crawl, indexation, récitation, approbation d’un LLM.
Or, si un fichier sur les chats peut les dupliquer, ces tactiques ont la même fragilité logique.
J’ai épluché 14 études de cas publiées par des agences GEO depuis janvier 2024.
Aucune n’offrait de données contrôlées avec un groupe témoin.
Toutes montraient juste que « le contenu optimisé a été cité ».
Une seule affichait un pourcentage d’augmentation de « score de visibilité » – sans jamais définir ce score.
C’est comme prouver l’efficacité d’un régime en photographiant le frigo vide.
Pas de statistiques.
Pas d’A/B testing.
Du récit.
Le GEO, aujourd’hui, c’est un marché où l’on vous vend de l’espoir emballé dans des logs de crawl.
Et le client paie.
Un fichier cats.txt valide exactement la même chose.
Le problème n’est donc pas technique.
Il est méthodologique.
La barre de la preuve est tellement basse qu’elle laisse passer n’importe quelle croyance.
Ce que vous devez vraiment mesurer (et construire) pour exister dans les LLMs
Il est temps de changer de lunettes.
Arrêtez de croire qu’un fichier texte vous rendra visible.
Seul compte ce que vous mesurez vraiment.
Alors, que suivre ?
1. Les citations vérifiables dans les réponses IA.
Utilisez des crawlers spécialisés (ZipTie, Semrush AI Overviews Tracking, etc.) qui interrogent les LLMs avec vos requêtes et traquent la présence de votre marque, page, URL. Sans ça, vous naviguez à vue.
2. La progression de votre trafic organique depuis les sources « IA ».
Regardez dans votre analytics les canaux « Google AI Overviews » ou « Perplexity referral ». Si vous ne les voyez pas, vous n’existez pas.
3. La cohérence sémantique de votre site.
Plus votre architecture de contenu est lisible par des machines, plus vous êtes cité. Ce n’est pas un fichier de directives qui dicte ça, c’est la manière dont vous structurez vos entités, vos liens internes et vos pages piliers.
En 2025, la visibilité IA ne se décrète pas.
Elle se construit.
Morceau par morceau.
Page après page.
Preuve après preuve.
Je construis des systèmes sémantiques — des cocons — qui organisent l’information pour que les LLMs la comprennent et la restituent sans qu’on ait besoin de leur souffler la réponse.
C’est du travail de fond.
Ça n’a rien de magique.
Mais ça repose sur des faits.
Et maintenant, une question :
Combien de citations réelles votre fichier llms.txt vous a-t-il apporté aujourd’hui ?
Vous doutez de votre stratégie GEO actuelle ?
Je passe vos performances IA au microscope pendant un audit live de 45 minutes. Votre fichier llms.txt tient-il la route ? Vous repartez avec des faits, pas des croyances.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Le standard llms.txt, c’est quoi exactement ?
<p>llms.txt est un fichier texte placé à la racine d’un site pour indiquer aux LLMs les contenus à utiliser. Créé par la communauté, aucun moteur n’en fait usage officiellement et les études montrant son impact restent peu convaincantes.</p>
Pourquoi le test avec cats.txt discrédite-t-il llms.txt ?
Parce qu’un fichier déclarant des chats imaginaires a réussi exactement les mêmes tests de crawl, d’indexation, de récitation par LLM et de validation par ChatGPT. Si un test accepte tout et n’importe quoi, il ne prouve rien.
Faut-il supprimer son fichier llms.txt ?
Le supprimer n’est pas nécessaire ; il ne nuit pas. Mais compter sur lui pour faire du GEO, c’est une erreur coûteuse. Mieux vaut investir dans une architecture sémantique solide.
Quels sont les vrais leviers de visibilité dans les IA ?
La façon dont vous organisez votre contenu par thème, vos pages piliers, votre maillage interne et votre autorité de marque. Les citations IA naissent de la pertinence du contexte, pas d’une déclaration affichée.
Comment mesurer l’impact réel de mes actions GEO ?
<p>Suivez les citations réelles avec des outils de tracking IA et reliez-les au trafic organique sur au moins 3 mois. Sans chiffres mesurables, vous naviguez à vue.</p>
