llms.txt

#Définition llms.txt

llms.txt est une convention (non encore un standard W3C officiel) proposée en septembre 2024 par Jeremy Howard (Answer.AI, fast.ai) pour faciliter la compréhension des sites web par les LLMs. Structure : fichier Markdown à la racine du domaine, contenant en-tête H1 (nom du site), description courte, sections H2 par thématique principale, listes de liens Markdown avec description courte de chaque page. Pour approfondir, consultez la page service GEO/AEO Nehos.

Côté implémentation, Format : Markdown standard, encodage UTF-8. Variante /llms-full.txt : même structure mais avec contenu complet de chaque page (texte intégral ou résumé long). Distinction technique fondamentale avec les standards existants : robots.txt est un fichier de directives de crawl (Allow/Disallow) pour les bots — il ne décrit pas le contenu ; sitemap.xml est un index d'URLs pour l'indexation — il ne décrit pas la valeur éditoriale ; llms.txt est un document éditorial pour agents IA — il décrit le contenu, sa structure et ses priorités. Compatible avec tous les LLMs disposant d'un accès web ou d'un pipeline de crawl (ChatGPT via Bing, Perplexity AI, Claude via Anthropic web search, Gemini via Google).

La compréhension fine de llms.txt différencie les équipes qui livrent des résultats de celles qui accumulent de la dette.

#llms.txt expliqué simplement

Imagine que tu envoies un stagiaire très intelligent explorer ton site web, mais il n'a que 5 minutes. Plutôt que de le laisser cliquer au hasard, tu lui donnes d'abord un résumé d'une page : 'Voilà ce qu'on fait, voilà les pages les plus importantes, voilà par où commencer.' C'est exactement le rôle de llms.txt — mais pour les intelligences artificielles (ChatGPT, Perplexity, Claude, Gemini) qui explorent ton site. Sans llms.txt, un LLM qui lit ton site commence souvent par la homepage ou des pages secondaires et peut passer à côté de tes meilleurs contenus. Avec llms.txt, tu lui dis directement : 'Voici qui je suis, voici mes contenus de référence, commence par là.' Résultat : ton site est mieux compris, mieux résumé, et plus souvent cité correctement dans les réponses IA.

Mettez-vous dans la peau d'un décideur qui doit arbitrer vite. La différence entre théorie et terrain ? Les chiffres. Et les chiffres, on les a.

#Cas d'usage concrets

Éditeur de documentation technique (API SaaS B2B) — améliorer la citabilité dans ChatGPT — Création d'un llms.txt décrivant l'API, ses endpoints principaux, les cas d'usage couverts, avec liens vers les 15 pages de doc les plus consultées. En 2 mois : les réponses ChatGPT aux questions techniques sur l'API citent correctement la doc du client dans 73 % des cas testés (vs 41 % avant llms.txt). Les faux positifs (ChatGPT invente des endpoints inexistants) ont baissé de 38 %.

Agence de conseil stratégie IA B2B — visibilité sur Perplexity — llms.txt structurant l'offre de services, les études de cas et les guides. Après déploiement : sur 20 requêtes B2B ciblées testées sur Perplexity, le site est cité dans 8 réponses (vs 2 avant). Augmentation des mentions de marque sur Perplexity mesurée via Brand24 : +64 % en 3 mois.

Media B2B tech — améliorer la représentation du contenu dans les LLMs — Déploiement /llms.txt (résumé 800 mots) + /llms-full.txt (contenu complet des 200 articles les plus lus). Audit après 4 mois sur 50 requêtes sectorielles dans Claude, ChatGPT et Perplexity : le media est cité dans 31 réponses sur 50 (vs 12 sur 50 avant). Trafic direct depuis liens dans réponses IA : +22 % (mesuré via UTM dans les liens du llms.txt).

#llms.txt chez Nehos Groupe

Chez Nehos, on a testé, échoué, ajusté — et documenté les résultats. Sur les 3 derniers projets impliquant llms.txt, on a documenté les résultats avec des KPIs précis. Notre service GEO/AEO Nehos couvre ce périmètre de A à Z.

Chaque mission démarre par un cadrage structuré : objectifs chiffrés, périmètre technique, jalons à 30/60/90 jours. Les résultats mesurés sur nos clients : 3 mois est un ordre de grandeur courant. On livre, on mesure, on itère. Pas de slides sans livrable.

#Termes associés

Ce concept ne vit pas isolé.

• GEO (Generative Engine Optimization)
• AEO (Answer Engine Optimization)
• Speakable Schema
• Schema Markup
• Topical Authority
• Citabilité Score

Explorez chaque définition pour construire une vision complète du sujet.