Être cité par les moteurs de réponse IA : ce qui est documenté et ce qui ne l'est pas

La documentation Google Search Central consacrée aux AI Overviews (Aperçus IA) et à l'AI Mode (Mode IA) est explicite. Aucune exigence supplémentaire ne conditionne l'apparition dans l'une ou l'autre de ces fonctionnalités, et aucune optimisation particulière n'est nécessaire. Pour pouvoir figurer comme lien de référence, une page doit être indexée et pouvoir s'afficher dans la recherche Google avec un extrait. Le guide d'optimisation de Google ajoute qu'un site doit être inclus dans les fonctionnalités d'IA générative de la recherche dans Search Console pour être éligible.

Google décrit aussi le mécanisme en termes généraux. Ces fonctionnalités reposent sur la génération augmentée par récupération (RAG), qui s'appuie sur les systèmes de classement de la recherche pour récupérer des pages dans l'index, et sur le « query fan-out », par lequel le modèle lance plusieurs recherches connexes sur des sous-thèmes avant de rédiger sa réponse. Les Aperçus IA n'apparaissent que lorsque les systèmes de Google estiment qu'ils apportent quelque chose aux résultats classiques, et Google indique qu'ils ne se déclenchent souvent pas. Le Mode IA et les Aperçus IA peuvent utiliser des modèles différents, de sorte que les liens affichés pour une même question peuvent varier.

En pratique, la visibilité dans les fonctionnalités d'IA de Google repose sur les mêmes fondations que la visibilité dans la recherche classique. Une page qui ne peut pas être explorée, ne peut pas être indexée ou n'est pas autorisée à afficher d'extrait n'est pas éligible.

OpenAI documente des robots d'exploration distincts pour des usages distincts. OAI-SearchBot fait apparaître les sites web dans les fonctionnalités de recherche de ChatGPT, et les sites qui le bloquent ne seront pas affichés dans les réponses de recherche de ChatGPT, même s'ils peuvent encore apparaître sous forme de liens de navigation. GPTBot explore des contenus susceptibles de servir à l'entraînement des modèles de fondation d'OpenAI. Les deux paramètres sont indépendants : un site peut autoriser OAI-SearchBot et refuser GPTBot. ChatGPT-User récupère des pages lorsqu'un utilisateur pose une question à ChatGPT, et OpenAI précise que les règles du fichier robots.txt peuvent ne pas s'appliquer à ces requêtes initiées par l'utilisateur. Selon OpenAI, une modification du robots.txt peut mettre environ 24 heures à se répercuter sur les résultats de recherche.

La documentation de Perplexity suit une logique similaire. PerplexityBot fait apparaître les sites web et renvoie vers eux dans les résultats de recherche de Perplexity et, selon Perplexity, ne sert pas à explorer des contenus destinés aux modèles de fondation d'IA. Perplexity-User récupère des pages en réponse aux questions des utilisateurs et ignore en général le robots.txt. Perplexity conseille également aux propriétaires de sites protégés par un pare-feu applicatif web (WAF) d'ajouter ses plages d'adresses IP publiées à leur liste d'autorisation.

Un risque de défaillance échappe entièrement à l'équipe éditoriale. Une règle de pare-feu ou de CDN rédigée pour arrêter les scrapers peut bloquer OAI-SearchBot ou PerplexityBot sans que personne l'ait décidé. La propre liste de contrôle de Google pour les fonctionnalités d'IA prévoit notamment de s'assurer que l'exploration est autorisée « par tout CDN ou toute infrastructure d'hébergement », ainsi que dans le robots.txt.

Aucun fournisseur ne publie les critères que son système applique pour retenir une source plutôt qu'une autre dans une réponse donnée. Les conseils qui prétendent connaître ces pondérations relèvent de la déduction. Le guide d'optimisation de Google précise qu'aucun outil tiers n'a accès aux systèmes internes de classement ou d'IA de Google, et invite les propriétaires de sites à se méfier des outils qui affirment utiliser des métriques internes de Google.

Le guide aborde aussi llms.txt. llms.txt est une proposition, publiée sur llmstxt.org, de fichier markdown offrant aux modèles de langage une vue d'ensemble organisée d'un site, avec des liens vers des versions épurées de ses pages. Google indique que la recherche Google n'utilise ni llms.txt ni aucun fichier texte similaire destiné à l'IA. En publier un n'aidera ni ne nuira à la visibilité ou au classement dans la recherche Google. La documentation des robots d'OpenAI et de Perplexity ne le mentionne pas. Un site peut tout de même en publier un pour les agents de programmation ou d'autres outils qui le lisent, mais rien de publié ne permet d'y voir un facteur de classement pour l'un des trois moteurs de réponse évoqués ici.

Google énumère d'autres tactiques répandues que les propriétaires de sites peuvent, selon lui, ignorer pour ses fonctionnalités d'IA. Parmi elles : découper les contenus en petits « chunks », réécrire des pages spécialement pour les systèmes d'IA, courir après des mentions artificielles sur le web et ajouter un balisage schema.org spécifique pour l'IA.

Un moteur de réponse qui cite une organisation doit d'abord déterminer de quelle organisation il s'agit. L'exercice se complique lorsque le nom commercial diffère de la dénomination sociale, que le numéro d'immatriculation n'apparaît nulle part sur le site et que les fiches publiées sur les annuaires, les réseaux sociaux et les marketplaces décrivent l'entreprise en des termes différents.

La documentation de Google sur les données structurées Organization décrit un balisage qui aide Google à comprendre les informations administratives d'une organisation et à la distinguer des autres. Les propriétés disponibles comprennent legalName, des liens sameAs vers les profils publiés sur d'autres sites, vatID, taxID et iso6523Code, qui peut contenir un identifiant d'entité juridique (LEI) avec le préfixe 0199. Aucune de ces propriétés n'est obligatoire. Les recommandations de Google sur ses fonctionnalités d'IA apportent deux réserves. Les données structurées doivent correspondre au texte visible sur la page, et elles ne sont pas requises pour la recherche par IA générative. Leur valeur tient à la levée des ambiguïtés, et elles favorisent l'éligibilité aux résultats enrichis.

Le travail n'a rien de spectaculaire. Faites figurer la dénomination sociale, le numéro d'immatriculation et l'adresse du siège social sur le site, en texte brut. Balisez-les de manière cohérente et faites pointer sameAs vers les profils que vous maîtrisez. Tenez à jour les informations de Google Business Profile et, pour les distributeurs, de Merchant Center. Google indique que l'un et l'autre peuvent aider produits et services à apparaître dans ses réponses générées par l'IA.

Définissez délibérément votre politique à l'égard des robots d'exploration. Chez OpenAI, l'accès pour l'entraînement et l'accès pour la recherche se paramètrent séparément, via GPTBot et OAI-SearchBot. Chez Google, le jeton Google-Extended régit l'utilisation pour l'entraînement et l'ancrage des modèles Gemini, et Google affirme qu'il n'a aucun effet sur l'inclusion ni sur le classement dans la recherche Google. Consignez la décision et sa justification pour chaque user agent.

Vérifiez que la politique tient en périphérie du réseau. Examinez les journaux du pare-feu et du CDN à la recherche de requêtes bloquées provenant des user agents et des plages d'adresses IP publiés, et contrôlez le robots.txt avec les jetons documentés par chaque fournisseur.

N'utilisez les contrôles d'extraits que lorsqu'ils servent un objectif. Google considère nosnippet, data-nosnippet, max-snippet et noindex comme les contrôles qui limitent ce qui apparaît d'une page dans la recherche, y compris dans ses fonctionnalités d'IA. Une page qui bloque les extraits se retire aussi de l'éligibilité comme lien de référence.

Mesurez ce qui est mesurable. Google présente le trafic issu des Aperçus IA et du Mode IA dans le rapport Performances de Search Console et propose un rapport de performances dédié à l'IA générative. Suivez les citations dans les autres moteurs en interrogeant un ensemble fixe de questions selon un calendrier fixe, et traitez les résultats comme des observations plutôt que comme un classement.

Donnez aux moteurs quelque chose qui mérite d'être cité. Le guide de Google demande des contenus « non standardisés » fondés sur une expertise de première main. Pour une organisation établie, cela consiste généralement à publier les éléments de preuve, les méthodes et les données précises dont elle dispose déjà, avec l'auteur et la date sur chaque page.