Pourquoi les IA ne citent pas ton site

Dans la quasi-totalité des cas, ce n'est pas parce que tu bloques les robots. Sur 589 sites français réellement scannés, l'accès des robots d'IA (ceux de ChatGPT, Claude ou Perplexity) est acquis à 98 %.

Le manque est éditorial : 58 % de tout ce que ces sites perdent vient d'une seule vérification, l'absence de matière citable. Pas de chiffres, pas de listes, pas de sources, pas de citations. C'est ce que les moteurs génératifs reprennent, et c'est précisément ce qui manque.

Comment c'est mesuré, et ce que ça vaut

Les domaines ont été cherchés secteur par secteur et ville par ville, pour couvrir large plutôt que pour confirmer quoi que ce soit : 79 secteurs distincts et 64 communes, du plombier de Saint-Brieuc au quotidien régional, de la boutique en ligne nationale au gîte de la route des vins. Tous ont été scannés le même jour, 5 septembre 2026, avec le barème v4 de production, celui dont la grille est publiée.

Sur 665 adresses, 589 ont pu être notées. Les autres se répartissent en 39 injoignables, 20 refusées par un pare-feu anti-robot et 17 refus explicites du serveur.

Chaque site est noté sur sa page d'accueil, sans scan approfondi. C'est la seule page que tous les sites possèdent, donc la seule qui se compare d'un site à l'autre ; c'est aussi la plus liée depuis l'extérieur, et la première qu'un robot lit quand il cherche qui tu es.

Ce n'est pas un tirage aléatoire du web français, et je préfère l'écrire que le laisser croire. Les domaines viennent de résultats de recherche web, secteur par secteur et ville par ville, ce qui sur-représente les sites qui rankent déjà : un site qu'on trouve en cherchant est un site déjà mieux tenu que la moyenne. Autrement dit, le web français réel est probablement moins bon que les chiffres ci-dessous. Le biais joue en faveur de la thèse plutôt que contre elle, ce qui est la seule raison pour laquelle je m'autorise à le publier tel quel.

Le corpus contient aussi 163 sites alsaciens sur 20 communes, parce que c'est chez moi et que je peux en parler sans généraliser. J'ai vérifié si la région se distingue : médiane 82 contre 82 pour le reste de la France, et l'écart n'est pas significatif (le test est en bas de page). L'Alsace n'est ni meilleure ni pire, et il n'y a pas de classement régional à tirer de ce banc.

Les noms des sites ne sont pas publiés. Ce sont des entreprises tierces qui n'ont pas demandé à figurer dans une étude.

Ce que le référencement IA vend, et que la mesure ne trouve pas

Le référencement IA, ou GEO (Generative Engine Optimization), se vend aujourd'hui autour de trois promesses : débloquer les robots dans le robots.txt, poser un fichier llms.txt, ajouter du schema.org. Sur ce banc, la première ne trouve presque rien à réparer.

La vérification B1, qui vaut 8 points et mesure si les robots de réponse peuvent lire la page, n'est en défaut que sur 27 sites sur 589, soit 5 %. Et sur ces 27 sites, 16 sont des titres de presse : ce ne sont pas des erreurs de configuration, ce sont des décisions éditoriales.

Toute la catégorie qui traite de l'accès des robots obtient 98 % des points en jeu, et seulement 4 sites sur 589 (1 %) déclenchent un plafond éliminatoire. Autrement dit : si tu crains d'avoir fermé la porte aux IA sans le savoir, c'est statistiquement le problème le moins probable.

Ce n'est une question ni de métier ni de moyens

Le déficit est massif, mais il n'est pas une fatalité de secteur, et c'est la bonne nouvelle du banc. 28 sites obtiennent la totalité des points de la vérification de citabilité sans bloquer un seul robot. Aucun n'est un média.

• une librairie strasbourgeoise, 73 sur 100.
• un serrurier niçois, 92 sur 100.
• un graphiste indépendant parisien, 100 sur 100.

Plus largement, sur les 39 sites du corpus qui ont réellement de la matière citable, 29 ne bloquent absolument rien (74 %). Écrire des pages reprenables et laisser les robots entrer ne sont pas deux stratégies opposées : ce sont deux choses indépendantes, et la grande majorité de ceux qui réussissent la première n'ont jamais touché à la seconde.

Où les points se perdent vraiment

Sur les 8140 points perdus par l'échantillon, voici la répartition réelle. Une seule ligne écrase toutes les autres.

D9 pèse 14 points et manque à 549 sites sur 589 (93 %). À lui seul il représente 58 % du déficit total. La catégorie qui l'héberge, le contenu citable et la structure, est la seule à passer sous la barre : 56 % des points obtenus, quand les trois autres sont à 82 % ou plus.

Ce que l'outil signale, chaque fois, est la même chose : la page ne contient aucun chiffre concret, aucune liste ou tableau substantiel, aucun lien vers une source externe, aucune citation. Elle est parfaitement lisible. Elle n'a simplement rien à reprendre.

Un contrôle, pour vérifier que ce check mesure bien quelque chose de réel : la presse quotidienne est la seule famille du banc qui produise du contenu éditorial par métier, et elle ne perd que 17 % des points de cette vérification, contre 57 % pour tout le reste. Si le check n'avait pas vu la différence, c'est lui qu'il aurait fallu suspecter.

Et ce n'est pas une intuition de barème. Le travail universitaire de référence sur le sujet mesure +30 à 40 % de visibilité dans les réponses des IA pour les pages qui contiennent des statistiques, des sources citées et des verbatims d'experts. Mon banc mesure le déficit, l'étude mesure le gain : les deux pointent le même levier par deux chemins indépendants.

« Through rigorous evaluation, we demonstrate that GEO can boost visibility by up to 40% in generative engine responses. »

En français« Une évaluation rigoureuse démontre que le GEO peut augmenter la visibilité jusqu'à 40 % dans les réponses des moteurs génératifs. »

Source : Étude Princeton · GEO, KDD 2024

Quels métiers sont les moins lisibles par les IA

À 589 sites, les écarts entre secteurs deviennent lisibles. Ne sont listés ici que les secteurs comptant au moins huit sites notés : en dessous, un secteur peut afficher 100 % de sites sans contenu citable sans rien prouver.

Les architectes ferment la marche, et de loin : médiane 73, 100 % sans contenu citable, et deux des 4 plafonds éliminatoires du banc. C'est cohérent avec la culture du métier, qui montre des images et parle peu. Le paradoxe est qu'un projet d'architecture est précisément le genre de sujet sur lequel une IA voudrait citer des surfaces, des matériaux, des dates et un maître d'ouvrage.

Les 8 métiers dont l'échantillon atteint quinze sites ont leur propre page : chiffres détaillés, ce qui coince et quoi faire. Voir la lisibilité par les IA, métier par métier.

Le JavaScript : réel, mais cinq fois plus petit

Le deuxième défaut de la liste est celui dont on parle le plus : du contenu qui n'existe pas dans le HTML brut, donc invisible pour des robots qui n'exécutent aucun JavaScript. C'est vrai, c'est le check le plus lourd du barème (20 points), et il touche 81 sites sur 589.

Mais il ne pèse que 8 % du déficit, soit cinq fois moins que le manque de matière citable. Le cas extrême de l'échantillon existe pourtant bien : une page d'accueil qui sert zéro caractère de texte en HTML brut. Score obtenu : 30. Un robot d'IA y voit une page blanche.

Source : Vercel · mesure du rendu JavaScript par les robots d'IA

La bonne nouvelle : une médiane de 82 sur 100

Le score médian de l'échantillon est de 82 sur 100, pour une moyenne de 80.5. Les scores vont de 30 à 100.

La plupart des sites mesurés ne sont donc pas illisibles par les IA. Ce constat va contre l'intérêt commercial de tout le secteur, le mien compris : il est plus facile de vendre une urgence qu'un ajustement. Mais un outil qui te dit que tout va mal quand tout va plutôt bien ne sert à rien, et se démonte au premier contrôle.

La conséquence pratique est ailleurs : si ton score technique est déjà bon et qu'aucune IA ne te cite, ce n'est plus un chantier technique. C'est un chantier de contenu, puis de notoriété. La page méthode le dit chiffres à l'appui : les facteurs les mieux corrélés à la visibilité dans les IA se jouent hors de ton site.

Ce que le banc voit mais ne note pas

Quatre fondations sont contrôlées à part et ne comptent jamais dans le score, parce qu'elles ne disent rien de la lisibilité par une IA. Elles restent instructives sur l'état réel du parc.

• En-têtes de sécurité : 418 sites sur 589 en alerte (71 %).
• Mentions légales : 94 sites sur 589 en alerte (16 %).
• Temps de réponse : 11 sites sur 589 en alerte (2 %).
• HTTPS : 2 sites sur 589 en alerte (0 %).

Les en-têtes de sécurité manquent presque partout. C'est un vrai défaut, ce n'est pas celui-là qui t'empêche d'être cité, et le barème refuse de mélanger les deux.

Les limites de ce banc, sans habillage

La sélection n'est pas aléatoire et le biais est écrit plus haut. Les mesures datent d'un seul jour et un site peut changer la semaine suivante. Le barème est le mien, et c'est lui qui décide de ce qui compte comme « citable », raison pour laquelle il est publié en entier plutôt que résumé.

Le banc ne voit que la page d'accueil. Un site peut garder sa matière citable ailleurs, sur un blog ou des pages métier, que cette mesure ne compte pas : sur ce point précis, le taux de sites « sans contenu citable » est un majorant. Ce que le barème demande à une page d'accueil n'est pas d'être un article : des chiffres concrets, une liste, une source suffisent, et la section du dessus montre que des artisans obtiennent le maximum sur cette même page.

Deux détails de méthode, pour qui veut refaire le calcul. 23 sites ne répondaient que sur leur adresse en www, leur certificat ne couvrant pas le domaine nu : ils sont mesurés là, sans quoi le banc aurait annoncé 62 injoignables au lieu de 39. Et l'absence d'écart alsacien est établie par un test de permutation sur 10 000 rebrassages des étiquettes, qui donne p = 1 sur la médiane et p = 0,07 sur le taux de contenu citable.

Une correction, enfin, parce qu'elle a vécu quelques heures sur cette page. Une version précédente affirmait que les seuls sites français qui ont du contenu citable sont ceux qui interdisent aux IA de le lire. C'était faux, et le banc lui-même le démontre : 29 des 39 sites citables ne bloquent rien du tout. La phrase confondait aussi corrélation et cause : la presse bloque parce qu'une réponse d'IA remplace la visite qui la finance, et elle a du contenu citable parce qu'elle fait du journalisme. Les deux viennent du métier, pas l'un de l'autre.

En revanche, une critique est tombée : celle de la taille. La première version de cette page portait sur 35 sites et promettait de rejouer la mesure sur un corpus plus large. C'est fait, et le résultat est le plus intéressant de tout le banc : l'échantillon a été multiplié par dix-sept sans déplacer la conclusion. L'accès des robots donnait 98 % sur 35 sites, il donne 98 % sur 589. Le contenu citable pesait 52 % du déficit, il en pèse 58 %. Une thèse qui survit à ça n'était pas un artefact de petit échantillon.

Reprends les chiffres

Les agrégats de ce banc sont téléchargeables, sous licence CC BY 4.0 : reprise libre, y compris commerciale, à condition de citer luparlia.fr. Le banc en CSV (tableur) ou en JSON (machine). Médiane et part de sites sans matière citable par secteur, taux par catégorie du barème, poids de chaque déficit.

Ce qui ne s'y trouve pas, et ne s'y trouvera pas : la liste des sites mesurés. Ce sont des entreprises qui n'ont pas demandé à figurer dans une étude publique, et un banc ne devient pas plus solide en les nommant.

Teste ton site

Dix secondes, sans inscription. Tu obtiens le détail vérification par vérification, dont D9, avec ce qui manque précisément à ta page.

Ces chiffres sont libres de reprise (licence CC BY 4.0), à condition de citer la source et la date : « Luparlia, banc de 589 sites français, 5 septembre 2026, luparlia.fr ». La liste des sites mesurés, elle, n'est pas publiée : ce sont des entreprises qui n'ont pas demandé à figurer dans une étude.

Banc mesuré le 5 septembre 2026 · 589 sites · barème v4 · La grille complète