- [ Accueil ](/fr/) / - [ Blog ](/fr/blog/) / - Dans une étude, les bots IA n'ont pas sondé les llms.txt absents # Dans une étude, les bots IA n'ont pas sondé les llms.txt absents Les logs Ahrefs de mai 2026 livrent un résultat négatif utile : aucun bot IA n'a demandé de llms.txt absent dans cet échantillon. Après publication, il faut encore prévoir sa découverte. Dernière mise à jour: 12 août 2026 ## Le constat Ahrefs a analysé les logs serveur de 137 210 domaines ayant reçu du trafic en mai 2026, puis classé chaque user-agent ayant requêté un chemin `/llms.txt`. Un résultat sort du lot, et ce n’est pas celui du titre. Ils ont isolé les requêtes renvoyant un **404**, c’est-à-dire les cas où un client a demandé un `llms.txt` qui n’existait pas. Dans cet échantillon de mai 2026, la part de ces requêtes provenant de bots IA identifiés est **nulle**. Les fichiers absents attirent 98 % de trafic humain, tandis que les fichiers acceptés attirent 96 % de trafic de bots. Les logs n’établissent pas la motivation de chaque visite humaine. Autrement dit, l’étude n’a observé aucun bot IA sondant un fichier racine absent. C’est un résultat sur ce panel et ce mois, pas la preuve qu’aucun système ne tente jamais cette découverte. Cela remet en perspective le résultat principal de la même étude : **97 % des quelque 38 000 fichiers llms.txt valides recensés n’ont reçu aucune requête** sur le mois, ni de bot ni d’humain. ## Ce que ça change au travail Le modèle mental que la plupart des gens appliquent est celui de `robots.txt` : on pose le fichier à la racine, et les crawlers qui appliquent le protocole d’exclusion connaissent son emplacement standard. Ce protocole est formalisé par la [RFC 9309](https://www.rfc-editor.org/rfc/rfc9309.html), mais il reste une convention de crawler, pas un contrôle d’accès. Cette hypothèse n’est pas sûre pour `llms.txt`. Comme nous le détaillons dans [est-ce que llms.txt fonctionne](/fr/est-ce-que-llms-txt-fonctionne/), la convention a été [proposée par Jeremy Howard chez Answer.AI en septembre 2024](https://www.answer.ai/posts/2024-09-03-llmstxt.html). La [spécification v2](https://llmstxt.org/) définit des relations de découverte et des fichiers propres à un chemin, mais elle n’oblige pas chaque client à les récupérer. Ahrefs n’a observé aucune requête IA spéculative vers un fichier racine absent dans son échantillon. Publier le fichier représente donc à peu près la moitié du travail, et c’est la moitié qui ne produit, à elle seule, aucune récupération. L’autre moitié consiste à faire savoir à un agent que le fichier existe. ## Comment amener les agents jusqu’au fichier Commencez par les mécanismes de découverte définis par la v2, puis ajoutez les routes visibles qui ont du sens. **Déclarez la relation.** Sur une page HTML, ajoutez ` ` pour le fichier applicable et, lorsqu’une version Markdown existe, ` `. Les mêmes relations peuvent être envoyées dans des en-têtes HTTP `Link`. Un fichier situé dans un sous-chemin peut décrire cette section, le chemin le plus précis l’emportant. **Liez-le depuis votre HTML.** Un simple ` ` dans le pied de page ou la navigation de votre documentation place l’URL dans le graphe de liens ordinaire et offre un recours visible. **Mentionnez-le dans votre documentation.** Si votre produit a un site de docs, une page « pour les assistants IA » qui nomme explicitement l’URL donne à un agent de code quelque chose à exploiter quand un développeur l’interroge sur votre API. Ahrefs mesure que les agents IA et leur infrastructure forment la première catégorie IA à récupérer ces fichiers, avec 10,5 % des requêtes, loin devant les bots de récupération pour la recherche IA à 1,1 %. Dans leurs données, Claude-Code en récupère plus que n’importe quel bot de recherche, assistant ou crawler d’entraînement. Ce sont des outils qu’un développeur pointe vers une URL. **Placez-le là où vivent les instructions.** Partout où un utilisateur ou une intégration transmet du contexte à un agent sur votre site, par exemple un README, une page d’onboarding ou la description d’un serveur MCP, nommer l’URL du `llms.txt` crée une route de découverte explicite. Aucun de ces gestes ne touche au fichier lui-même. Si vous n’en avez pas encore écrit, [comment créer llms.txt](/fr/comment-creer/) couvre le format et le déploiement par stack, et le [validateur](/fr/validateur/) le confronte à la spécification. ## Ce qu’il ne faut pas en conclure Deux réserves honnêtes, énoncées par Ahrefs eux-mêmes. Leur population penche vers le technique et le monde SEO, puisqu’elle vient de leurs propres clients analytics. Ils présentent le chiffre de 28 % d’adoption comme une **borne haute**, pas comme un taux valable pour le web entier. Notre propre [panel d’adoption](/fr/adoption-llms-txt/), qui suit une liste fixe d’hôtes notables, mesure autre chose sur une autre population et ne doit pas être comparé directement. Et « récupéré » ne veut pas dire « lu ». Une requête dans un log prouve qu’un client a rapatrié les octets. Elle ne prouve rien sur l’usage qu’un modèle en a fait ensuite. Chaque chiffre de cette étude est donc un plafond de la consommation réelle, pas une estimation de celle-ci. L’enseignement pratique survit aux deux réserves. Si vous publiez un `llms.txt` sans relation déclarée, sans lien ni autre route vers lui, l’échantillon Ahrefs ne donne aucune raison de supposer qu’un agent le découvrira seul. Ajouter un signal de découverte standard est une correction légère et vérifiable. ## Sources - [ Ahrefs, We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read (juin 2026) ](https://ahrefs.com/blog/llmstxt-study/) - [ Chrome for Developers, audits Lighthouse agentic browsing : llms.txt ](https://developer.chrome.com/docs/lighthouse/agentic-browsing/llms-txt) - [ llmstxt.org, la spécification ](https://llmstxt.org/) Sur cette page - [ Le constat ](#le-constat) - [ Ce que ça change au travail ](#ce-que-ca-change) - [ Comment amener les agents jusqu au fichier ](#comment-y-amener) - [ Ce qu'il ne faut pas en conclure ](#ce-qu-il-ne-faut-pas-conclure)