Les 10 erreurs qui rendent un site invisible pour les IA

Dix erreurs peuvent rendre un site invisible pour les IA, et les plus radicales ne touchent pas au contenu mais à l'accès : une case WordPress restée cochée, un fichier robots.txt qui refuse les robots de recherche des IA, un pare-feu qui les bloque, un serveur en erreur, une balise qui interdit l'index ou l'extrait. Viennent ensuite les contenus qu'une machine ne sait pas lire (texte qui dépend de JavaScript, informations enfermées dans des images, pages sans lien) et l'oubli de Bing. Chacune se vérifie en quelques minutes, sans être développeur.

Cet article fait partie de notre guide de la visibilité dans les IA. Chaque erreur s'appuie sur des documents que nous avons ouverts : documentation des éditeurs, standard officiel du robots.txt et, pour JavaScript, une étude tierce. Si votre site est bien placé sur Google mais absent des réponses des assistants, lisez aussi pourquoi un site peut être premier sur Google et invisible dans les IA. Nous avons aussi fait l'exercice sur notre propre site.

Quelles sont les 10 erreurs, en un coup d'œil ?

Vos portes sont-elles fermées aux robots sans que vous le sachiez ?

Erreur 1 : la case WordPress qui demande de ne pas indexer le site

Dans WordPress, l'écran Réglages, puis Lecture, contient une rubrique « Visibilité par les moteurs de recherche » et une case « Demander aux moteurs de recherche de ne pas indexer ce site ». La documentation officielle le dit : depuis la version 5.3, la case cochée ajoute à chaque page une balise noindex et nofollow, c'est-à-dire « ne m'indexez pas, ne suivez pas mes liens ». La même case figure sur l'écran d'installation : cochée pendant la construction du site, oubliée à la mise en ligne, elle suffit.

Comment vérifier : ouvrez Réglages, puis Lecture, et regardez la case. Ou affichez le code source de votre page d'accueil (Ctrl+U dans la plupart des navigateurs) et cherchez « noindex ».

Erreur 2 : un robots.txt qui refuse les robots de recherche des IA

Les éditeurs d'IA séparent leurs robots d'entraînement (qui collectent du contenu pour leurs futurs modèles) et leurs robots de recherche (qui servent à citer des pages dans les réponses). Chez OpenAI comme chez Perplexity, les deux se règlent séparément : bloquer le robot d'entraînement ne retire rien de la recherche, bloquer le robot de recherche, si. OpenAI l'écrit :

Anthropic écrit que désactiver Claude-SearchBot « may reduce your site's visibility and accuracy in user search results » (notre traduction : peut réduire la visibilité et l'exactitude de votre site dans les résultats de recherche des utilisateurs). Perplexity précise que PerplexityBot sert à ses résultats de recherche, pas à l'entraînement. L'erreur typique : copier une liste « pour bloquer les IA » sans distinguer ces rôles, ou laisser « Disallow: / » sous « User-agent: * », ce qui ferme le site à tous les robots qui respectent le fichier et n'ont pas de consigne à leur nom. OpenAI annonce environ 24 heures pour qu'une correction soit prise en compte, Perplexity 24 heures au plus.

Comment vérifier : tapez l'adresse de votre site suivie de /robots.txt dans votre navigateur. Cherchez OAI-SearchBot, Claude-SearchBot et PerplexityBot, et vérifiez qu'aucun n'est suivi de « Disallow: / », pas plus que la ligne « User-agent: * ». Les lignes à écrire selon votre choix sont détaillées dans notre article robots.txt et IA : quelles lignes écrire, et le rôle de chaque robot dans notre guide complet des robots des IA.

Erreur 3 : un pare-feu qui bloque les robots à votre place

Un robots.txt parfait ne sert à rien si une couche de sécurité refuse les robots avant qu'ils ne le lisent. Google le range dans ses bonnes pratiques pour ses fonctionnalités IA : vérifier que l'exploration est autorisée « in robots.txt, and by any CDN or hosting infrastructure » (notre traduction : dans robots.txt, et par tout service de diffusion ou infrastructure d'hébergement). Perplexity écrit que derrière un pare-feu applicatif, il peut être nécessaire de mettre explicitement ses robots en liste blanche.

Cloudflare classe les robots d'IA en trois familles (recherche, agent, entraînement) et permet de bloquer chacune. Sa documentation, mise à jour le 1er juillet 2026, annonçait pour le 15 septembre 2026 de nouveaux réglages par défaut sur les nouveaux domaines (entraînement et agents bloqués sur les pages avec publicité, recherche autorisée), et précisait qu'à partir de cette date, les robots à double usage, recherche et entraînement, seraient bloqués par tout réglage qui bloque l'entraînement. Protéger vos contenus peut donc toucher la recherche (la publication Cloudflare ne bloque pas les robots d'IA partout traite de l'annonce précédente, celle de juillet 2025, et de ce qu'on peut encore en vérifier). Nous détaillons ce piège dans la publication de l'Observatoire sur le blocage que vous n'avez jamais décidé.

Comment vérifier : si votre site passe par Cloudflare, ouvrez les réglages de sécurité consacrés aux robots d'IA (la documentation les nomme « Configure AI bot policies »). Sinon, demandez à votre hébergeur si sa protection anti-robots laisse passer les robots de recherche des IA, et relisez les réglages de votre extension de sécurité.

Erreur 4 : un serveur qui répond par des erreurs

Le standard officiel du fichier robots.txt, la RFC 9309, est net : si le fichier est injoignable à cause d'une erreur serveur, le robot « MUST assume complete disallow » (notre traduction : doit présumer une interdiction totale). Un robots.txt en erreur serveur (codes 500 à 599) ferme donc le site, au moins pendant un temps, aux robots qui suivent le standard. Un fichier simplement absent (erreur 404) n'a pas cet effet : le standard autorise alors l'accès. Pour les pages, Google écrit que les erreurs serveur ralentissent son exploration et que les pages indexées restées en erreur finissent retirées. Ce que font Google et Amazon dans ce cas : notre publication sur le robots.txt en panne.

Comment vérifier : ouvrez votre robots.txt dans le navigateur : vous devez voir du texte, pas une erreur du serveur. La Google Search Console signale aussi les erreurs rencontrées sur vos pages.

Vos pages ont-elles le droit d'être reprises ?

Erreur 5 : une balise noindex sur des pages qui comptent

Pour les Aperçus IA et le Mode IA de Google, la condition est écrite noir sur blanc :

Une page en noindex est hors jeu. La consigne peut venir d'une extension SEO appliquée à tout un type de pages, ou d'un en-tête envoyé par le serveur, invisible dans le code de la page.

Comment vérifier : l'outil d'inspection d'URL de la Google Search Console montre ce que le robot de Google a reçu. À défaut, cherchez « noindex » dans le code source de vos pages importantes.

Erreur 6 : nosnippet ou max-snippet trop restrictifs

La documentation de Google sur les balises robots précise que la consigne nosnippet empêche aussi le contenu d'être utilisé comme entrée directe des Aperçus IA et du Mode IA, et que max-snippet:0 équivaut à nosnippet. L'attribut data-nosnippet, qui retire une partie de page des extraits, a un piège documenté : un bloc mal refermé englobe tout le contenu qui suit dans la page. À l'inverse, des données structurées peuvent lever une limite d'extrait : voir notre publication sur max-snippet et les données structurées.

Comment vérifier : dans le code source, cherchez « nosnippet » et « max-snippet ». Un nombre très bas après max-snippet, ou un data-nosnippet autour d'une grande zone, mérite d'être corrigé.

Une machine peut-elle lire ce que voient vos visiteurs ?

Erreur 7 : un texte qui n'apparaît qu'avec JavaScript

Une étude publiée par Vercel et la société MERJ le 17 décembre 2024 conclut que les robots d'IA d'OpenAI, d'Anthropic, de Meta et de Perplexity n'exécutaient pas JavaScript à ce moment-là, contrairement à ceux de Google et d'Apple. Mesure tierce et datée, peut-être dépassée. Google écrit qu'il calcule généralement le rendu complet des pages avant de les indexer, sans garantie. WordPress fabrique ses pages sur le serveur : le texte de vos articles est en principe dans le code reçu. Le risque vient des blocs chargés après coup, comme des avis, tarifs ou questions fréquentes affichés par un module externe.

Comment vérifier : ouvrez le code source d'une page (Ctrl+U) et cherchez une phrase de ce bloc. Si elle n'y est pas, un robot qui n'exécute pas JavaScript ne la voit pas.

Erreur 8 : des informations clés enfermées dans des images

Parmi ses bonnes pratiques pour les fonctionnalités IA, Google recommande que le contenu important soit disponible en texte. Une grille tarifaire en image, des horaires sur une affiche ou un menu scanné risquent de ne rien dire à une machine qui cherche « combien » ou « à quelle heure ».

Comment vérifier : essayez de sélectionner le texte avec la souris. S'il ne se sélectionne pas, c'est une image : reprenez l'information en texte sur la page, l'image peut rester à côté.

Erreur 9 : des pages importantes qu'aucun lien n'atteint

Google recommande aussi de rendre le contenu facile à trouver par les liens internes du site. Une page atteignable seulement par une publicité ou un courriel reste difficile à découvrir pour un robot.

Comment vérifier : partez de votre page d'accueil et essayez d'atteindre chaque page importante en cliquant uniquement sur des liens du site.

Et si vous n'existiez que pour Google ?

Erreur 10 : oublier Bing

Le 12 février 2026, Jordi Ribas, vice-président de Microsoft chargé de la recherche et de l'IA, écrivait :

C'est une affirmation de Microsoft, pas une mesure indépendante, et le billet ne nomme aucun assistant ; elle suffit à ne pas traiter Bing comme un détail. Le même billet annonce dans Bing Webmaster Tools de premiers indicateurs sur la place d'un contenu dans les réponses générées. Nous analysons cette affirmation dans notre lecture de l'affirmation de Microsoft sur l'index de Bing, et sur la méthode dans comment être cité par Microsoft Copilot et Bing.

Comment vérifier : cherchez le nom de votre entreprise dans Bing. Si votre site n'apparaît pas, inscrivez-le dans Bing Webmaster Tools.

Ne pas avoir de fichier llms.txt, est-ce une erreur ?

Non, pas pour Google, qui l'écrit lui-même dans sa page consacrée à ses fonctionnalités IA :

Le plugin gratuit de Rank Press en crée pourtant un, à côté de données structurées et d'une fiche de marque ; mais aucun fichier de ce type ne compense une des dix erreurs ci-dessus. Pour savoir ce que ce fichier fait et ne fait pas, lisez llms.txt : qu'est-ce que c'est et à quoi ça sert ; pour en activer un sur WordPress, voyez comment le créer sans toucher au code.

Qu'avons-nous trouvé en vérifiant notre propre site ?

Nous avons vérifié le 14 octobre 2026 que le robots.txt de rankpress.com répondait normalement (code 200, texte brut) et autorisait explicitement neuf robots de recherche ou de visite des IA, dont OAI-SearchBot, Claude-SearchBot et PerplexityBot. En nous présentant sous les noms d'OAI-SearchBot, PerplexityBot, ClaudeBot et GPTBot, notre page d'accueil a répondu normalement à chaque fois. Limite : cela prouve que notre serveur ne refuse pas ces noms, pas que les vrais robots passent, puisqu'ils arrivent depuis leurs propres adresses. Le code de cette page contient plus de 1 100 mots lisibles sans exécuter JavaScript, menu compris.

Un détail, enfin, que seul le code source montre : une règle comme « max-snippet » doit être suivie d'un nombre. D'après Google, une règle sans nombre lisible est ignorée : elle ne limite alors rien, ce qui est sans gravité, mais ce n'est pas forcément ce que votre extension voulait écrire. Un regard sur la balise réellement servie suffit à le voir.

Par où commencer ?

Commencez par les erreurs d'accès (1 à 4) : tant qu'une porte est fermée, rien d'autre ne compte. Contrôlez ensuite vos balises (5 et 6) sur vos pages importantes, puis la lisibilité du contenu (7 à 9), et terminez par Bing. Corriger ces erreurs ne garantit aucune citation, car personne ne contrôle les choix des IA ; cela retire les obstacles qui dépendent de vous.