llms.txt : le fichier qui guide les agents IA sur un site.

Qu'est-ce que llms.txt ?

llms.txt est un fichier en Markdown placé à la racine d'un domaine (https://exemple.com/llms.txt) qui fournit aux grands modèles de langage une carte courte et curée des pages et ressources les plus utiles du site. Il a été proposé le 3 septembre 2024 par Jeremy Howard, cofondateur d'Answer.AI et de fast.ai, et sa spécification vit sur llmstxt.org. Établi

L'argument d'origine est concret : les fenêtres de contexte des modèles sont étroites par rapport à un site web typique, et convertir des pages HTML (navigation, scripts, publicités) en contenu propre pour un LLM est difficile et imprécis. Plutôt que de laisser un modèle crawler un site entier à chaque question, l'auteur du site lui tend une liste lisible des pages qui comptent. Le choix du Markdown, et non d'un format structuré comme XML, est délibéré : ces fichiers sont d'abord destinés à être lus par des modèles et des agents. La vidéo ci-dessous en donne un aperçu accessible.

Comment c'est structuré

La spécification définit une grammaire minimale, parsable en quelques lignes de code : un seul titre H1 (le nom du projet), un résumé optionnel en bloc de citation, puis des sections H2 contenant des listes de liens, chaque item de la forme - [nom](url) : note. Seul le H1 est strictement requis.

llms.txt, robots.txt, sitemap.xml : trois fichiers, trois rôles

La confusion la plus fréquente consiste à voir llms.txt comme un remplaçant du sitemap ou du robots.txt. Ce sont trois conventions de racine, complémentaires, qui répondent à des questions différentes. Établi

Est-ce que ça marche ? L'état réel en 2026

C'est ici que l'honnêteté épistémique compte. llms.txt est porté par un fort enthousiasme, mais les faits demandent de la nuance. Du côté de l'adoption, plusieurs plateformes de documentation publient le fichier : Anthropic, Cloudflare, Stripe, Mintlify, Vercel, Perplexity. Publier un fichier n'est toutefois pas la même chose que confirmer le consommer côté réception. Émergent

Du côté des moteurs, la position de Google est explicite et répétée. En juin 2025, John Mueller écrivait : « FWIW no AI system currently uses llms.txt » (aucun système d'IA n'utilise llms.txt à ce jour), ajoutant que les logs serveur le montrent : les chatbots récupèrent les pages, pas le fichier llms.txt. Gary Illyes a confirmé que Google ne le crawle pas et n'a pas prévu de le faire, et le guide officiel d'optimisation pour l'IA de Google recommande de l'ignorer pour Search. Établi

En 2026, Mueller a précisé l'argument de fond sur le podcast Search Off the Record : un fichier auto-déclaré ne peut pas aider un LLM à différencier les sites entre eux, puisque chacun peut y affirmer être le meilleur. Pour la découverte, il renvoie aux pages HTML et au maillage interne. Il réserve une exception nette : « si un agent est déjà sur votre site, un système automatisé peut être utile ». La distinction est précieuse : llms.txt relève davantage de la navigation (un annuaire pour l'agent déjà entré) que de la découverte (le choix du site à visiter). Google met d'ailleurs en avant WebMCP pour l'interaction agentique. Émergent

Où llms.txt a de la valeur aujourd'hui

La lecture sobre n'est pas un rejet. llms.txt a des cas d'usage réels, du moment qu'on les nomme pour ce qu'ils sont.

• Le grounding à l'inférence. Quand un utilisateur soumet votre domaine à Claude, ChatGPT, Perplexity ou un pipeline RAG maison, plusieurs de ces outils cherchent /llms.txt en premier. Un fichier curé leur donne les pages sur lesquelles ancrer la réponse, au lieu de ce que le web ouvert remonte.
• Les outils de développement. Cursor, Windsurf et plusieurs intégrations MCP récupèrent explicitement le fichier pour charger une documentation à jour comme contexte.
• Les sites de documentation et d'API. ROI le plus élevé, surtout couplé à /llms-full.txt : un canal propre pour les développeurs et leurs assistants.
• Le bénéfice interne. Écrire le fichier force une équipe à s'accorder sur la dizaine de pages qui représentent vraiment le projet. Cet exercice de curation a, à lui seul, de la valeur.

llms.txt dans le cadre UCP

Situer llms.txt dans le framework en quatre couches évite l'erreur de catégorie. C'est une brique de la couche de découverte, aux côtés du sitemap, du robots.txt et des surfaces d'agent comme agent-card.json. Il relève de la navigation : aider un agent déjà présent à se repérer.

Il ne touche ni à la couche sémantique (rendre la donnée de catalogue machine-adressable, via schema.org), ni à la couche transaction (rendre l'offre achetable par un agent, via UCP ou WebMCP). C'est la limite que pointe le débat actuel : un fichier de découverte indique où regarder, il ne rend pas l'offre récupérable ni transigeable. Pour la lisibilité et la citation du catalogue, c'est le travail de readiness GEO qui compte ; pour l'achat délégué, c'est l'implémentation d'UCP.

Créer et valider son llms.txt

La création est volontairement triviale : un éditeur de texte suffit. Le plus petit fichier valide est un H1 suivi d'une section. Pour la plupart des stacks (Astro, Next.js, Cloudflare Pages), il suffit de déposer le fichier dans le dossier public/ ; il est servi tel quel à /llms.txt en text/plain. La difficulté n'est pas technique, elle est éditoriale : choisir les bonnes pages et garder les URLs à jour.

Questions fréquentes