Ce que biencite.fr expose aux IA, et ce qu'il leur refuse

Le site biencite.fr sert dix documents publics destinés aux machines, laisse entrer les robots des assistants de réponse, refuse deux robots dont la fonction est de constituer un corpus d'entraînement, et déclare ses préférences d'usage dans un en-tête HTTP envoyé avec chaque page. Rien de tout cela n'est à croire sur parole : chacune des adresses citées dans cet article s'ouvre dans un navigateur, sans compte et sans outil.

Pourquoi publier l'inventaire de son propre site ?

Un service qui note la visibilité IA des autres sites doit accepter d'être noté à son tour. Biencité vend un diagnostic construit sur 19 signaux répartis en trois axes, Visible, Citable et Agents. Publier ce que notre propre domaine expose est la seule façon de rendre cette promesse vérifiable par un lecteur qui n'a ouvert aucun compte et ne nous doit aucune confiance.

L'exercice a un second usage, plus utile au lecteur qu'à nous : il donne une liste d'adresses à comparer avec les siennes. Ouvrez les mêmes chemins sur votre propre domaine, et regardez lesquels répondent. Une page d'erreur signifie que le document n'existe pas.

Quels documents biencite.fr sert-il aux IA aujourd'hui ?

Le domaine www.biencite.fr répond sur dix adresses destinées aux machines plutôt qu'aux navigateurs. Voici la liste complète, telle qu'elle répondait le 1er septembre 2026.

• /robots.txt : les règles d'accès, robot par robot, avec l'adresse du plan de site.
• /sitemap.xml : le plan de site, régénéré automatiquement, pages françaises et anglaises.
• /llms.txt : le résumé court, environ mille huit cents octets. Ce que fait le produit, pour qui, et ce qu'il ne promet pas.
• /llms-full.txt : le contexte complet, environ dix kilo-octets, régénéré toutes les heures depuis les données du produit.
• /auth.md : le guide d'accès destiné aux agents, en Markdown, qui dit quelle interface est ouverte et à quelles conditions.
• /.well-known/api-catalog : le catalogue des services exposés, au format linkset.
• /.well-known/agent-skills/index.json : l'index des compétences. Une seule aujourd'hui, le scan public, sans authentification.
• /.well-known/mcp/server-card.json : la carte de capacités destinée aux clients MCP.
• /.well-known/oauth-protected-resource : le cadre d'authentification pour agents.
• /.well-known/security.txt : le contact de sécurité et sa date d'expiration.

Une onzième vérification ne porte pas sur une adresse mais sur une négociation. Demandez la page /fr/methode en annonçant que vous préférez du Markdown, et le serveur renvoie une version Markdown de la page au lieu du HTML. C'est ce que le référentiel Biencité appelle « Version lisible par les agents » : le même contenu, débarrassé de la mise en page, pour une machine qui n'a besoin que du texte.

Quels robots laissons-nous entrer, et lesquels refusons-nous ?

Le fichier robots.txt de biencite.fr autorise nommément GPTBot et OAI-SearchBot d'OpenAI, ClaudeBot et anthropic-ai d'Anthropic, ainsi que PerplexityBot, sur l'ensemble du site à l'exception des routes techniques et de l'espace client. Deux robots sont refusés sur la totalité du domaine : CCBot, le collecteur de Common Crawl, et Google-Extended.

L'en-tête HTTP Content-Signal, envoyé avec chaque page, porte la même intention sous une autre forme, lisible par n'importe quel robot : search=yes, ai-input=yes, ai-train=no. Traduit en français : indexez ce site, servez-vous de ses pages pour construire une réponse, n'entraînez pas de modèle avec.

Refuser Google-Extended coûte-t-il des positions dans Google ?

Non, et Google l'écrit dans sa propre documentation : Google-Extended n'affecte pas l'inclusion d'un site dans la recherche Google et n'est pas utilisé comme signal de classement. Ce jeton gouverne l'entraînement des modèles Gemini et leur ancrage sur des sources externes, rien d'autre.

Le refus n'est pas gratuit pour autant, et c'est la partie que le secteur passe sous silence. Google range l'entraînement et l'ancrage sous le même jeton : refuser l'un revient à refuser l'autre. Biencité a accepté ce prix. Une entreprise dont la priorité est d'apparaître dans les réponses de Gemini prendra la décision inverse, et elle aura raison.

Une déclaration de préférences vaut-elle une serrure ?

Non, et l'auteur du format le dit lui-même. Cloudflare, qui a publié la Content Signals Policy le 24 septembre 2025, précise que ces signaux expriment des préférences, qu'ils ne sont pas des contre-mesures techniques contre l'aspiration, et que certaines sociétés peuvent simplement les ignorer.

C'est exactement le sujet de notre article « Votre robots.txt n'est pas une serrure : les robots d'IA passent, et OpenAI l'assume ». Un fichier robots.txt et un en-tête Content-Signal disent ce que vous acceptez ; ils ne l'imposent à personne. Les publier reste utile pour une raison mécanique : les acteurs qui respectent ces préférences ne peuvent le faire que si vous les avez écrites quelque part.

Pourquoi un fichier llms.txt plutôt qu'une page de présentation ?

Parce qu'une page de présentation est construite pour un lecteur humain et qu'un fichier llms.txt est construit pour une machine dont la fenêtre de lecture est limitée. La proposition, publiée par Jeremy Howard le 3 septembre 2024, part d'un constat simple : les pages web sont faites pour des humains, avec navigation, publicité et JavaScript, ce qui rend l'extraction du fond difficile.

L'argument le plus solide en faveur de ce format n'est pas théorique. Les laboratoires d'IA en publient un pour leur propre documentation : OpenAI, Anthropic et Gemini servent chacun un llms.txt, comme le recense le site de la proposition. Celui de biencite.fr tient en une page et dit trois choses : ce que fait le produit, à qui il s'adresse, et ce qu'il ne promet pas.

Que contient la couche destinée aux agents ?

Quatre fichiers, dont un existe surtout pour dire ce qui n'existe pas. Le catalogue de services annonce une seule interface publique, le scan, sans authentification. L'index de compétences décrit cette même interface dans un format qu'un agent lit sans deviner.

Le dernier des quatre, le cadre d'authentification pour agents, déclare une liste de serveurs d'autorisation vide et une note explicite : le scan public ne demande pas de compte, les fonctions de compte exigent une inscription humaine, il n'existe pas d'OAuth pour agents. Un document qui sert à dire « il n'y a rien ici » vaut mieux qu'un document absent : l'agent obtient une réponse claire au lieu d'une erreur à interpréter.

Qu'est-ce que cet inventaire ne prouve pas ?

Il ne prouve aucune citation. Un site parfaitement équipé n'est pas un site cité : c'est un site éligible. C'est la limite que nous répétons dans « Ce qu'un scan de visibilité IA mesure vraiment, et ce qu'il ne mesure pas », et elle vaut pour notre propre domaine autant que pour le vôtre.

Cet inventaire ne prouve pas non plus que ces fichiers sont lus. Biencité mesure ce qu'un site expose ; personne ne mesure ce qu'un moteur en fait ensuite. La méthode publiée sur /fr/methode dit ce que chaque signal vérifie, et un rapport indique toujours combien de signaux ont réellement pu être mesurés, parce qu'un document injoignable sort du calcul au lieu de compter zéro.

Dans quels cas copier ce dispositif ne servirait à rien ?

Dans plus de cas que ce secteur n'aime l'admettre. Une couche de fichiers destinée aux machines organise un contenu existant ; elle n'en fabrique aucun. Quatre situations où l'effort serait mal placé.

• Votre site n'a rien à citer : trois pages commerciales, aucun contenu de fond. Écrivez d'abord, équipez ensuite.
• Personne ne vous cherche : sans notoriété ni mention ailleurs sur le web, un llms.txt impeccable ne déclenchera aucune réponse.
• Votre plateforme verrouille la racine du domaine : une partie de ces documents restera hors de portée, et doit alors être marquée impossible plutôt que comptée contre vous.
• Votre budget a mieux à faire : si vos pages produit sont vides ou votre fiche d'établissement à l'abandon, l'argent va là en premier.