Est-ce que llms.txt sert réellement à quelque chose ?

Ce qui est établi et ce qui ne l'est pas

La preuve la plus solide est un démenti plutôt qu'un silence. En juin 2025, John Mueller de Google a écrit qu'aucun système d'IA n'utilise actuellement llms.txt, et l'a comparé à la balise meta keywords — une comparaison qui mérite réflexion, car cette balise était largement adoptée, d'une simplicité enfantine et ne servait à rien.

C'est une entreprise qui parle pour ses propres systèmes à un moment donné, et ce n'est pas la même chose qu'une preuve que rien nulle part ne lit le fichier. Mais c'est la déclaration la plus claire qu'un fournisseur ait faite, et elle va à l'encontre de la plupart des conseils écrits.

La convention elle-même est bien spécifiée et d'une simplicité enfantine à satisfaire, c'est pourquoi la recommandation honnête est toujours d'en publier un. Un index généré ne coûte rien à maintenir et ne peut pas nuire. Un projet de trois semaines pour en créer un manuellement consacre du temps réel à un retour non mesuré, alors qu'il existe des retours mesurés disponibles dans le même budget.

Le contre-argument, présenté équitablement

Des pages publiées en 2026 soutiennent que le cadre de Mueller est désormais obsolète, et il serait malhonnête de ne pas le mentionner. Les affirmations que nous avons vues se répartissent en deux groupes, et elles ne sont pas d'égale force.

La preuve par les journaux de crawlers — que les agents demandent le fichier — est la meilleure, car une requête a soit eu lieu, soit non. La preuve par les résultats est là où l'argument s'affaiblit : des chiffres comme « les sites avec llms.txt génèrent deux fois plus de revenus » comparent des sites qui diffèrent d'une douzaine d'autres manières, et la direction de la causalité est précisément ce qui est en jeu. Une boutique suffisamment organisée pour en publier un est également organisée d'autres manières.

Notre position est nuancée. Un crawler qui récupère un fichier n'est pas la même chose qu'un modèle qui l'utilise, et tant qu'un fournisseur ne documente pas le second cas, en ajouter un est un pari peu coûteux plutôt qu'une technique.

Ce que le chiffre d'adoption ne signifie pas

Un taux d'adoption élevé est régulièrement cité comme preuve que le fichier est important. C'est principalement la preuve qu'une plateforme l'a activé. Parmi les boutiques que nous avons trouvées en proposant un, la grande majorité servait un fichier modèle généré pour elles, quasi-identique d'une marque à l'autre.

Ainsi, une statistique d'adoption dans cette catégorie mesure un paramètre par défaut du fournisseur, et non une décision de l'industrie. Toute comparaison qui le traite comme un signal de maturité lit une note de version de plateforme.

L'échec qui compte le plus

Auditer la préparation via ce fichier est là où il induit activement en erreur. Nous l'avons demandé en même temps que le chemin de découverte du commerce par agent sur les mêmes 147 hôtes, et les résultats divergent : douze boutiques qui acceptent un paiement complet par agent publient un fichier qui ne le mentionne jamais, sept d'entre elles ne servant aucun fichier du tout.

Une boutique peut donc être entièrement transigible par un agent et obtenir un score de zéro lors d'un audit llms.txt. Si la question est de savoir ce qu'une machine peut faire avec votre boutique, le fichier est le mauvais endroit où chercher, et le chemin de découverte y répond directement.

Un piège de mesure à connaître

Si vous comptez l'adoption vous-même, vérifiez le content-type plutôt que le code de statut. Un hôte de notre échantillon renvoie HTTP 200 à ce chemin et sert deux mégaoctets de HTML — sa page fourre-tout. Toute enquête comptant les 200 l'enregistre comme un adoptant, et chaque chiffre d'adoption publié de cette manière est gonflé d'un montant inconnu.