llms.txt : définition, spec, exemples et validation (2026)

Le fichier llms.txt est un fichier Markdown placé à la racine d’un site (votresite.fr/llms.txt) qui indique aux IA quelles pages lire en priorité, sous forme de liens commentés. La spec a été proposée par Jeremy Howard (Answer.AI) en septembre 2024 et soutenue par plusieurs acteurs de l’écosystème (CMS, plateformes de documentation, outils de développement). Le format est strict : titre H1, blockquote optionnel, sections H2 avec listes de liens Markdown. Le llms-full.txt, lui, inline le corpus complet. NEXUS GEO, agence GEO française, vérifie ces deux fichiers dans chacun de ses audits ; leur rédaction et leur déploiement relèvent de la Formule Base.

Définition du fichier llms.txt : la spec de Jeremy Howard

Le standard llms.txt a été publié sur llmstxt.org le 3 septembre 2024 par Jeremy Howard, cofondateur d’Answer.AI et créateur de fastai. L’idée : donner aux LLM un point d’entrée structuré, lisible à la fois par les humains et par les machines, pour comprendre un site sans devoir crawler des milliers de pages. Le nom fait écho au robots.txt, mais l’objectif diffère : il s’agit moins d’indexation au sens SEO que d’aider un modèle à lire votre site au moment où il compose une réponse.

Le format suit cinq règles strictes :

1. Un titre H1 unique (# Nom du projet ou de la marque), obligatoire.
2. Un blockquote optionnel (> résumé en 1-2 phrases), fortement recommandé pour la lisibilité IA.
3. Zéro ou plusieurs paragraphes Markdown libres, informations contextuelles.
4. Zéro ou plusieurs sections H2 contenant des listes de liens Markdown au format `[titre](url): description courte`.
5. Une section facultative `## Optional` qui liste des URLs secondaires que les IA peuvent ignorer si elles manquent de contexte.

Pourquoi le Markdown ? Parce que les LLM lisent le Markdown nativement, sans parsing complexe. Un llms.txt bien construit tient en quelques centaines de lignes et se charge en une seule requête, là où reconstituer la même information depuis un sitemap.xml et des dizaines de pages HTML coûte plusieurs ordres de grandeur de tokens en plus. Pour une IA qui arbitre en permanence son budget de contexte, cette économie joue en votre faveur.

Syntaxe ligne par ligne, chaque caractère compte

1. Le titre H1

Une seule ligne, démarrant par `# `, suivie du nom canonique de votre marque ou projet. Évitez les emojis, les caractères décoratifs et les majuscules excessives. Règle clé : le H1 doit correspondre exactement au nom que vous utilisez partout ailleurs (cohérence d’entité).

2. Le blockquote de résumé

Une à deux phrases factuelles qui décrivent ce que fait le site. C’est souvent cette phrase que l’IA reprend quasi mot pour mot. Règle clé : dites ce que vous faites, pour qui, sans superlatif, restez vérifiable.

3. Les sections H2 avec listes de liens

Chaque section H2 regroupe un type de contenu (pages clés, articles, documentation…). Les liens utilisent le format strict `- [Titre lisible](URL absolue): description en une phrase`. Règle clé : les URLs doivent être absolues, les URLs relatives ne sont pas résolues hors contexte de crawl. Une page pauvre ou ambiguë n’apporte rien, même bien listée : la valeur vient de la page de destination autant que du fichier qui la signale.

llms-full.txt vs llms.txt, quand servir quoi

Le llms.txt est un index, typiquement 100 à 500 lignes. Le llms-full.txt est le corpus complet : il inline le texte de toutes les pages importantes dans un seul fichier Markdown, qui pèse souvent plusieurs centaines de milliers de tokens. Servir les deux est la pratique que NEXUS GEO recommande et applique sur son propre site.

Bonne pratique : générer le llms-full.txt automatiquement à partir de vos contenus, dans votre pipeline de build, plutôt qu’à la main. Vous garantissez ainsi qu’il reste synchronisé avec le site à chaque mise à jour, en suivant l’ordre de priorité de votre sitemap.

3 exemples commentés

Exemple 1. Site SaaS B2B minimaliste

# Acme Analytics

> Acme Analytics est une plateforme d'analytics produit pour les SaaS B2B européens, basée à Paris depuis 2023.

Notre mission : remplacer Mixpanel pour les équipes RGPD-first qui veulent héberger leurs données en France.

## Pages clés

- [Accueil](https://acme.com/): vision produit et démo live
- [Tarifs](https://acme.com/pricing): 3 plans à partir de 99 €/mois
- [Sécurité](https://acme.com/security): conformité ISO 27001, hébergement OVH Gravelines

## Documentation

- [API REST](https://docs.acme.com/api): endpoints, auth, rate limits
- [SDK JavaScript](https://docs.acme.com/sdk-js): installation et events

## Optional

- [Blog](https://acme.com/blog): articles de fond sur l'analytics produit

Exemple 2. Agence de services : le fichier de NEXUS GEO (simplifié)

# NEXUS GEO

> NEXUS GEO est une agence française de Generative Engine Optimization (GEO), spécialisée dans la visibilité des marques sur les IA génératives.

NEXUS GEO mesure et améliore la visibilité des marques sur ChatGPT, Gemini, Perplexity, Mistral et Google AI Overviews.

## Pages importantes

- [Accueil](https://nexus-geo.fr/): présentation de l'approche et des offres
- [Méthodologie](https://nexus-geo.fr/methodologie): comment se déroule un audit GEO
- [Référentiel GEO-47](https://nexus-geo.fr/referentiel-geo-47): 8 piliers, 47 critères, en libre accès

Exemple 3. Marque e-commerce premium

# [Marque e-commerce]

> [Produit, positionnement, canal de distribution.]

## [Collections / Catalogue]

// Variante e-commerce : viennent ensuite le service client et les preuves de confiance, propres à chaque site.

Le premier exemple illustre la spec de base ; le deuxième montre un fichier réel réduit à l’essentiel. Pour la syntaxe complète et les bonnes pratiques de rédaction, voir notre article comment rédiger son llms.txt.

Comment valider votre llms.txt en 3 minutes

Trois vérifications complémentaires, de la plus rapide à la plus rigoureuse :

1. Lint Markdown : ouvrez le fichier dans votre éditeur avec un linter Markdown (markdownlint). Aucune erreur ne doit apparaître, plusieurs H1 ou des URLs nues sont disqualifiants.
2. Test au LLM : collez le contenu dans une IA et demandez « décris ce site en trois phrases ». La réponse doit être précise, factuelle, et employer le vocabulaire que vous voulez voir cité. Si l’IA invente ou s’embrouille, retravaillez les sections.
3. Validateur dédié : notre validateur llms.txt gratuit vérifie la conformité de votre fichier à la spec et signale les écarts à corriger.

Les 5 erreurs les plus fréquentes en 2026

1. Servir le fichier en text/html au lieu de text/plain ou text/markdown : les crawlers stricts l’ignorent.
2. Mettre des URLs relatives au lieu d’URLs absolues, l’IA ne peut pas les résoudre hors contexte de crawl.
3. Oublier le blockquote de résumé : c’est pourtant la phrase la plus souvent reprise telle quelle par les IA.
4. Lister 200 URLs sans hiérarchie, l’IA choisira au hasard ; gardez 5 à 15 liens par section H2.
5. Ne jamais mettre à jour le fichier : un llms.txt qui contredit le site réel détruit la confiance au lieu de la construire.

La syntaxe se règle en quelques minutes. L’essentiel se joue dans les arbitrages éditoriaux, qui dépendent du secteur et du volume de pages : quelles pages mettre en avant, et comment les formuler pour qu’elles soient citables. Le fichier doit aussi raconter la même histoire que votre balisage Schema.org Organization et vos pages.

L’audit GEO de NEXUS GEO. Notre audit GEO passe votre site au crible des 47 critères du référentiel GEO-47, dont la présence, la conformité et la fraîcheur de vos llms.txt et llms-full.txt, avec une grille de citabilité valable pour toutes les IA (ChatGPT, Gemini, Perplexity, Claude, Mistral, Copilot et Google AI Overviews). Voir la méthodologie et les tarifs.

FAQ, llms.txt en 2026

Sources

• Howard J. (« The /llms.txt file ») llmstxt.org, 3 septembre 2024.
• Aggarwal P. et al. (« GEO: Generative Engine Optimization ») Princeton CS, 2024.
• Profound, publications publiques sur l’adoption de llms.txt, tryprofound.com.
• Référentiel GEO-47 : NEXUS GEO, Martin Noale.