Faire auditer son site par un agent IA : retour d'expérience

La méthode : ce que l'agent analyse

Notre agent d'audit combine plusieurs couches d'analyse :

Couche technique : vitesse de chargement, Core Web Vitals, structure des URLs, balises meta, données structurées (Schema.org), fichiers robots.txt et llms.txt.

Couche contenu : profondeur des pages, densité sémantique, clarté de la proposition de valeur, preuves sociales visibles.

Couche GEO : est-ce que le site serait cité correctement par un LLM ? L'agent simule des requêtes ChatGPT et Perplexity sur des sujets liés à l'entreprise et vérifie si le site apparaît et si la description est juste.

Couche conversion : CTAs visibles, parcours utilisateur, friction à l'inscription ou au contact.

Pour chaque dimension, l'agent produit un score sur 100 et une liste de recommandations priorisées par effort/impact.

Les 5 problèmes les plus fréquents

1. Aucun fichier llms.txt (13 sites sur 15) : Les LLMs ne savent pas précisément ce que fait l'entreprise. Quand on demande à ChatGPT de décrire ces PME, les réponses sont vagues ou inexactes pour 9 d'entre elles.

2. Schema.org absent ou incomplet (12 sur 15) : Les données structurées permettent aux moteurs de recherche ET aux LLMs de comprendre qui vous êtes, ce que vous faites, où vous êtes. Sans elles, vous dépendez de l'interprétation des algorithmes.

3. Proposition de valeur enterrée (10 sur 15) : En 5 secondes sur la homepage, on ne comprend pas exactement ce que fait l'entreprise et pour qui. L'IA a le même problème.

4. Aucune preuve chiffrée visible (9 sur 15) : Les LLMs citent plus facilement des entreprises qui ont des données factuelles accessibles (« -40% de coûts », « 500 clients »). Ces sites n'en avaient pas.

5. Pages de contenu trop courtes (8 sur 15) : Des pages services de 200 mots ne donnent pas assez de substance aux LLMs pour construire une réponse fiable. La profondeur de contenu est devenue un signal GEO fort.

Le cas le plus frappant

Une PME industrielle de 45 personnes. Site refait en 2024 par une agence, 15 000€ de budget. Beau visuellement. Score technique correct.

Mais : aucun llms.txt, aucune donnée structurée, proposition de valeur floue (« Votre partenaire de confiance depuis 1987 »), aucun chiffre sur les résultats clients.

Quand on demande à ChatGPT « qui sont les spécialistes en [leur secteur] en Auvergne-Rhône-Alpes », leur concurrent direct - site moins beau, budget moitié moindre - apparaît en premier. Parce que ce concurrent a un llms.txt, des cas clients chiffrés, et des pages de 800 mots sur chaque service.

En 6 heures de travail on a corrigé les points critiques (llms.txt, Schema.org, une page de cas client, reformulation de la headline). Score GEO : de 31/100 à 74/100.

Les quick wins universels

Trois actions que toute PME peut faire cette semaine :

1. Créer un llms.txt : 1 à 2 heures. Impact immédiat sur la façon dont les LLMs vous décrivent. (Voir notre guide dédié.)

2. Ajouter Schema.org Organization : Quelques lignes de JSON-LD dans le head de votre site. Décrit précisément votre entreprise, secteur, fondation, contacts, réseaux sociaux.

3. Ajouter un chiffre fort sur votre homepage : Pas un chiffre vague (« +30 ans d'expérience »), un résultat client quantifié (« Nos clients réduisent leur temps de traitement de 60% en moyenne »). Ce genre de donnée est exactement ce que les LLMs utilisent pour répondre aux requêtes comparatives.