Vous posez à ChatGPT une question à laquelle votre site répond mieux que quiconque. Trois concurrents sont cités. Vous, nulle part. Le réflexe est de penser au contenu, ou au classement Google. Dans la plupart des cas, le problème est en amont : la machine n'a jamais lu la page. Voici les cinq causes d'exclusion documentées, de la plus fréquente à la plus discrète, et ce que chacune produit concrètement.
En bref :
- Un assistant IA ne classe pas les sites, il lit des pages. Ce qu'il n'a pas pu lire n'entre dans aucune réponse, quel que soit votre classement.
- La mesure publique de référence, faite par Vercel en décembre 2024, montre qu'aucun des grands robots IA n'exécute le JavaScript. Un site dont le texte apparaît seulement après le chargement des scripts leur renvoie une page vide.
- Depuis le 1er juillet 2025, Cloudflare bloque les robots IA par défaut, et sa documentation annonce un nouveau jeu de réglages par défaut au 15 septembre 2026. Des milliers de PME n'ont jamais pris cette décision, elle a été prise pour elles.
- Un pare-feu qui écarte un robot inconnu produit exactement le même silence qu'un blocage volontaire : aucune alerte, aucun rapport, aucune ligne dans Search Console.
- Statbel compte 9 entreprises belges sur 10 équipées d'un site. Être en ligne n'a jamais garanti d'être lisible par une machine.
« Invisible » ne veut pas dire « mal classé »
Un moteur de recherche classique vous montre un classement. Vous y êtes ou vous n'y êtes pas, mais vous pouvez le vérifier en trente secondes. Un assistant IA, lui, fabrique un texte à partir de quelques pages qu'il a récupérées, puis affiche une poignée de liens de soutien. Le mécanisme complet est détaillé dans notre article sur la façon dont les IA choisissent les sources qu'elles citent.
Ce qui compte ici, c'est la conséquence. Entre votre serveur et la réponse affichée, il y a une chaîne de conditions techniques. Si une seule casse, votre entreprise n'est pas mal placée : elle n'existe pas dans le jeu. Google le formule sans détour dans sa documentation sur l'optimisation pour les fonctionnalités IA : pour maximiser la visibilité dans ses fonctionnalités génératives, il faut s'assurer que le contenu soit explorable, parce que ces modèles s'appuient sur du contenu public et accessible aux robots pour produire des réponses ancrées.
La différence avec le référencement classique est là. Un mauvais classement se voit dans un outil. Une exclusion technique ne se voit nulle part.
Cause 1 : votre page n'existe que si le JavaScript tourne
C'est la cause la plus fréquente, et la plus coûteuse à corriger après coup.
Beaucoup de sites modernes envoient au navigateur un squelette presque vide, puis remplissent le texte avec du JavaScript une fois la page ouverte. Pour un visiteur humain, la différence est invisible : il voit du texte. Pour un robot qui n'exécute pas ce JavaScript, la page est un cadre sans contenu.
Vercel, l'un des grands hébergeurs de sites web, a mesuré le comportement réel de ces robots sur son réseau et publié ses résultats en décembre 2024. Le constat est net : aucun des principaux robots IA n'effectue le rendu JavaScript. La liste nommée dans l'étude couvre les trois robots d'OpenAI, celui d'Anthropic, celui de Perplexity, ceux de Meta et de ByteDance, et le robot de Common Crawl qui alimente une partie des jeux d'entraînement. Détail parlant : ces robots téléchargent bel et bien les fichiers JavaScript, 11,50 % des requêtes côté ChatGPT et 23,84 % côté Claude, mais ne les exécutent pas. Ils les traitent comme du texte, pas comme des instructions.
Deux exceptions figurent dans la même mesure. Gemini s'appuie sur l'infrastructure de Googlebot et bénéficie donc du rendu complet. AppleBot passe par un robot qui charge la page comme un navigateur. Autrement dit, le même site peut être parfaitement lisible pour Google et totalement muet pour ChatGPT et Perplexity. C'est le scénario qui déroute le plus de dirigeants : premier sur Google, absent partout ailleurs.
Cette mesure a maintenant vingt mois, et il faut le dire clairement. Aucune réplication publique de même ampleur n'a été publiée depuis. Ce qui reste vrai en août 2026, en revanche, est vérifiable page par page : aucun des éditeurs cités ne revendique l'exécution du JavaScript pour son robot de recherche dans sa documentation. Google est le seul à écrire noir sur blanc qu'il sait traiter le contenu situé dans le JavaScript, tant qu'il n'est pas bloqué, tout en prévenant que travailler le référencement d'un site à base de frameworks JavaScript est plus complexe qu'ailleurs.
Une nuance utile, souvent perdue dans les raccourcis : ce qui compte n'est pas la technologie du site mais ce que contient la première réponse du serveur. L'étude Vercel le précise, du contenu inclus dans cette réponse initiale reste exploitable même s'il n'est pas du HTML classique. Un site construit avec un framework moderne peut donc être parfaitement lisible, à condition que le texte parte du serveur déjà écrit.
Ouvrez une de vos pages importantes et affichez le code source d'origine, pas l'inspecteur. Si vos prix, vos délais et votre zone d'intervention n'apparaissent pas dans ce code, ils n'existent pas pour ChatGPT, Claude ou Perplexity. Ils existent pour Google et pour vos visiteurs.
Cause 2 : votre protection écarte le robot, et personne ne vous prévient
Un pare-feu applicatif fait son travail en écartant ce qu'il ne reconnaît pas. Le résultat est une disparition silencieuse.
Les opérateurs de moteurs génératifs sont explicites sur ce point, chacun de son côté. Perplexity consacre une section entière de sa documentation sur ses robots à la configuration des pare-feu, et écrit que si vous protégez votre site avec un pare-feu applicatif, il faut peut-être autoriser ses robots explicitement pour qu'ils accèdent à votre contenu. Sa condition d'apparition dans les réponses tient en deux verrous, pas un : autoriser PerplexityBot dans le fichier de règles d'exploration, et laisser passer les requêtes venant de ses plages d'adresses publiées.
OpenAI dit la même chose dans un autre vocabulaire, et va plus loin sur la conséquence. Sa page consacrée à ses robots précise qu'un site exclu de son robot de recherche ne sera pas montré dans les réponses de la recherche ChatGPT, tout en pouvant encore apparaître comme lien de navigation. Traduction pour une PME : votre nom peut survivre quelque part dans un lien, votre argumentaire commercial, lui, ne sera pas repris.
Anthropic décrit l'effet dans les mêmes termes pour ses deux robots orientés utilisateur : désactiver celui qui récupère les pages à la demande empêche le système de récupérer votre contenu en réponse à une question d'utilisateur, ce qui peut réduire votre visibilité ; désactiver celui qui alimente l'index de recherche empêche l'indexation, avec le même effet sur la visibilité et sur la justesse des réponses vous concernant.
Le piège technique mérite d'être connu, parce qu'il inverse l'intuition. Anthropic prévient qu'un blocage par adresse IP peut ne pas fonctionner correctement ni garantir durablement un refus, précisément parce qu'il empêche aussi la lecture du fichier de règles. Bloquer plus fort ne veut pas dire décider mieux : ça veut dire décider moins, puisque la consigne écrite ne peut plus être lue.
Reste le délai. OpenAI comme Perplexity annoncent environ vingt-quatre heures avant qu'une modification soit prise en compte. Ce type d'erreur se répare donc vite. Encore faut-il savoir qu'elle existe.
Un site bloqué volontairement, un site écarté par un pare-feu et un site que le robot n'a pas su lire produisent exactement le même résultat visible : rien. Aucune notification, aucun rapport, aucune ligne rouge dans un tableau de bord. C'est ce qui rend cette famille de causes si durable.
Cause 3 : la décision a été prise par défaut, et pas par vous
C'est la cause que personne ne soupçonne, parce qu'elle ne s'est pas jouée sur votre site.
Il y a deux ans, laisser un site dans sa configuration d'origine chez son hébergeur revenait à laisser passer les robots. Ce n'est plus le cas. Le 1er juillet 2025, Cloudflare, qui sert de rempart à une part considérable du web, a annoncé changer le réglage par défaut pour bloquer les robots IA tant qu'ils ne rémunèrent pas les créateurs de contenu. La décision est cohérente du point de vue des éditeurs de presse. Elle a été prise pour un très grand nombre de PME qui n'ont jamais lu l'annonce.
Le mouvement continue, et il est daté. La documentation de Cloudflare sur le blocage des robots IA annonce qu'au 15 septembre 2026, de nouveaux réglages par défaut s'appliqueront aux nouveaux domaines : les robots classés comme entraînement ou comme agent seront bloqués sur les pages qui affichent de la publicité, tandis que ceux classés recherche resteront autorisés. Point important pour qui a déjà bougé un curseur : les robots à double usage, qui servent à la fois la recherche et l'entraînement, seront bloqués par toutes les configurations qui bloquent l'entraînement, y compris l'ancienne option. Une case cochée en 2024 pour empêcher l'entraînement peut donc, en septembre, retirer aussi la recherche.
Cette distinction entre trois familles de robots est la clé de lecture à emporter. Cloudflare les nomme : recherche, pour ceux qui indexent votre contenu afin de répondre plus tard à des questions dessus ; agent, pour l'activité automatisée agissant en temps réel pour le compte d'une personne ; entraînement, pour ceux qui prennent votre contenu afin d'entraîner un modèle. Refuser l'entraînement et accepter la recherche est un arbitrage légitime. Encore faut-il qu'il soit posé, plutôt que subi.
Le fichier robots.txt lui-même mérite d'être remis à sa place. Cloudflare le rappelle dans sa documentation sur le robots.txt managé : son respect est volontaire, il exprime des préférences et n'empêche pas techniquement l'accès. Un opérateur peut l'ignorer. C'est aussi pour ça que le pare-feu, lui, fait autorité : lui ne demande pas l'avis du robot.
Deux chiffres de Cloudflare pour situer l'ordre de grandeur du décalage, tirés de son annonce de juillet 2025 sur le robots.txt managé. En juillet 2025, seuls 37 % environ des 10 000 premiers domaines mondiaux disposaient d'un fichier robots.txt. Et en juin 2025, Google explorait les sites environ quatorze fois pour un visiteur renvoyé, alors que ce rapport est de plusieurs ordres de grandeur supérieur chez les acteurs de l'IA. La contrepartie de trafic n'est plus la même qu'à l'époque des moteurs classiques, ce qui explique la tension et donc les nouveaux réglages par défaut.
Un dernier détail concerne beaucoup de sites de PME. Sur les formules gratuites de Cloudflare, un domaine sans fichier robots.txt et sans robots.txt managé sert automatiquement aux robots un texte de politique appelé Content Signals Policy. Ce texte définit les catégories d'usage, recherche, alimentation d'une réponse en direct et entraînement, sans exprimer de préférence par lui-même. Activer le robots.txt managé, en revanche, pose une préférence explicite : recherche autorisée, entraînement refusé. Beaucoup de sites vivent aujourd'hui avec l'un ou l'autre de ces états sans que leur propriétaire sache lequel.
Ce n'est pas « est-ce qu'on est bien référencés ». C'est : quel réglage AI crawlers est actif sur notre domaine, qui l'a coché, et à quelle date. Si personne ne sait répondre, la réponse est probablement « celui d'usine ».
Cause 4 : votre réponse est enfermée dans un PDF ou une image
Ici, le conseil qui circule est faux, et le vrai problème est ailleurs.
Le SERP répète qu'il ne faut rien mettre dans un PDF parce que Google ne le lit pas. C'est démenti par la documentation de Google elle-même : le PDF figure dans la liste officielle des formats indexables, avec les fichiers Word, Excel, PowerPoint, les formats OpenDocument, l'ePub et le RTF. Votre catalogue en PDF n'est pas invisible pour Google.
Le problème réel est de savoir ce que les moteurs génératifs, eux, vont chercher. Et là, aucune règle ne peut être inventée : ni OpenAI, ni Anthropic, ni Perplexity n'abordent les formats de documents dans leur documentation publique. Le seul élément vérifiable est la répartition mesurée par Vercel en décembre 2024, où ChatGPT consacrait 57,70 % de ses récupérations à du HTML. Cela n'interdit pas l'ouverture d'un PDF. Cela indique où se joue l'essentiel.
Pour l'image, le raisonnement est plus solide, parce qu'il s'appuie sur la mécanique de la citation. Une réponse d'IA ne recopie pas une page, elle s'appuie sur un passage qui soutient une phrase. La recherche de Google sur l'ancrage des réponses le décrit sans ambiguïté : un modèle d'inférence juge si une affirmation est soutenue par un passage, et aucune citation n'est ajoutée aux phrases pour lesquelles il n'existe pas de passage capable de les étayer. Un tarif horaire, un délai d'intervention ou une zone couverte qui n'existent que dans un visuel n'offrent aucun passage à citer.
La documentation de Google sur les images va dans le même sens, en creux. Elle explique que Google comprend le sujet d'une image via le texte alternatif, la vision par ordinateur, les légendes et le contenu de la page. Comprendre le sujet d'une photo de chantier n'est pas la même opération que reprendre un prix affiché sur un visuel de tarifs. La règle pratique tient en une ligne : ce que vous voulez voir cité doit exister en texte sur la page, l'image et le PDF venant en appui, jamais en substitut.
Le cas typique en Belgique se répète chez les artisans et les commerces : une plaquette PDF soignée, une grille tarifaire en JPEG postée sur les réseaux, et un site dont les pages ne contiennent que trois phrases de présentation. L'enquête TIC de Statbel publiée en décembre 2025 compte 9 entreprises belges sur 10 équipées d'un site internet. La question n'est plus d'être en ligne, elle est de savoir ce qui, sur ce site, est formulé en phrases qu'une machine peut reprendre.
Cause 5 : la réponse existe, mais éclatée sur cinq pages
Une information qui n'est nulle part rassemblée n'est citable nulle part.
Un prospect demande combien coûte une intervention chez vous et sous quel délai. Sur votre site, le prix est dans une page tarifs, le délai dans une page à propos, la zone couverte dans le pied de page, et la garantie dans un article de blog de 2023. Un lecteur humain recolle les morceaux. Un moteur génératif cherche un passage qui soutient une phrase, et n'en trouve aucun.
Attention au faux remède, très vendu en ce moment. Google écrit explicitement qu'il n'est pas nécessaire de découper son contenu en petits morceaux pour que l'IA le comprenne mieux, et qu'il n'existe pas de longueur de page idéale. Payer une prestation de découpage revient à acheter un rite. Ce qui compte n'est pas le format, c'est qu'une page réponde entièrement à une question qu'un prospect pose réellement.
Il y a aussi une condition administrative que peu de dirigeants connaissent, et qui relève du même registre. Pour apparaître dans les fonctionnalités génératives de Google, une page doit être indexée et éligible à un affichage avec extrait dans Google Search. Un réglage posé des années plus tôt pour empêcher l'affichage d'extraits, parfois par souci de protéger le contenu, retire donc mécaniquement le site de ces réponses sans toucher à son classement.
Un dernier signal, mesuré et rarement commenté : dans l'étude Vercel, le robot de ChatGPT passait 34,82 % de ses récupérations sur des pages en erreur 404, celui de Claude 34,16 %, contre 8,22 % pour Googlebot. Ces robots suivent des liens anciens, des adresses devinées, des ressources déplacées. Un site qui a changé de structure sans conserver ses anciennes adresses leur oppose donc une proportion élevée de portes fermées, là où Google, lui, a appris le chemin depuis longtemps.
La bonne unité n'est ni le site ni le paragraphe, c'est la page qui répond à une question entière avec des faits vérifiables dedans : un prix, un délai, une zone, une méthode. C'est cette page qui fournit le passage sur lequel une réponse d'IA peut s'appuyer.
Dans quel ordre regarder
Les cinq causes ne se valent pas, ni en fréquence ni en coût de correction. L'ordre ci-dessous est celui du rapport effet sur effort, du plus rentable au plus long.
| Cause | Ce que ça produit | Où ça se décide | Délai de correction |
|---|---|---|---|
| Réglage par défaut de l'hébergeur | Robots refusés à la porte, aucun signal | Console de l'hébergeur ou du CDN | Environ 24 h de prise en compte |
| Pare-feu qui écarte le robot | Même effet, mais invisible même dans le fichier de règles | Règles du pare-feu applicatif | Environ 24 h de prise en compte |
| Rendu uniquement en JavaScript | Page vue comme vide par les robots IA, normale pour Google | Architecture du site | Chantier de développement |
| Réponse enfermée en PDF ou en image | Aucun passage à citer, même si le document est indexé | Contenu des pages | Réécriture progressive |
| Information dispersée | Réponse partielle, jamais reprise en entier | Organisation éditoriale | Réécriture progressive |
Les deux premières lignes se traitent en une journée et produisent un effet mesurable en jours. Les trois autres relèvent du travail de fond. Commencer par les dernières pendant que les premières bloquent l'accès revient à repeindre une pièce dont la porte est murée.
Ce qu'on en retient
Votre site peut être bien écrit, bien classé et parfaitement à jour, et rester absent des réponses génératives pour une raison qui n'a rien à voir avec sa qualité. Dans l'ordre : une case cochée chez votre hébergeur, un pare-feu prudent, une page dont le texte n'arrive qu'après les scripts, une information enfermée dans un document, une réponse éparpillée.
La bonne nouvelle est que les deux causes les plus fréquentes sont aussi les plus rapides à lever, et que les opérateurs annoncent tous un délai de l'ordre de la journée pour reprendre en compte un changement. La moins bonne est qu'aucune d'elles ne se signale toute seule : une exclusion ne produit pas de visite manquée identifiable dans un rapport de trafic. Il faut aller les chercher, en posant soi-même les questions qu'un prospect poserait et en regardant qui est cité.
Si vous voulez commencer par comprendre le cadre complet avant de toucher à quoi que ce soit, notre dossier sur le référencement dans les IA reprend la démarche de bout en bout, causes, correctifs et mesure.
Vous préférez savoir d'abord ce que les assistants répondent aujourd'hui quand un prospect parle de votre métier dans votre région ? Écrivez-nous : on fait le relevé sur vos dix questions les plus commerciales, on vous dit laquelle des cinq causes vous concerne, et vous décidez ensuite de ce que vous en faites.
FAQ
Q: Comment savoir si un robot IA arrive à lire mon site ?
A: Affichez le code source d'origine d'une page importante, pas l'inspecteur du navigateur. Si vos prix, délais et zones d'intervention n'y figurent pas en texte, les robots d'OpenAI, d'Anthropic et de Perplexity ne les voient pas : la mesure publiée par Vercel montre qu'aucun d'eux n'exécute le JavaScript. Google, lui, sait traiter ce contenu et n'aura donc rien signalé.
Q: Mon pare-feu bloque-t-il les robots IA sans que je le sache ?
A: C'est fréquent, et rien ne vous en avertit. Perplexity consacre une section de sa documentation à ce cas et recommande d'autoriser explicitement ses robots au niveau du pare-feu. OpenAI pose la même condition, en précisant qu'un site exclu de son robot de recherche n'apparaît pas dans les réponses de la recherche ChatGPT. Seuls vos journaux de serveur montrent ce qui a été refusé.
Q: Est-ce vrai que Cloudflare bloque les IA par défaut ?
A: Oui, depuis le 1er juillet 2025 pour l'usage d'entraînement. Sa documentation annonce en plus de nouveaux réglages par défaut au 15 septembre 2026 pour les nouveaux domaines : robots d'entraînement et robots agents bloqués sur les pages affichant de la publicité, robots de recherche toujours autorisés. Les robots à double usage basculeront du côté bloqué, y compris avec l'ancienne option.
Q: Faut-il retirer mes documents PDF du site ?
A: Non. Google liste le PDF parmi les formats indexables, aux côtés des fichiers Word, Excel et OpenDocument. Le point d'attention est ailleurs : une réponse d'IA s'appuie sur un passage qui soutient une phrase. Ce que vous voulez voir cité, prix, délai, zone couverte, doit donc exister en texte sur la page. Le PDF reste utile en pièce jointe, pas en unique support.
Q: Faut-il découper mon contenu en petits blocs pour les IA ?
A: Google écrit l'inverse : il n'est pas nécessaire de découper son contenu en petits morceaux, et il n'existe pas de longueur de page idéale. Ce qui compte est qu'une page réponde entièrement à une question réellement posée, avec des faits vérifiables dedans. Une prestation vendue autour du découpage achète un rituel, pas un résultat.
