Les sites des petites entreprises parisiennes sont-ils lisibles par les assistants IA ? Étude sur 113 sites

Sur 113 sites de petites entreprises parisiennes analysés en octobre 2026, la plupart passent les contrôles techniques de base : 100 % répondent en HTTPS, 99 % ont une balise title et aucun ne bloque les robots de recherche des assistants IA dans son robots.txt. En revanche, seuls 33 % publient un fichier llms.txt et 56 % déclarent un type de données structurées de type organisation ou commerce local. Ces chiffres décrivent des prérequis techniques d’un échantillon précis, pas la fréquence réelle de citation par ChatGPT, Perplexity ou Google.

Nous avons voulu savoir où en sont les sites que nos clients potentiels ont déjà : ceux des commerces, artisans et bureaux de Paris. Voici la méthode, les résultats bruts avec leurs effectifs et leurs limites, puis ce qu’une PME peut en tirer. Aucun site n’est nommé : les résultats sont agrégés et anonymes.

Comment l’étude a-t-elle été menée ?

Source et licence des données

L’échantillon vient d’OpenStreetMap, interrogé via l’API Overpass le 21 octobre 2026. Nous avons retenu les objets situés dans la commune de Paris qui portent une balise website et une balise shop (commerces), craft (artisans) ou office (bureaux). Cela représente 9 050 objets.

Les données OpenStreetMap sont publiées sous licence ODbL. Attribution : © les contributeurs d’OpenStreetMap.

Constitution de l’échantillon

À partir de ces 9 050 objets, nous avons retiré :

• 4 objets sans adresse de site exploitable ;
• 221 adresses de réseaux sociaux, d’annuaires, de plateformes de réservation ou de créateurs de sites gratuits ;
• 3 022 objets relevant de grandes enseignes ou de réseaux (balises de marque ou d’identifiant Wikidata dans OpenStreetMap, plus une liste de grandes enseignes courantes) ;
• 664 doublons de nom de domaine.

Il reste 5 139 sites distincts. Nous en avons tiré 150 au hasard, avec un générateur pseudo-aléatoire à graine fixe (graine 20261022), après tri alphabétique du lot pour que le tirage soit reproductible. Le script est conservé dans notre dépôt de code, mais la liste des domaines n’est pas publiée.

Ce qui a été mesuré

Pour chaque site, nous avons demandé au plus quatre fichiers : /robots.txt, la page d’accueil, le sitemap (celui déclaré dans robots.txt, sinon /sitemap.xml) et /llms.txt. Aucune autre page n’a été consultée, et aucune donnée personnelle n’a été collectée : nous ne conservons que des indicateurs oui/non par site.

Les critères reprennent la logique de notre test de visibilité IA :

• page d’accueil accessible et réponse en HTTPS ;
• balise title et meta description présentes ;
• absence de directive noindex (balise meta ou en-tête HTTP) ;
• robots.txt présent, et robots IA connus non exclus (robots de recherche : OAI-SearchBot, ChatchatGPT-User, Claude-SearchBot, PerplexityBot, MistralAI-Index ; robots d’entraînement : GPTBot, ClaudeBot, Google-Extended) ;
• sitemap déclaré ou présent ;
• fichier llms.txt présent (réponse 200, contenu texte non vide, hors page HTML) ;
• données structurées JSON-LD présentes, et type organisation ou commerce local déclaré.

Précautions de collecte

Les requêtes ont été faites une par une, avec au moins 1,1 seconde entre deux requêtes, un délai d’expiration de 8 secondes et le user-agent WebAiLabStudyBot/1.0 (+https://webailab.fr). Le robots.txt de chaque site a été lu avant la page d’accueil et respecté. Deux sites interdisaient l’accès à notre robot : ils ont été laissés de côté.

Quels sont les résultats ?

Sur les 150 sites tirés, 114 ont répondu normalement sur leur page d’accueil (76 %). Les autres : 2 exclus par leur robots.txt, 24 sans connexion possible (domaine inactif, délai dépassé, certificat invalide), 4 en erreur 403, 2 en 404, 2 en 500 et 2 en 503. Un site accessible a ensuite été écarté car il s’agissait d’une grande entreprise passée à travers le filtre des enseignes. Les pourcentages ci-dessous portent sur les 113 sites restants, sauf mention contraire.

Que peut-on en retenir, avec prudence ?

• Les bases sont largement en place. HTTPS, title et robots.txt sont quasi universels parmi les sites qui répondent. Ce n’est pas surprenant : la plupart des outils de création de site les fournissent par défaut.
• Le blocage volontaire des robots IA est rare dans cet échantillon. Aucun des 104 robots.txt lus n’exclut les robots de recherche IA que nous avons testés. Cela ne dit pas que leurs auteurs l’ont choisi : un robots.txt par défaut laisse tout passer.
• Les écarts se situent sur les signaux « explicites ». Un site sur cinq n’a ni sitemap déclaré ni sitemap à l’adresse standard, et près d’un site sur deux ne déclare aucun type organisation ou commerce local en données structurées. Ce sont des informations que les robots doivent sinon déduire du texte.
• Le llms.txt est plus répandu que prévu, mais son utilité est discutée. Plusieurs gestionnaires de contenu et plateformes de boutique en génèrent un automatiquement (nous avons notamment relevé des fichiers produits par une extension SEO pour WordPress), ce qui explique en partie ce chiffre. Il n’est pas établi que les assistants s’en servent systématiquement.
• Un site sur quatre n’a pas pu être lu. Dans OpenStreetMap, l’adresse peut être ancienne : cela rappelle surtout qu’il faut entretenir ses fiches et son domaine. Ces sites sont exclus des pourcentages, ce qui peut les rendre un peu flatteurs.

Quelles sont les limites de l’étude ?

• Échantillon non représentatif. OpenStreetMap est alimenté par des contributeurs : les établissements qui y renseignent un site ne sont pas tirés au hasard parmi toutes les PME parisiennes. Notre filtre de grandes enseignes est imparfait, et le périmètre (commerces, artisans, bureaux) exclut par exemple la restauration.
• Taille modeste. Avec 113 sites, une part de 33 % porte une marge d’incertitude de l’ordre de dix points : lisez les ordres de grandeur, pas les décimales.
• Prérequis, pas citations. Nous mesurons ce qui rend un site lisible, pas la fréquence à laquelle un assistant cite ces entreprises. Un site parfaitement configuré peut ne jamais être cité ; un site imparfait peut l’être.
• Une seule page, un seul instant. Seule la page d’accueil est examinée, à une date donnée. Un site qui s’affiche entièrement par JavaScript peut paraître pauvre dans le HTML reçu.
• Biais de l’HTTPS. Les sites dont le certificat est invalide figurent parmi les sites inaccessibles, d’où un 100 % qu’il faut lire avec précaution.
• Critères simples. Pas de contrôle de la qualité du contenu, de la vitesse, ni de l’exactitude des données structurées.

Que peut faire une PME à partir de ces constats ?

1. Testez votre propre site avec l’outil de test de visibilité IA : il reprend ces critères et indique ce qu’il faut corriger.
2. Vérifiez votre robots.txt et vos balises noindex, surtout après une refonte ou une mise en ligne depuis un site de préproduction.
3. Déclarez un sitemap dans robots.txt et gardez-le à jour.
4. Ajoutez des données structurées de type commerce local ou organisation avec vos informations exactes (nom, adresse, horaires, téléphone), identiques à celles de votre fiche Google.
5. Ne vous arrêtez pas à la technique. Les assistants citent des contenus clairs, précis et vérifiables. Pour mesurer ce qui se passe réellement, suivez notre protocole de test de visibilité dans ChatGPT et Perplexity.

Pour comprendre les mécanismes, voir nos guides sur la GEO et sur ChatGPT Search. Pour être accompagné, notre page référencement GEO et IA présente la démarche, sans promesse de citation.

FAQ

Quels sites ont été analysés ?

Des sites de commerces, artisans et bureaux situés à Paris, tirés au hasard parmi ceux renseignés dans OpenStreetMap. Aucun site n’est nommé et aucune donnée personnelle n’a été conservée.

Ces résultats prouvent-ils que ces entreprises sont citées par les IA ?

Non. L’étude mesure des prérequis techniques, pas des citations. Être cité dépend aussi de la qualité des contenus, de la notoriété et du fonctionnement propre à chaque assistant.

Faut-il publier un fichier llms.txt ?

Ce n’est pas un prérequis démontré. Vous pouvez en publier un à faible coût si votre outil le permet, mais ne comptez pas dessus seul : priorité à un site accessible, à des contenus clairs et à des informations d’entreprise cohérentes.

Pouvez-vous reproduire l’étude sur mon secteur ?

La méthode est documentée et réplicable sur un autre périmètre, avec les mêmes limites. Pour un état des lieux de votre site, commencez par l’outil de test.

Conclusion

Les petits sites parisiens que nous avons mesurés sont, pour la plupart, techniquement ouverts aux robots, y compris ceux des assistants IA. Les marges de progrès tiennent surtout aux signaux explicites : sitemap, données structurées et informations d’entreprise cohérentes. Testez votre site avec l’outil de visibilité IA ou découvrez notre accompagnement référencement GEO et IA.

Données © les contributeurs d’OpenStreetMap, licence ODbL. Extraction du 21 octobre 2026.