Nous avons tiré 1 000 sites de PME dans OpenStreetMap, dans six pays et cinq secteurs, et nous leur avons appliqué les vérifications de notre test GEO : robots.txt lu pour seize robots IA, page d'accueil demandée avec six identités de robots, données structurées, identité, llms.txt. Le résultat contredit l'idée reçue : presque personne ne bloque, presque personne n'est lisible.
1. Cinq chiffres
- 2 %bloquent au moins un robot de recherche IA dans robots.txt22 sites, n = 890
- 0,5 %opposent un défi anti-bot à au moins un robot IA5 sites, n = 936
- 47 %n'émettent aucune donnée structurée JSON-LD395 sites, n = 836
- 64 %n'ont aucun signal d'identité (Organization, LocalBusiness ou Person)531 sites, n = 836
- 87 %ne déclarent aucun profil officiel sameAs725 sites, n = 836
Cette étude mesure la présence de signaux, pas leur effet. Elle dit combien de sites autorisent un robot, portent une entité ou servent un fichier ; elle ne dit pas ce qu'un moteur de réponse fait de ces signaux, et aucun éditeur d'assistant ne le documente. Les dénominateurs varient parce qu'un site sans robots.txt lisible n'entre pas dans le premier chiffre et qu'un site dont la page d'accueil n'a pas répondu n'entre pas dans les trois derniers ; la section 8 rend compte des sites non évaluables.
2. Ce que nous attendions et ce que nous avons trouvé
Le débat public sur les robots IA est un débat de grands éditeurs : qui ferme sa porte à GPTBot, qui négocie une licence. Nous attendions, chez les PME, un blocage fréquent, par prudence ou par un réglage d'hébergeur laissé par défaut, et nous avions écrit le test GEO en donnant à l'accès des robots le poids le plus élevé.
Les données disent autre chose. Sur 890 sites au robots.txt lisible, 22 refusent au moins un robot de recherche IA ; 32 refusent au moins un robot IA, tous rôles confondus. La porte est ouverte. Ce qui manque est derrière la porte : 47 % des sites atteints n'émettent aucun JSON-LD, 64 % n'ont aucune entité qui dise qui ils sont, 87 % ne relient leur site à aucun profil officiel. Le sujet des PME n'est pas l'accès, c'est la lisibilité.
3. Accès : qui est bloqué, qui est défié
Pour chacun des seize robots de la liste du test, nous lisons le robots.txt et notons s'il est explicitement refusé sur la page d'accueil. Les taux sont bas partout, et plus bas encore pour les robots de réponse que pour les robots d'entraînement : les sites qui ferment ferment d'abord la collecte d'entraînement, et laissent passer la recherche.
Les chiffres
| Segment | Part | n |
|---|---|---|
| Bytespider (ByteDance, entraînement) | 3,3 % | 30 / 897 |
| Amazonbot (Amazon, réponse) | 3,2 % | 29 / 897 |
| GPTBot (OpenAI, entraînement) | 2,7 % | 24 / 897 |
| meta-externalagent (Meta, entraînement) | 2,6 % | 23 / 897 |
| Applebot-Extended (Apple, entraînement) | 2,5 % | 22 / 897 |
| ClaudeBot (Anthropic, entraînement) | 2,5 % | 22 / 897 |
| Google-Extended (Google, entraînement) | 2,3 % | 21 / 897 |
| CCBot (Common Crawl, entraînement) | 2,2 % | 20 / 897 |
| ChatGPT-User (OpenAI, réponse) | 1,2 % | 11 / 897 |
| GoogleOther (Google, entraînement) | 1,2 % | 11 / 897 |
| PerplexityBot (Perplexity, réponse) | 1,1 % | 10 / 897 |
| Perplexity-User (Perplexity, réponse) | 1,0 % | 9 / 897 |
| Claude-SearchBot (Anthropic, réponse) | 0,9 % | 8 / 897 |
| Claude-User (Anthropic, réponse) | 0,9 % | 8 / 897 |
| MistralAI-User (Mistral AI, réponse) | 0,9 % | 8 / 897 |
| OAI-SearchBot (OpenAI, réponse) | 0,9 % | 8 / 897 |
Le robots.txt n'est pas la seule porte. Nous avons aussi demandé la page d'accueil avec six identités de robots (OAI-SearchBot, ChatGPT-User, GPTBot, ClaudeBot, Claude-SearchBot, PerplexityBot) et repéré les défis anti-bot : 5 sites sur 936 en opposent un à au moins une de ces identités, et les 5 sont derrière Cloudflare. Derrière Cloudflare, 9 % des sites refusent au moins un robot dans robots.txt et 5,5 % servent un défi ; sans CDN détecté, 3 % et 0,0 %. Le groupe Cloudflare est petit (91 sites) : la différence est nette, la précision ne l'est pas.
Les chiffres
| Segment | n | Refuse un robot | Défi anti-bot | llms.txt |
|---|---|---|---|---|
| Cloudflare | 91 | 9 % | 5 % | 26 % |
| Sans CDN détecté | 758 | 3 % | 0 % | 11 % |
Ce que le test ne voit pas : un blocage par pare-feu à une adresse IP que nous n'utilisons pas, ou une règle qui ne s'applique qu'au-delà d'un certain volume. Notre guide Cloudflare détaille les réglages qui arrêtent un robot avant le serveur.
4. Lisibilité : données structurées, identité, sameAs par CMS
Un bloc JSON-LD est présent sur 53 % des pages d'accueil atteintes ; une entité d'identité sur 36 % ; un sameAs sur 13 %. La différence entre les trois chiffres est le cœur de l'étude : la moitié des sites émettent quelque chose, un tiers disent qui ils sont, un sur huit se relie à un profil qui permettrait de le distinguer d'un homonyme. Par CMS, l'écart se creuse : les sites WordPress et WooCommerce portent une entité dans la moitié des cas, ceux dont nous ne reconnaissons pas le CMS dans un cas sur cinq.
Les chiffres
| Segment | n | JSON-LD | Identité | sameAs |
|---|---|---|---|---|
| CMS non reconnu | 377 | 32 % | 21 % | 8 % |
| WordPress | 231 | 77 % | 56 % | 18 % |
| WooCommerce | 119 | 73 % | 50 % | 20 % |
| Wix | 20 | 100 % | 65 % | 0 % |
| Joomla | 15 | 20 % | 20 % | 0 % |
| Next.js | 13 | 31 % | 15 % | 8 % |
| Webflow | 12 | 25 % | 25 % | 17 % |
| Drupal | 11 | 18 % | 9 % | 0 % |
| Shopify | 11 | 82 % | 82 % | 82 % |
| TYPO3 | 11 | 45 % | 9 % | 9 % |
Les groupes sous vingt sites (Joomla (15), Next.js (13), Webflow (12), Drupal (11), Shopify (11), TYPO3 (11)) sont indicatifs. Le groupe « CMS non reconnu » regroupe 377 sites sur 936, sites sur mesure, agences et thèmes qui ne signent pas leur générateur : c'est le groupe le moins lisible, et le moins bien connu.
5. llms.txt : présent, mais surtout livré par la plateforme
112 sites sur 852 servent un fichier llms.txt qui a la forme de la convention llmstxt.org, soit 13 %. Le chiffre trompe si on le lit seul : 20 des 23 sites Wix et 11 des 11 sites Shopify en servent un, ce qui indique un fichier livré avec la plateforme plutôt qu'une décision de l'éditeur du site ; hors Wix et Shopify, 81 sites sur 818, 10 %. Et parmi les 112 fichiers, 17 s'ouvrent sur une ligne d'extension qui se déclare elle-même (« Generated by… ») : générés, pas écrits.
Les chiffres
| Segment | Part | n |
|---|---|---|
| CMS non reconnu | 11 % | n = 377 |
| WordPress | 11 % | n = 231 |
| WooCommerce | 9 % | n = 119 |
| Wix | 87 % | n = 20 |
| Shopify | 100 % | n = 11 |
Ce que nous en retenons : un llms.txt est trivial à servir et il est présent là où la plateforme le sert ; presque personne ne l'écrit. Notre guide llms.txt dit ce que la convention demande et ce qu'aucun éditeur d'assistant n'a documenté.
6. Par pays
Les six pays se ressemblent sur l'accès et diffèrent sur la lisibilité. La part de sites refusant un robot de recherche reste sous 5 % partout. Le JSON-LD va de 43 % à 60 % selon le pays ; l'Allemagne est la plus basse sur les trois signaux de lisibilité et sur le sameAs en particulier.
Les chiffres
| Segment | n | Refuse un robot de recherche | JSON-LD | Identité | llms.txt |
|---|---|---|---|---|---|
| France | 282 | 3 % | 55 % | 40 % | 16 % |
| Suisse | 144 | 1 % | 55 % | 41 % | 18 % |
| Allemagne | 141 | 0 % | 43 % | 27 % | 10 % |
| Belgique | 136 | 2 % | 46 % | 32 % | 13 % |
| Pays-Bas | 120 | 4 % | 60 % | 35 % | 10 % |
| Espagne | 113 | 3 % | 54 % | 39 % | 9 % |
7. Par secteur
Les cabinets d'avocats sont les plus lisibles (63 % de JSON-LD, 45 % d'entité) et ne refusent presque jamais un robot de recherche ; l'immobilier est le moins lisible et le plus fermé, avec le commerce. Le commerce de détail sert le plus souvent un llms.txt, l'effet des plateformes de boutique de la section 5.
Les chiffres
| Segment | n | Refuse un robot de recherche | JSON-LD | Identité | llms.txt |
|---|---|---|---|---|---|
| Artisans du bâtiment | 183 | 2 % | 55 % | 42 % | 14 % |
| Avocats | 185 | 0 % | 63 % | 45 % | 14 % |
| Commerce de détail | 189 | 4 % | 50 % | 32 % | 18 % |
| Experts-comptables | 189 | 3 % | 54 % | 37 % | 11 % |
| Immobilier | 190 | 3 % | 43 % | 28 % | 9 % |
8. Les notes du test, sur les sites évaluables
Le test GEO attribue une note de A à F à partir de six dimensions pondérées, publiées sur la page du test. Sur les 836 sites dont la page d'accueil a été lue en entier, la note médiane est 70 sur 100, la moyenne 70,0 ; 37 sites obtiennent A, 26 obtiennent F.
Les chiffres
| Segment | n | A | B | C | D | F |
|---|---|---|---|---|---|---|
| Tous | 836 | 37 | 170 | 324 | 279 | 26 |
| Belgique | 119 | 6 | 18 | 46 | 46 | 3 |
| Suisse | 137 | 6 | 27 | 48 | 52 | 4 |
| Allemagne | 113 | 2 | 18 | 48 | 39 | 6 |
| Espagne | 95 | 3 | 23 | 33 | 33 | 3 |
| France | 262 | 17 | 55 | 103 | 79 | 8 |
| Pays-Bas | 110 | 3 | 29 | 46 | 30 | 2 |
Les 164 autres sites ne sont pas notés ici, et les causes sont comptées séparément : 57 domaines ne résolvent sur aucune des quatre origines essayées, 7 interdisent notre robot dans leur robots.txt (nous n'avons pas demandé la page), 29 n'ont répondu sur aucune origine, 54 ont renvoyé une erreur HTTP sur la page d'accueil (503 : 18, 403 : 13, 404 : 11, 500 : 7, autres : 5), et 17 ont répondu 200 sans que le moteur puisse finir la lecture de la page dans le budget. Un site injoignable par notre robot n'est pas forcément injoignable par un autre ; nous ne lui donnons pas de note.
9. Méthodologie
Base de sondage. Les sites viennent d'OpenStreetMap, interrogé par l'API Overpass : les objets portant une adresse de site web (website ou contact:website) dans le territoire de chaque pays, pour cinq familles de tags : office=lawyer (avocats), office=accountant (experts-comptables ; en Espagne, office=tax_advisor ajouté, parce que les asesorías y sont taguées ainsi), office=estate_agent (immobilier), craft=* pour vingt métiers du bâtiment (plombier, électricien, menuisier, peintre, couvreur, carreleur, chauffagiste et similaires), et shop=* sans tag brand (commerce indépendant). Chaque adresse est réduite à son domaine enregistrable ; les domaines présents plus de cinq fois (chaînes), les hébergeurs de profils et places de marché, et les domaines d'agences sont retirés. Données © OpenStreetMap contributors, ODbL (openstreetmap.org/copyright), extraites le 10/09/2026.
Tirage. Cibles : France 300, Belgique 150, Suisse 150, Allemagne 150, Pays-Bas 125, Espagne 125, réparties à parts égales entre les cinq secteurs ; tirage uniforme dans chaque cellule avec la graine 20260909, 1000 domaines tirés, aucune cellule en déficit. Le manifeste du tirage (requête par cellule, effectifs, horodatages, graine) est publié dans le dépôt du site.
Ce qui est demandé à chaque site. Le robots.txt, puis, seulement si ce fichier autorise notre robot (SEOForge-Study, avec une adresse de contact), la page d'accueil, llms.txt, llms-full.txt et sitemap.xml, par le moteur du test GEO ; une lecture de la page d'accueil pour reconnaître le CMS et le CDN ; six demandes de la page d'accueil avec les identités de robots citées en section 3, pour repérer les défis. L'origine est choisie en essayant robots.txt sur https puis https www, http, http www, et en gardant la première qui répond : beaucoup de sites de PME ne répondent que sur www ou en http. Budget : 60 secondes par site pour le moteur, 20 secondes pour la page d'accueil, 8 par fichier texte, 10 par identité de robot ; un site à la fois par processus, deux processus, une demande par seconde.
Ce que la note est, et n'est pas. La note est celle de notre test GEO, dont la méthodologie est publiée sur la page du test : six dimensions pondérées (accès des robots, extractibilité, données structurées, llms.txt, fraîcheur et identité, temps de réponse), des plafonds pour une page d'accueil en erreur, et des lettres de A à F. Elle mesure ce qu'un robot peut vérifier sur une page d'accueil. Elle ne mesure ni si un assistant cite le site, ni le trafic, ni le contenu des pages intérieures.
Déroulement. Deux passages le 10/09/2026. Le premier a révélé deux défauts de l'outil, corrigés avant le second : l'origine unique https sans www, qui notait zéro des sites qui répondent ailleurs, et un budget de quinze secondes fait pour un visiteur qui attend, pas pour des serveurs lents. Les 549 sites touchés ont été réévalués ; les 446 autres gardent leur premier résultat, inchangé par un budget plus long. Le détail est dans le document de sondage du dépôt.
Biais. OpenStreetMap est cartographié par des bénévoles : la couverture varie selon les villes et les pays, et un commerce n'y figure avec son site web que si quelqu'un l'a saisi. La base surreprésente donc les entreprises visibles, urbaines et déjà en ligne, et « commerce » y désigne un commerce physique qui a un site, pas le commerce électronique au sens statistique. Les résultats décrivent cette population, pas l'ensemble des PME.
10. Limites
- Couverture d'OpenStreetMap. Le biais de la section 9 s'applique à chaque chiffre ; les comparaisons entre pays comparent aussi des couvertures de carte différentes.
- Une page par site. Seule la page d'accueil est lue ; un site peut porter son identité ou ses données structurées ailleurs.
- Pas de rendu. Le HTML est lu tel que le serveur l'envoie, sans exécuter JavaScript ; un bloc JSON-LD injecté par script n'est pas vu, ce qui est aussi le cas d'un robot qui ne rend pas la page.
- CMS non reconnu pour 40 % des sites (377 sur 936) : les comparaisons par CMS portent sur l'autre moitié.
- Petits groupes. Sous vingt sites, une différence de deux sites déplace un pourcentage de dix points ; ces groupes sont signalés dans chaque graphique.
- Présence, pas effet. Aucun chiffre de cette étude ne dit qu'un signal change une réponse ou une citation.
11. Ce que cela change pour une PME
Dans l'ordre que les données soutiennent : le signal le plus souvent absent d'abord, le plus rarement en cause en dernier.
- Déclarer qui vous êtes : une entité Organization ou LocalBusiness en JSON-LD sur la page d'accueil, avec nom, adresse et identifiant légal. Deux sites sur trois n'en ont pas. Schema Organization et identité d'entité.
- Relier le site à vos profils officiels avec sameAs : registre, réseaux, annuaire professionnel. Sept sites sur huit n'en ont aucun, et c'est ce qui distingue une entreprise de ses homonymes. sameAs et le problème des homonymes.
- Vérifier l'accès, sans le présumer : robots.txt, puis la réponse réelle du serveur ou du CDN aux identités de robots. Le blocage est rare, mais quand il existe il annule tout le reste. Vérifier si ChatGPT peut lire votre site.
Le test GEO gratuit applique ces vérifications à votre page d'accueil en quinze secondes et vous rend la même note que les sites de cette étude. Si le résultat demande un travail dans le code, l'Audit GEO reprend les six dimensions sur vos pages prioritaires et livre les correctifs implémentés.
12. Télécharger les données
Les agrégats de l'étude sont téléchargeables en CSV : une ligne par mesure et par segment (pays, secteur, CMS, CDN), avec l'effectif, le compte et la part ; les taux par robot, les issues des six identités, les causes de non-évaluation. Télécharger le CSV des agrégats
Aucune donnée par site n'est publiée sur cette page. Les résultats par site sont disponibles sur demande pour la recherche, par le formulaire de contact. Pour citer l'étude : SEOForge, « Les PME européennes ne bloquent pas ChatGPT », septembre 2026, données de base © OpenStreetMap contributors, ODbL.