Cette page vérifie l'accès, pas la citation : pour savoir si vous apparaissez dans les réponses, voir mesurer sa visibilité. Savoir si ChatGPT, Claude ou Perplexity peuvent lire votre site se vérifie en deux temps : une requête depuis l'extérieur, avec le user-agent de chaque robot ; puis vos journaux serveur, pour voir s'il vient réellement et ce qu'on lui a répondu. Commandes, lecture des résultats, forme d'une exploration normale, sans chiffres inventés.
1. Une requête par robot
Ce que le fournisseur documente. OpenAI publie le jeton de chacun de ses robots, OAI-SearchBot, ChatGPT-User et GPTBot, et pour chacun un fichier JSON des plages d'adresses IP d'origine : searchbot.json, chatgpt-user.json et gptbot.json sur openai.com. La documentation ne décrit pas de méthode de vérification au-delà de ces listes (OpenAI, robots et crawlers).
Ce que nous recommandons. Un site référencé sur ChatGPT est d'abord un site que ses robots peuvent lire. Une requête par jeton, sur la page d'accueil puis sur une page profonde, avec le user-agent exact, en gardant le code de statut, la taille du corps et le temps de réponse. La requête part de votre poste, donc d'une adresse qui n'est pas celle du robot : elle teste le user-agent, pas l'adresse. C'est suffisant pour un robots.txt et pour la plupart des règles de pare-feu, insuffisant pour une règle sur l'adresse IP, que seuls les journaux révèlent. Faites la boucle deux fois, à quelques heures d'écart : une limitation de débit ou un défi qui ne se déclenche qu'après plusieurs requêtes n'apparaît pas au premier passage, et un résultat qui change entre les deux est déjà une information.
Comment le vérifier
for ua in "OAI-SearchBot" "ChatGPT-User" "GPTBot" "Claude-SearchBot" "Claude-User" "ClaudeBot" "PerplexityBot" "Perplexity-User"; do
printf "%-18s " "$ua"
curl -A "$ua" -s -o /dev/null -w "%{http_code} %{size_download} octets %{time_starttransfer}s\n" https://votre-site.fr/
done
# puis la même boucle sur une page profonde, et sur /robots.txtGardez la sortie : datée, elle devient la référence à laquelle comparer le passage suivant, et la pièce à montrer à l'hébergeur quand la réponse ne vient pas de vous.
Le test GEO fait l'équivalent pour son propre user-agent et rapporte « Notre crawler (SEOForge-GEO-Test) autorisé sur la page d'accueil » ; pour les robots des éditeurs, il lit le fichier et rapporte « Crawlers de réponse IA autorisés : x sur 8 ». Le fichier robots.txt lui-même est traité, robot par robot, dans Crawlers IA et robots.txt.
2. Lire les codes et les défis
Ce que le fournisseur documente. Google décrit comment ses robots traitent chaque famille de codes : en 2xx, « Google prend le contenu en compte pour traitement » ; une redirection 301 ou 308 est « un signal fort » vers la cible, une 302 ou 307 « un signal faible » ; « Google n'indexe pas les URL qui renvoient un code 4xx » ; « les erreurs serveur 5xx et 429 amènent les robots de Google à ralentir temporairement l'exploration », le 429 étant traité « comme un signal que le serveur est surchargé ». Par défaut, ses robots « suivent jusqu'à 10 sauts de redirection » (Google, codes HTTP et erreurs réseau).
Ce que nous recommandons. Lire chaque ligne de la boucle comme une phrase. Un 200 avec un corps de la taille de votre page : le robot lit. Un 200 avec un corps minuscule : une coquille vide ou une page d'attente, à ouvrir. Un 301 : suivre la cible et recommencer. Un 403 ou un 503 avec un corps qui n'est pas le vôtre : un défi ou un blocage en amont, dont Cloudflare et les robots IA détaille les causes. Un 429 : une limitation de débit qui touche aussi les robots légitimes. Les éditeurs d'assistants ne documentent pas leur lecture des codes ; la sémantique de Google est la seule publiée, et un serveur qui la respecte ne surprend personne.
Comment le vérifier
# le corps reçu par un robot, comparé au vôtre
curl -A "OAI-SearchBot" -s https://votre-site.fr/ | head -c 600
curl -A "Mozilla/5.0" -s https://votre-site.fr/ | head -c 600
# une différence de taille de plus de moitié signale une réponse différente selon l'agent3. Les journaux du serveur
Ce que le fournisseur documente. Anthropic nomme ses trois robots, ClaudeBot, Claude-User et Claude-SearchBot, précise qu'ils « respectent les signaux robots.txt standard », accepte un Crawl-delay, et publie la liste des adresses IP d'origine dans un fichier JSON : une requête qui porte le nom du robot sans venir de ces adresses n'est pas d'Anthropic (Anthropic, exploration du web).
Ce que nous recommandons. Le journal d'accès est la seule source qui dise si un robot est venu, quand, sur quelles URL, et ce que votre serveur lui a répondu. Filtrez sur les noms des robots, agrégez par jour et par code, et regardez d'abord les codes qui ne sont pas 200. Gardez au moins trente jours de journaux : un robot de réponse ne repasse pas tous les jours sur un petit site.
Trois erreurs de lecture reviennent. Compter les lignes sans regarder les codes : cent requêtes en 403 sont cent refus, pas cent visites. Confondre le robot d'entraînement et le robot de réponse du même éditeur : GPTBot qui passe ne dit rien de OAI-SearchBot. Et lire un journal tronqué par la rotation : sur beaucoup d'hébergements, le fichier courant ne couvre qu'un jour, et les archives compressées se lisent avec zgrep plutôt que grep. Un hébergement mutualisé qui ne donne pas accès aux journaux est un hébergement où cette vérification est impossible, et c'est un argument suffisant pour en changer quand la visibilité dans les assistants compte.
Comment le vérifier
# nginx, format combiné : requêtes des robots IA, par robot et par code, sur le fichier courant
grep -iE "GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|Claude-User|Claude-SearchBot|PerplexityBot|Perplexity-User|Google-Extended" \
/var/log/nginx/access.log \
| awk '{ match($0, /GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|Claude-User|Claude-SearchBot|PerplexityBot|Perplexity-User|Google-Extended/); print substr($0, RSTART, RLENGTH), $9 }' \
| sort | uniq -c | sort -rn
# les URL demandées par un robot donné, avec le code
grep "OAI-SearchBot" /var/log/nginx/access.log | awk '{print $9, $7}' | sort | uniq -c | sort -rn | head -40
# l'adresse d'origine, à comparer aux plages publiées par l'éditeur
grep "ClaudeBot" /var/log/nginx/access.log | awk '{print $1}' | sort -u4. À quoi ressemble une exploration normale
Ce que le fournisseur documente. Google rappelle que « la chaîne user-agent HTTP peut être usurpée » et renvoie vers sa procédure de vérification des robots par adresse (Google, crawlers communs). Aucun éditeur d'assistant ne publie de fréquence ou de volume d'exploration : nous n'en donnons donc pas.
Ce que nous recommandons. Reconnaître la forme plutôt que compter. Une exploration normale commence par /robots.txt, puis demande des pages HTML qui existent, à un rythme espacé, depuis des adresses qui appartiennent aux plages publiées, et reçoit des 200. Une exploration anormale demande des URL qui n'existent pas, des fichiers non HTML en masse, ou vient d'adresses hors des plages avec un user-agent copié : ce n'est pas le robot, et le bloquer ne coûte rien. Un robot de réponse qui n'apparaît jamais dans trente jours de journaux n'est pas bloqué par vous ; il n'a pas de raison de venir, et c'est un sujet de contenu et de liens, pas d'accès. À l'inverse, un fetcher piloté par un utilisateur, ChatGPT-User ou Claude-User, qui demande une page précise à une heure précise, correspond souvent à une question posée par quelqu'un : c'est la trace la plus directe d'une citation que vos journaux puissent contenir.
Ce que nous avons fait sur seoforge.fr
Notre propre outil s'annonce avec un user-agent nommé, SEOForge-GEO-Test/1.0, avec l'adresse de sa page de présentation, et il lit votre robots.txt avant votre page d'accueil : nous appliquons à notre robot ce que nous demandons aux autres. Les commandes de cette page sont celles que nous exécutons sur les journaux de nos clients pendant l'Audit GEO.
Pour aller plus loin
Cette page détaille la partie « comment le vérifier » de la première dimension du guide du référencement IA. Quand la requête reçoit un 200 mais que le corps est vide de texte, le sujet devient l'extractibilité, dans le contenu sans JavaScript pour les moteurs IA. Pour savoir si ces lectures se traduisent en citations, la méthode est dans mesurer sa visibilité dans les réponses IA. Si tout est en ordre et que les journaux restent vides, l'Audit GEO reprend les six dimensions et les journaux sur plusieurs semaines.
Questions fréquentes
Être lu par GPTBot garantit-il d'être cité ? Non. GPTBot est le robot d'entraînement ; la recherche ChatGPT passe par OAI-SearchBot, et une lecture n'est qu'un prérequis. Un site lu, lisible et identifiable peut être cité ; aucun éditeur ne documente ce qui déclenche une citation, et nous ne le promettons pas.