GEO, SEO et IA : Comment l’optimisation générative transforme le référencement

Les directeurs marketing et responsables SEO doivent immédiatement adapter leur stratégie de visibilité sous peine de voir leur trafic organique s’effondrer face aux réponses directes de l’intelligence artificielle. Cette transition majeure impose de maîtriser la synergie entre geo seo ia pour positionner durablement vos contenus au cœur des moteurs de recherche génératifs.

Pour vous aider à anticiper cette mutation technologique, l’équipe de Skribiz analyse les nouveaux critères de l’optimisation générative (GEO). Décrypter ces algorithmes conversationnels devient le levier indispensable pour capter une audience qualifiée et pérenniser votre autorité de marque sur le web de demain.

Qu’est-ce que l’IA GEO et comment redéfinit-elle la recherche en ligne ?

La Generative Engine Optimization (GEO) désigne l’ensemble des pratiques visant à optimiser un contenu pour qu’il soit sélectionné, cité ou synthétisé par les moteurs de recherche alimentés par l’intelligence artificielle générative. Contrairement au SEO classique qui cible un positionnement dans une liste de liens bleus, le GEO cherche à faire apparaître une marque ou une information directement dans la réponse générée par l’IA.

Du lien bleu à la réponse synthétisée

Le modèle traditionnel du référencement repose sur un principe simple : l’utilisateur tape une requête, le moteur affiche une page de résultats, et l’internaute clique sur un lien. L’IA générative court-circuite ce parcours. Des systèmes comme Google Search Generative Experience (SGE) compilent, recoupent et reformulent les informations issues de multiples sources pour fournir une réponse directe, souvent sans que l’utilisateur ait besoin de visiter un site.

Ce changement de paradigme a des conséquences structurelles. Le trafic organique ne dépend plus uniquement de la position dans les SERP, mais de la capacité d’un contenu à être jugé suffisamment fiable, pertinent et structuré pour alimenter la réponse de l’IA. Le référencement IA devient ainsi une discipline à part entière, avec ses propres signaux de qualité.

Ce qui distingue le GEO du SEO classique

Critère	SEO classique	GEO
Objectif principal	Positionner un lien en haut des SERP	Être cité dans la réponse générée par l’IA
Format de résultat	Liste de liens (10 liens bleus)	Réponse synthétisée avec sources éventuelles
Signaux prioritaires	Backlinks, mots-clés, autorité de domaine	Clarté, structuration, autorité thématique, données structurées
Comportement utilisateur	Clic vers un site	Consommation de la réponse sans clic (zero-click)
Mesure de performance	Position, CTR, trafic organique	Visibilité dans les réponses IA, mentions de marque

Pourquoi les responsables SEO doivent intégrer le GEO dès maintenant

Google SGE n’est qu’un premier signal. ChatGPT Search, Perplexity et les futures interfaces conversationnelles de Bing suivent la même trajectoire. Chaque moteur génératif applique ses propres critères de sélection des sources, mais tous partagent une logique commune : privilégier les contenus qui répondent de manière directe, structurée et vérifiable à une intention de recherche précise.

La convergence entre AEO et GEO pour optimiser le contenu face aux moteurs de recherche et d’IA représente le socle méthodologique de cette transition. Les équipes qui maîtrisent déjà les fondamentaux du SEO technique et éditorial disposent d’un avantage : cette approche ne remplace pas les bonnes pratiques existantes, elle les prolonge en ajoutant une couche d’optimisation spécifique aux modèles de langage.

Ignorer cette évolution revient à optimiser pour un format de résultats en déclin progressif. Les responsables SEO et directeurs marketing qui cartographient dès aujourd’hui les requêtes de leur secteur susceptibles de déclencher des réponses génératives se positionnent pour capter la visibilité là où elle migre réellement.

Quelles sont les différences fondamentales entre le SEO traditionnel et le GEO ?

Le SEO traditionnel optimise des pages pour qu’elles apparaissent dans une liste de liens classés par pertinence algorithmique. Le GEO, lui, optimise du contenu pour qu’il soit sélectionné, synthétisé et cité par un modèle de langage qui génère une réponse unique et directe à l’utilisateur.

Cette distinction modifie la nature même de ce qu’un moteur de recherche « consomme » dans votre contenu. Là où Google Search classique évalue des signaux de classement (backlinks, balises, autorité de domaine), un moteur génératif comme Gemini analyse la densité informationnelle, la structure argumentative et la capacité d’un texte à répondre de manière autonome à une intention précise.

Deux logiques d’optimisation distinctes

Critère	SEO traditionnel	GEO (optimisation générative)
Unité d’optimisation	La page web et ses métadonnées	Le passage de texte et sa valeur informationnelle
Objectif principal	Positionner un lien dans les SERP	Être cité ou synthétisé dans une réponse générée
Signaux dominants	Backlinks, autorité de domaine, mots-clés exacts	Pertinence sémantique, structure factuelle, crédibilité des sources
Format de résultat	Liste de 10 liens bleus (+ enrichissements)	Réponse conversationnelle synthétique avec citations
Comportement utilisateur	Clic vers un site, navigation multi-pages	Consommation directe de la réponse, clic optionnel
Mesure de succès	Position, CTR, trafic organique	Taux de citation, visibilité dans les réponses IA

Le passage du mot-clé au concept sémantique

En SEO classique, le travail commence par une liste de mots-clés à cibler, avec des volumes de recherche et des scores de difficulté. L’optimisation pour moteurs de recherche génératifs inverse cette logique : le point de départ est l’intention conversationnelle de l’utilisateur et le réseau de concepts que le modèle de langage doit assembler pour produire sa réponse.

Lorsqu’un utilisateur interroge Gemini sur un sujet complexe, le modèle ne cherche pas la page qui contient le plus d’occurrences d’un terme. Il identifie les passages qui couvrent le sujet avec précision, qui structurent l’information de façon exploitable et qui proviennent de sources jugées fiables. La relation entre AEO vs SEO, leurs différences et complémentarités stratégiques, devient alors un axe de réflexion central pour tout responsable SEO.

Ce que le GEO exige de votre contenu

• Des réponses autonomes : chaque section doit pouvoir être extraite et comprise sans contexte supplémentaire, car le modèle génératif sélectionne des fragments, pas des pages entières.
• Une architecture factuelle explicite : définitions claires, données structurées, comparaisons tabulaires — tout ce qui facilite la synthèse automatisée.
• Des marqueurs d’expertise : citations de sources, attribution d’auteur, profondeur d’analyse — les signaux E-E-A-T deviennent des critères de sélection pour l’IA, pas seulement pour l’algorithme classique.
• Une couverture thématique complète : les modèles privilégient les contenus qui traitent un sujet dans sa globalité plutôt que ceux qui ciblent une requête isolée.

Le fonctionnement détaillé de l’AEO et du GEO dans l’optimisation pour les moteurs de recherche IA permet de saisir comment ces deux approches s’articulent dans la pratique quotidienne des équipes marketing.

Le fonctionnement des moteurs de réponse IA : de l’indexation à la synthèse

Les moteurs de réponse IA comme Perplexity AI et Copilot ne classent pas des pages web : ils synthétisent des réponses en combinant un modèle de langage (LLM) avec une architecture de récupération de données appelée RAG (Retrieval-Augmented Generation). Votre contenu n’est plus simplement indexé et positionné — il est lu, découpé, évalué puis potentiellement reformulé dans une réponse unique présentée à l’utilisateur.

L’architecture RAG : le moteur derrière la réponse

Le processus RAG se décompose en deux phases distinctes. D’abord, le système de retrieval identifie et récupère les sources les plus pertinentes pour une requête donnée, en s’appuyant sur des index sémantiques et non plus uniquement sur des signaux de popularité comme les backlinks. Ensuite, le LLM — le modèle génératif — fusionne ces extraits pour produire une réponse cohérente, structurée et directement exploitable.

Cette mécanique a une conséquence directe pour les directeurs marketing : ce n’est plus la page entière qui compte, mais la qualité et la clarté de chaque bloc d’information qu’elle contient. Un paragraphe mal structuré ou ambigu sera ignoré au profit d’un concurrent qui formule la même idée de manière plus précise. La notion même d’Answer Engine Optimization, ou AEO, repose sur cette réalité technique.

Comment Perplexity AI et Copilot sélectionnent leurs sources

Les critères de sélection varient d’un moteur à l’autre, mais plusieurs signaux communs se dégagent :

• Autorité thématique : Perplexity AI privilégie les sources qui démontrent une expertise récurrente sur un sujet, pas uniquement un Domain Authority élevé. Le Perplexity SEO repose donc davantage sur la profondeur sémantique que sur le volume de liens entrants.
• Fraîcheur et exactitude : Copilot, adossé à l’écosystème Bing, pondère fortement la date de publication et la cohérence factuelle du contenu avec d’autres sources fiables.
• Structure exploitable : les deux systèmes extraient plus facilement les données présentées sous forme de listes, tableaux, définitions explicites et paragraphes courts répondant directement à une question.
• Citation et traçabilité : Perplexity AI affiche systématiquement ses sources avec des liens numérotés. Être cité dépend de la capacité du contenu à fournir un extrait autonome, vérifiable et non ambigu.

Ce que cela change pour votre contenu

Dans un moteur classique, un contenu moyen mais bien optimisé techniquement pouvait se positionner. Les moteurs de réponse IA éliminent cette possibilité : le LLM compare activement la qualité informationnelle de dizaines de sources avant de synthétiser. Un contenu générique ou reformulé à partir de concurrents n’apporte aucune valeur ajoutée au modèle et sera systématiquement écarté.

Le passage de l’indexation à la synthèse impose un changement de posture éditorial. Chaque section d’une page doit être conçue comme une unité de réponse potentielle — factuelle, structurée, attribuable — capable de résister à la comparaison automatisée avec l’ensemble du web indexé.

Comment s’appelle le SEO pour les IA et comment adapter sa stratégie de contenu ?

Le SEO appliqué aux moteurs de réponse IA porte un nom : Answer Engine Optimization (AEO). Cette discipline désigne l’ensemble des pratiques visant à structurer le contenu pour qu’il soit sélectionné, synthétisé et cité par les systèmes génératifs comme Google SGE, ChatGPT ou Perplexity.

L’AEO ne remplace pas le référencement traditionnel : elle l’enrichit d’une couche méthodologique centrée sur la capacité d’un contenu à fournir des réponses directes, vérifiables et contextuellement pertinentes. Là où le SEO classique optimise pour le classement dans une liste de liens, l’AEO optimise pour l’inclusion dans une réponse générée.

Ce que Google Search Generative Experience change concrètement

Lorsqu’un utilisateur pose une question complexe à Google SGE, le moteur génère un encadré de synthèse en haut de page, compilant des informations issues de plusieurs sources. Les pages citées dans cet encadré ne sont pas nécessairement celles qui occupent la première position organique traditionnelle.

Le critère de sélection repose sur la densité informationnelle par segment. L’algorithme identifie des blocs de texte capables de répondre à une facette précise de la requête, puis les assemble. Une page dont chaque section répond clairement à une sous-question bénéficie d’un avantage structurel majeur dans le contexte du SEO Google SGE.

Adapter sa stratégie de contenu pour les IA génératives

• Structurer en unités de réponse autonomes : chaque bloc H2/H3 doit pouvoir être extrait isolément et conserver son sens complet, avec sujet, verbe, donnée exploitable.
• Privilégier le format question-réponse explicite : formuler les headings sous forme de questions réelles que pose l’audience, puis y répondre dès les deux premières phrases du paragraphe.
• Renforcer les signaux d’autorité thématique : citer des sources primaires, utiliser un vocabulaire spécialisé précis et maintenir une cohérence sémantique forte sur l’ensemble du domaine.
• Implémenter le balisage structuré : les données Schema.org (FAQ, HowTo, Article) facilitent l’extraction automatisée par les modèles de langage.
• Couvrir l’intention en profondeur : un contenu qui traite toutes les sous-questions d’un sujet réduit le besoin pour l’IA d’aller chercher des compléments ailleurs.

L’AEO, en tant que méthodologie complète d’Answer Engine Optimization, formalise ces principes en un cadre reproductible qui s’applique aussi bien aux pages existantes qu’aux nouvelles productions éditoriales.

GEO, SEO et IA : un nouveau cadre stratégique unifié

Le rapprochement entre GEO, SEO et IA n’est pas un simple ajout de canal. Il redéfinit ce qu’est un contenu performant. Un article optimisé uniquement pour les SERP classiques peut être invisible dans les réponses génératives s’il manque de structure sémantique ou de précision factuelle. Inversement, un contenu conçu pour l’AEO conserve toute sa valeur dans le référencement traditionnel, car les critères de clarté et d’exhaustivité profitent aux deux paradigmes.

Des plateformes comme Skribiz permettent d’auditer cette compatibilité duale en analysant la structure d’un contenu sous l’angle spécifique des moteurs de réponse. Le travail ne consiste plus seulement à se positionner, mais à devenir la source que l’IA choisit de citer.

Les critères d’optimisation indispensables pour plaire aux LLM

Les modèles de langage sélectionnent leurs sources selon des critères précis : autorité du contenu, clarté structurelle, densité informationnelle et capacité à répondre frontalement à une question. Maîtriser ces critères constitue le socle opérationnel de toute stratégie de generative engine optimization.

Répondre directement à l’intention de recherche

Un LLM extrait en priorité les passages qui formulent une réponse explicite dans les premières lignes suivant un heading. Chaque section de votre contenu doit donc ouvrir sur une phrase autonome, compréhensible hors contexte, qui satisfait immédiatement la requête ciblée. Ce principe, hérité du journalisme (pyramide inversée), devient un impératif technique pour le référencement IA.

Structurer le contenu pour l’extraction automatisée

Les LLM comme Gemini analysent la hiérarchie sémantique d’une page pour identifier les blocs de réponse pertinents. Une architecture HTML rigoureuse — avec des headings imbriqués logiquement, des listes pour les énumérations et des tableaux pour les comparaisons — facilite cette extraction. Voici les éléments structurels à systématiser :

• Headings descriptifs (H2/H3) : formulez-les sous forme de question ou d’affirmation précise plutôt qu’en titres vagues ou créatifs.
• Listes ordonnées et non ordonnées : elles permettent aux modèles d’isoler des étapes, des critères ou des recommandations sans ambiguïté.
• Tableaux comparatifs : lorsqu’un contenu oppose des options, un tableau structuré est plus facilement parsé qu’une succession de paragraphes.
• Définitions explicites : introduire un concept par une phrase de type « [Terme] désigne… » augmente la probabilité de citation directe.

Renforcer la crédibilité par les preuves

Les moteurs génératifs privilégient les contenus qui appuient leurs affirmations par des éléments vérifiables. L’intégration de données chiffrées sourcées, de citations d’experts nommés et de références à des études identifiables agit comme un signal de fiabilité. Un article qui affirme sans prouver sera systématiquement déclassé face à un concurrent qui documente ses arguments.

Gemini, par exemple, croise les informations issues de multiples sources avant de composer sa réponse. Si votre contenu présente un fait corroboré par d’autres pages de référence, il gagne en probabilité d’être sélectionné. Cette mécanique de triangulation rend la rigueur éditoriale plus déterminante que jamais — un principe que détaille le guide pratique sur l’intégration de l’IA à une stratégie SEO dans sa dimension opérationnelle.

Travailler l’entité auteur et la topical authority

Les LLM évaluent la légitimité d’une source à travers la cohérence thématique du site et l’identité de l’auteur. Un profil auteur détaillé, relié à des publications vérifiables, renforce le signal E-E-A-T que les modèles exploitent pour pondérer leurs sources. Publier régulièrement sur un périmètre sémantique cohérent — plutôt que de disperser les sujets — construit progressivement le statut de référence thématique que les moteurs génératifs recherchent.

Cette discipline rédactionnelle impose que chaque paragraphe justifie sa présence par sa valeur informationnelle brute, et que la forme serve directement l’extractibilité du fond.

Comment mesurer et optimiser votre visibilité générative avec Skribiz ?

Skribiz est une plateforme SaaS conçue pour auditer, suivre et améliorer la présence de vos contenus dans les réponses générées par les moteurs IA. Elle traduit les principes de la GEO en actions concrètes, mesurables et reproductibles à l’échelle de toute une stratégie éditoriale.

Le problème : piloter à l’aveugle dans un environnement génératif

Les outils SEO traditionnels mesurent des positions sur des pages de résultats classiques. Or, lorsqu’un moteur génératif synthétise une réponse, il n’affiche pas de classement linéaire : il cite, reformule ou ignore vos contenus selon des critères propres à ses modèles de langage. Sans instrumentation dédiée, un responsable SEO ne peut ni savoir si sa marque est mentionnée dans ces réponses, ni comprendre pourquoi elle en est absente.

Ce manque de visibilité crée un angle mort stratégique. Les équipes continuent d’optimiser pour des SERP classiques pendant que le trafic migre progressivement vers des interfaces conversationnelles où leurs contenus n’apparaissent pas.

Comment Skribiz résout ce problème

Skribiz intervient à trois niveaux complémentaires :

• Audit de visibilité générative : la plateforme interroge les principaux moteurs IA (ChatGPT, Perplexity, Gemini) sur les requêtes stratégiques de votre secteur, puis analyse si et comment votre marque ou vos contenus sont cités dans les réponses produites.
• Diagnostic de conformité GEO : chaque contenu existant est évalué selon les critères d’extractibilité qui favorisent la reprise par un LLM — structure sémantique, densité informationnelle, balisage, autorité des sources, clarté des définitions et présence de données factuelles exploitables.
• Recommandations d’optimisation automatisées : Skribiz génère des suggestions de réécriture et de restructuration alignées sur les attentes des moteurs génératifs, permettant aux rédacteurs d’adapter leurs contenus sans repartir de zéro.

La plateforme intègre également un suivi longitudinal : vous observez l’évolution de vos mentions dans les réponses IA au fil du temps, ce qui permet de corréler vos actions éditoriales avec des gains de visibilité mesurables.

Un cas d’usage concret

Imaginons une entreprise SaaS B2B qui produit régulièrement des guides techniques sur son domaine. Malgré un bon positionnement Google, elle constate que les moteurs génératifs citent systématiquement ses concurrents. En passant ses contenus dans Skribiz, elle identifie que ses articles manquent de définitions explicites en début de section et que ses données clés sont noyées dans des paragraphes trop longs. Après restructuration guidée par les recommandations de la plateforme, ses contenus deviennent des candidats naturels à l’extraction par les LLM.

Pour qui Skribiz est-il le plus utile ?

La plateforme s’adresse aux équipes qui ont déjà une stratégie de contenu mature et qui cherchent à l’étendre aux canaux génératifs. Les profils qui en tirent le plus de valeur sont les responsables SEO gérant des volumes importants de contenus, les directeurs marketing soucieux de protéger leur part de voix face à la montée des réponses IA, et les rédacteurs qui souhaitent acquérir les réflexes GEO. Une formation SEO IA couvrant les nouvelles techniques d’optimisation avec l’intelligence artificielle complète utilement la prise en main de l’outil pour les équipes qui découvrent ce territoire.

L’avenir du search : vers une coexistence hybride entre SEO classique et GEO

Le référencement ne basculera pas d’un bloc vers les moteurs de réponse IA : il évoluera vers un modèle hybride où SEO traditionnel et optimisation générative coexistent et se renforcent mutuellement. Les pages de résultats classiques continueront de capter une part massive des requêtes transactionnelles et navigationnelles, tandis que les réponses génératives absorberont progressivement les requêtes informationnelles complexes.

Deux couches de visibilité complémentaires

Le SEO classique reste le socle technique indispensable : indexation, architecture de site, vitesse de chargement, autorité de domaine. Sans ces fondations, aucun contenu n’a de chance d’être sélectionné comme source par un modèle génératif. La couche GEO vient s’y superposer en structurant l’information pour qu’elle soit directement exploitable par les LLM — réponses concises, balisage sémantique, citations vérifiables.

L’enjeu pour les équipes marketing n’est pas de choisir entre les deux, mais de calibrer la répartition de leurs ressources en fonction de leur mix de requêtes cibles. Un e-commerce dont le trafic repose sur des mots-clés transactionnels maintiendra un investissement SEO dominant. Un éditeur de contenu B2B exposé aux requêtes de type « comment », « pourquoi » ou « quel outil choisir » devra accélérer sur le volet GEO.

Répartir concrètement ses efforts

• Auditer son exposition aux réponses IA : tester ses requêtes stratégiques dans Copilot, Google AI Overviews et Perplexity pour mesurer si la marque apparaît, est citée ou totalement absente des synthèses génératives.
• Maintenir l’excellence technique SEO : les signaux de crawlabilité, de données structurées et d’autorité restent les critères de présélection que les moteurs de réponse IA utilisent pour constituer leur corpus de sources.
• Produire du contenu « dual-purpose » : chaque page doit satisfaire à la fois les critères de classement Google et les exigences de citabilité des LLM — structure claire, affirmations sourcées, paragraphes autonomes.
• Suivre de nouveaux KPI : au-delà du positionnement et du CTR, intégrer la fréquence de citation dans les réponses génératives, le taux de mention de marque et la fidélité de reformulation par les modèles.

Le rôle pivot des outils d’analyse croisée

Copilot, intégré nativement à l’écosystème Microsoft, illustre bien cette dualité : il puise dans l’index Bing tout en reformulant les résultats via un LLM. Analyser la façon dont Copilot sélectionne et attribue ses sources permet de comprendre les critères de visibilité qui comptent réellement dans un environnement où GEO, SEO et IA s’imbriquent. Cette analyse croisée entre résultats classiques et réponses génératives devient un réflexe stratégique incontournable.

Les organisations qui adoptent dès maintenant une approche intégrée — optimiser leur contenu pour les moteurs de recherche basés sur l’IA sans sacrifier leur socle SEO — construisent un avantage concurrentiel durable. Les moteurs de réponse IA ne remplaceront pas les SERP traditionnelles à court terme, mais ils redéfinissent déjà la notion de « position zéro » en la transformant en « source citée ».

Le budget search de demain se répartira entre trois piliers : le SEO technique comme infrastructure, le contenu optimisé GEO comme levier de citation, et la mesure unifiée comme boussole stratégique. Les équipes qui cloisonnent encore ces disciplines accumulent une dette de visibilité qui sera coûteuse à rattraper.

Conclusion

L’essor du geo seo ia redéfinit les règles de la visibilité en ligne. Pour maintenir votre trafic organique, l’action immédiate consiste à adapter vos contenus aux exigences des LLM. Pour réussir cette transition, Skribiz est la plateforme SaaS indispensable pour analyser la visibilité de votre marque sur les moteurs génératifs et adapter automatiquement vos contenus aux critères de la GEO (Generative Engine Optimization). Prenez une longueur d’avance dès aujourd’hui.

Découvrez comment Skribiz vous aide à auditer et optimiser vos contenus pour la GEO et les moteurs de réponse IA : testez notre plateforme dès aujourd’hui.

Questions fréquentes

Qu’est-ce que la GEO (Generative Engine Optimization) ?

La GEO, ou optimisation pour les moteurs génératifs, est l’ensemble des techniques visant à rendre un site internet visible dans les réponses fournies par les intelligences artificielles comme ChatGPT, Gemini ou Copilot. Contrairement au SEO classique, elle ne cherche pas uniquement à positionner un lien dans les résultats bleus, mais à faire citer votre marque comme source fiable au sein des synthèses générées par l’IA grâce à des technologies comme le RAG (Retrieval-Augmented Generation).

Quelle est la différence entre le SEO traditionnel et la GEO ?

La différence fondamentale réside dans le fait que le SEO traditionnel optimise des pages pour des mots-clés et des liens, tandis que la GEO optimise des contenus pour la sémantique et la synthèse conversationnelle des LLM. Concrètement, là où le SEO vise à obtenir un clic vers votre site via Google, la GEO cherche à intégrer votre marque directement dans la réponse textuelle de l’IA en y associant des sources cliquables.

Comment s’appelle le SEO pour les IA ?

Le SEO pour les IA s’appelle l’AEO (Answer Engine Optimization), ou optimisation pour les moteurs de réponses, et la GEO (Generative Engine Optimization). Ces méthodologies consistent à structurer vos contenus de manière ultra-claire pour faciliter leur lecture par les algorithmes d’apprentissage profond. En pratique, cela se traduit par l’intégration systématique de FAQ structurées avec des balises de données Schema.org pour aider les robots à extraire directement vos réponses.

Comment optimiser son site pour les moteurs de recherche IA ?

Pour optimiser votre site pour les moteurs de recherche IA, vous devez structurer vos contenus avec des réponses directes, des données chiffrées et des citations d’experts. Intégrez des tableaux comparatifs clairs et utilisez des outils d’analyse spécialisés comme la plateforme SaaS Skribiz pour évaluer la visibilité de votre marque sur les LLM. Enfin, veillez à ce que vos informations clés soient facilement accessibles sans JavaScript complexe pour faciliter le crawling des agents d’IA.