- →GPTBot sert l'entraînement des modèles, OAI-SearchBot conditionne l'affichage dans ChatGPT Search : bloquer le premier n'exclut pas le site du second.
- →Le blocage de GPTBot est un arbitrage de propriété intellectuelle, pas une optimisation SEO. Le présenter autrement à un client est une erreur de diagnostic.
- →Les données Cloudflare donnent 305 % de hausse des requêtes GPTBot entre mai 2024 et mai 2025, mais une couverture de 3,6 % des pages web uniques en octobre-novembre 2025 contre 11,6 % pour Googlebot : beaucoup de bruit, peu d'exhaustivité.
- →PPC Land rapportait le 9 décembre 2025 le retrait de la mention de conformité robots.txt pour ChatGPT-User : les récupérations déclenchées par un utilisateur se pilotent au pare-feu applicatif, plus dans un fichier texte.
- →Les référents ChatGPT restaient sous 1 % des pages vues des éditeurs en mars 2026 selon Chartbeat via Axios : la valeur est dans la citation et la marque, pas dans le clic.
- →Une chaîne user-agent s'usurpe en une commande. Toute règle différenciée doit se valider sur les plages IP publiées par OpenAI.
Ce que GPTBot collecte, et ce qu'il ne décide pas
GPTBot est le robot qu'OpenAI envoie sur le web public pour constituer de la matière d'entraînement. Il lit des pages, il ne les classe pas. Aucun passage de GPTBot sur votre site ne garantit une citation dans une réponse ChatGPT, et aucun blocage de GPTBot ne vous en exclut mécaniquement. C'est la première chose à remettre d'aplomb dans un audit, parce qu'une bonne partie des recommandations qu'on lit encore en français traitent GPTBot comme s'il était le Googlebot de ChatGPT. Il ne l'est pas, et cette confusion coûte de la visibilité à des éditeurs qui croyaient seulement protéger leur corpus.
La chaîne user-agent de GPTBot dit exactement ce qu'elle est : elle se termine par l'adresse de la documentation du crawler, où OpenAI décrit un usage de collecte destiné à l'entraînement et à l'amélioration des modèles. Les jetons AppleWebKit et KHTML qu'on y trouve sont un héritage de format, ils ne signifient pas qu'un navigateur exécute votre JavaScript.
Une vidéo courte pose le rôle du crawler avant d'entrer dans les arbitrages :
La conséquence est inconfortable pour qui aime les arbitrages simples : bloquer GPTBot relève de la propriété intellectuelle, pas du référencement. Un éditeur qui refuse que ses archives servent à entraîner un modèle commercial a une raison parfaitement légitime de poser un Disallow, et il n'a pas besoin d'une justification SEO pour ça. Un consultant qui bloque GPTBot en promettant de « protéger le référencement » se trompe de levier. Celui qui l'autorise en espérant des citations dans ChatGPT se trompe dans l'autre sens.
GPTBot, OAI-SearchBot, ChatGPT-User : trois décisions distinctes
OpenAI expose trois agents, chacun rattaché à un moment différent du cycle. GPTBot ramasse du contenu public susceptible d'alimenter l'entraînement. OAI-SearchBot construit l'index utilisé pour l'affichage dans ChatGPT Search, donc c'est lui qui conditionne votre présence dans les résultats consultés par les utilisateurs. ChatGPT-User va chercher une page en réaction directe à une demande, quand quelqu'un colle une URL ou réclame une vérification. Trois agents, trois lignes de robots.txt, trois conséquences qui n'ont rien à voir entre elles. Auditer les trois séparément est devenu le minimum syndical sur un site éditorial.
Le débat sur la collecte de données mérite d'être entendu dans ses termes avant d'être arbitré :
Le détail qui change la donne pour 2026 : PPC Land rapportait le 9 décembre 2025 qu'OpenAI avait retiré de sa documentation la mention explicite de conformité au robots.txt pour ChatGPT-User, tout en conservant les contrôles séparés pour GPTBot et OAI-SearchBot. Traduit en exploitation, une récupération déclenchée par un utilisateur ne se pilote plus de façon fiable depuis un fichier texte à la racine. Si vous tenez à fermer cette porte, ça se joue au niveau du CDN ou du pare-feu applicatif, et ça se contrôle dans les logs.
Second point, rarement traité par les guides francophones : une chaîne user-agent s'usurpe en une ligne de curl. Une politique fondée uniquement sur le nom déclaré est décorative. OpenAI publie des plages d'adresses IP pour ses crawlers, et c'est la seule validation qui tienne dans un environnement où le trafic de bots non identifiés a pris une place considérable. Sur les sites où on applique un traitement différencié, on filtre sur l'IP vérifiée, jamais sur la chaîne seule.
Mesurer le passage : les logs, pas l'analytics
GPTBot n'apparaît pas dans Google Analytics. C'est un crawler, il ne déclenche pas votre balise, il ne produit ni session ni référent. Le seul endroit où son passage existe, ce sont les logs serveur ou le tableau de bord de votre CDN. L'analyse de logs est redevenue un livrable d'audit standard en 2026, après quelques années où beaucoup d'agences s'en dispensaient au profit d'outils de crawl simulé.
Les ordres de grandeur valent d'être posés, parce qu'ils sont systématiquement mal interprétés. Les mesures Cloudflare sur mai 2024 à mai 2025 relèvent une hausse de 305 % des requêtes GPTBot en un an, quand le trafic de crawlers dans son ensemble progressait de 18 % et Googlebot de 96 %. La part de GPTBot dans le trafic de crawlers vérifiés est passée de 4,7 % en juillet 2024 à 11,7 % en juillet 2025. Puis vient le correctif : l'analyse Cloudflare Year in Review portant sur les requêtes HTML d'octobre et novembre 2025 mesure une couverture de 11,6 % des pages web uniques pour Googlebot, contre 3,6 % pour GPTBot et 0,06 % pour PerplexityBot. Énormément de requêtes, une couverture du web encore trois fois inférieure à celle de Google. Un site peu maillé et peu cité reste largement invisible pour ce crawler, quel que soit son robots.txt.
Côté retour commercial, la sobriété s'impose. Les données Chartbeat relayées par Axios le 17 mars 2026 donnent des référents ChatGPT en hausse de plus de 200 % sur un an, mais toujours sous 1 % des pages vues des éditeurs, pendant que les référents Google Search reculaient de 34 % entre décembre 2024 et décembre 2025. La valeur de la visibilité générative n'est pas dans le clic, elle est dans la citation par le modèle et l'exposition de marque, ce qui suppose de la mesurer autrement. Depuis le 3 juin 2026, Search Console expose des rapports dédiés aux fonctionnalités d'IA générative dans Search et Discover, avec impressions, pages affichées, pays et appareils. C'est une couche de visibilité, pas une attribution au prompt : une impression n'est ni une visite ni une conversion. Pour suivre finement où une marque est reprise par les moteurs génératifs, il faut un dispositif dédié, et c'est précisément ce qu'on instrumente avec notre suivi de présence dans les réponses IA.
Bloquer GPTBot dans robots.txt, proprement
Le blocage total tient en deux lignes, à placer dans le fichier robots.txt à la racine du domaine :
User-agent: GPTBot
Disallow: /Le blocage partiel, plus souvent pertinent, réserve l'accès aux sections qui n'ont pas vocation à nourrir un modèle tout en laissant le reste ouvert :
User-agent: GPTBot
Disallow: /private/
Disallow: /clients/
Allow: /Et la configuration qui traduit l'arbitrage le plus courant en 2026, refuser l'entraînement sans se couper de la recherche générative :
User-agent: GPTBot
Disallow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /Cette configuration est un choix stratégique, pas une recommandation universelle. Un site de commerce dont le contenu n'a aucune valeur documentaire n'a rien à protéger et tout à gagner à laisser passer. Un éditeur dont les archives constituent l'actif principal a un intérêt évident à poser la barrière. La partie technique complète, avec le traitement des autres robots, est détaillée dans notre entrée sur la gestion des bots IA dans le fichier robots.txt.
Une mise au point technique, régulièrement confondue : une balise meta noindex ou un en-tête X-Robots-Tag pilotent l'indexation, pas la collecte d'entraînement. Ils ne remplacent pas une directive robots.txt pour GPTBot. Inversement, un Disallow n'empêche pas une page d'être citée si elle a été récupérée par un autre agent ou reprise par un tiers. Quand la question devient contractuelle et non plus déclarative, la réponse est un blocage au niveau du pare-feu applicatif ou des règles CDN, appuyé sur les plages IP vérifiées. Cette vidéo Ahrefs traite bien la mécanique robots.txt appliquée aux crawlers IA :
L'arbitrage côté netlinking, et ce qu'on voit rater
Sur les médias éditoriaux que nous opérons en propre, la position est tranchée et assumée : OAI-SearchBot et ChatGPT-User restent ouverts, parce qu'un article publié pour un client doit pouvoir être repris par un moteur de réponse, et que fermer cet accès reviendrait à vendre une visibilité amputée. Un lien posé sur une page que ChatGPT Search ne peut pas atteindre perd une partie de sa raison d'être, indépendamment de sa valeur pour le classement Google. C'est un critère qu'on regarde désormais au moment de qualifier un support, au même titre que l'indexation ou le trafic, sur les médias du catalogue consultable sans inscription.
Le contexte algorithmique a par ailleurs cadré le débat. Le 15 mai 2026, Google Search Central a publié sa première ressource officielle d'optimisation pour les fonctionnalités génératives, en affirmant que la visibilité dans AI Overviews et AI Mode reste conditionnée par l'exploration, l'utilité du contenu et les systèmes de classement existants. Le document met explicitement en garde contre les mentions artificielles fabriquées pour influencer une réponse et contre l'idée qu'un balisage spécifique à l'IA serait requis. Autrement dit, les liens éditoriaux, les études originales et les relations presse restent défendables parce qu'ils construisent de la découvrabilité réelle, pas parce qu'un fichier magique garantirait l'inclusion. C'est la logique qui gouverne un placement obtenu directement chez l'éditeur plutôt que par un intermédiaire opaque.
Les erreurs qu'on rencontre le plus souvent en audit se répètent avec une constance décourageante. Bloquer les trois agents OpenAI d'un seul geste, en croyant appliquer une politique de protection, alors qu'on s'exclut de ChatGPT Search sans y avoir réfléchi. Croire qu'un Disallow posé aujourd'hui retire un contenu déjà présent dans un modèle entraîné hier : il agit sur les collectes futures, pas sur le passé. Oublier que chaque sous-domaine a son propre robots.txt, ce qui laisse un blog en sous-domaine entièrement ouvert alors que le domaine principal est verrouillé. Laisser traîner un Disallow: / hérité d'un environnement de préproduction. Et vérifier son fichier dans un navigateur au lieu de vérifier ses logs, ce qui revient à contrôler l'intention plutôt que l'effet.
Dernier point de méthode : traiter GPTBot comme une case à cocher dans une checklist technique est le meilleur moyen de passer à côté du sujet. La question n'est pas « faut-il bloquer », elle est « qu'est-ce que ce contenu vaut pour un tiers, et qu'est-ce que je perds à le rendre inaccessible ». La réponse diffère d'un site à l'autre, et elle se révise. Elle mérite d'être posée par écrit, avec une date, pour être réexaminée quand la politique d'OpenAI bougera de nouveau, ce qui est déjà arrivé.
Nautilinks opère un réseau de médias éditoriaux. Articles écrits en interne, mentions de transparence respectées, mix d'ancres calibré.
Questions fréquentes
Bloquer GPTBot fait-il disparaître un site de ChatGPT ?
Non. GPTBot collecte pour l'entraînement des modèles, alors que l'affichage dans ChatGPT Search dépend d'OAI-SearchBot. Un site qui bloque GPTBot tout en laissant OAI-SearchBot passer reste éligible aux résultats de recherche de ChatGPT. Les deux agents se pilotent par des directives robots.txt séparées, et c'est justement la séparation qu'OpenAI a introduite pour permettre cet arbitrage. L'erreur inverse existe aussi : bloquer OAI-SearchBot par un filtre trop large tue la visibilité sans protéger quoi que ce soit.
Un contenu déjà collecté peut-il être retiré d'un modèle entraîné ?
Une directive robots.txt agit sur les explorations futures, jamais sur ce qui a déjà été ingéré. Un modèle entraîné ne se dés-entraîne pas parce qu'un fichier a changé. Poser un blocage aujourd'hui limite les collectes ultérieures et rien d'autre. Pour les corpus dont la valeur juridique est significative, la voie utile n'est pas technique mais contractuelle, et elle passe par un contact direct avec l'éditeur du modèle plutôt que par un fichier texte.
Comment vérifier qu'une requête GPTBot n'est pas usurpée ?
La chaîne user-agent se falsifie en une commande, elle ne prouve rien. La validation se fait sur les plages d'adresses IP publiées par OpenAI, comparées à l'IP source enregistrée dans vos logs. Sur un CDN, la règle se pose au niveau du pare-feu applicatif avec une liste d'IP maintenue, pas sur une correspondance de nom. Sans cette étape, tout traitement différencié appliqué à GPTBot est contournable par n'importe quel scraper qui recopie la chaîne.
Un fichier llms.txt remplace-t-il les directives robots.txt pour GPTBot ?
Non, ce sont deux registres différents. Le robots.txt est lu et documenté par OpenAI pour GPTBot et OAI-SearchBot, un fichier llms.txt relève d'une proposition de la communauté sans reconnaissance officielle par les principaux crawlers. Google a d'ailleurs rappelé dans sa ressource du 15 mai 2026 qu'aucun balisage spécifique à l'IA n'est requis pour la visibilité générative. Traitez llms.txt comme une expérimentation à coût nul, pas comme un mécanisme de contrôle d'accès.
Pourquoi le passage de GPTBot n'apparaît-il pas dans GA4 ?
Parce qu'un crawler n'exécute pas la balise de mesure : pas de JavaScript déclenché, pas de session, pas d'événement. GA4 ne verra jamais GPTBot, et un rapport d'audience ne dira rien de son activité. La mesure passe par les logs serveur, les journaux du CDN ou un outil d'analyse de logs. C'est aussi pour cette raison que l'activité des crawlers IA doit être analysée séparément des référents ChatGPT, qui eux relèvent d'un tout autre canal.
Faut-il autoriser GPTBot sur un site qui commercialise des articles sponsorisés ?
Le contenu commandé par un client n'a d'intérêt que s'il est atteignable. Fermer OAI-SearchBot ou ChatGPT-User sur un support de publication revient à livrer une visibilité amputée, ce qui est difficile à défendre. Pour GPTBot spécifiquement, l'enjeu d'entraînement est faible sur du contenu éditorial commandité, et le laisser passer coûte peu. La vraie ligne rouge se situe sur les sections privées, les espaces clients et tout ce qui n'était pas destiné à circuler.
Testez vos connaissances
Quiz : GPTBot
1/3Quel crawler d'OpenAI conditionne l'affichage d'un site dans ChatGPT Search ?