En 2024, les utilisateurs ont recherché sur Google : « Meilleures chaussures de course 2024 ». En 2026, les utilisateurs demandent à ChatGPT : « J’ai besoin de chaussures de course larges pour un entraînement marathon à moins de 150 $. Que dois-je acheter ? » Si votre site Web est optimisé pour les mots-clés (SEO), vous pourriez apparaître dans Google. Mais si vos données ne sont pas optimisées pour le raisonnement (LLMO), ChatGPT vous ignorera.

La théorie : des mots-clés aux vecteurs

Le référencement traditionnel associe la chaîne « chaussures de course » à la chaîne « chaussures de course ». Les LLM correspondent au Contexte et aux Attributs. Ils doivent « comprendre » le produit, pas seulement l’indexer.

Le chaînon manquant : `llms.txt`

Tout comme « robots.txt » indique à un robot où aller, une carte sémantique est nécessaire pour l’IA. Nous mettons en œuvre une couche de données robuste et structurée.

Implémentation : JSON-LD sur les stéroïdes

La plupart des thèmes Shopify ont un balisage Schema.org de base. C’est insuffisant. Nous injectons des « attributs de raisonnement » dans la tête de chaque PDP.

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Produit",
  "name": "Velocity Runner X",
  "description": "Conçu pour l'entraînement marathon avec support de voûte plantaire haute.",
  "marque": {
    "@type": "Marque",
    "name": "Maison Sport"
  },
  "offres": {
    "@type": "Offre",
    "prixCurrency": "USD",
    "prix": "140,00",
    "disponibilité": "https://schema.org/InStock"
  },
  "Propriété supplémentaire": [
    {
      "@type": "ValeurPropriété",
      "name": "Cas d'utilisation",
      "value": "Entraînement marathon"
    },
    {
      "@type": "ValeurPropriété",
      "name": "Fit",
      "value": "Boîte à bout large"
    },
    {
      "@type": "ValeurPropriété",
      "name": "Lâcher",
      "valeur": "8mm"
    }
  ]
}
</script>

L’architecture de la découverte

graph LR
    P[Page produit] -->|Contient| JSON[JSON riche-LD]
    Robot d'exploration[PerplexityBot] -->|Scrapes| JSON
    Crawler -->|Stocke dans| VectorDB [Base de données vectorielles]
    
    Utilisateur[Utilisateur] -->|Invite| LLM[ChatGPT]
    LLM -->|Récupère| VecteurDB
    LLM -->|Recommande| Produit[Votre produit]

Stratégie de contenu pour les agents

Les agents ne lisent pas les futilités. Ils lisent des faits. Réécrivez vos descriptions.

Mauvais : “Courez comme le vent dans ces chaussures incroyables qui ressemblent à des nuages.” (Fuffes marketing).
Bon : “La semelle intermédiaire EVA CloudFoam absorbe 40 % d’impact en plus que le caoutchouc standard. Poids : 220 g. Chute du talon aux orteils : 8 mm.” (Faits).

Fact-density est la nouvelle densité de mots clés.

ROI du LLMO

Nous avons réalisé un test chez un client du secteur de l’électronique. Après avoir enrichi leur JSON-LD avec des spécifications techniques (voltage, compatibilité) :

Parrainages de perplexité : augmentation de 400 %.
Taux de conversion : les visiteurs des agents IA ont été convertis à 8 % (vs 2 % pour Google Ads).

Votre boutique est-elle invisible pour l’IA ?

Nous pouvons générer un schéma riche pour l’ensemble de votre catalogue par programmation. Engagez nos Architectes.