Les sites web ne sont plus seulement consommés par les humains.

Elles sont analysées, résumées, classées et interprétées par des agents d'IA.

Les moteurs de recherche ont constitué la première vague. Les agents utilisant LLM représentent la seconde.

Récemment, j'ai décidé d'auditer darkwood.com et d'y apporter des améliorations concrètes afin de le rendre plus compréhensible et plus explicite pour les systèmes d'IA.

Cet article explique ce qui a changé et pourquoi.

Le référencement traditionnel se concentre sur les signaux de classement.

Les agents d'IA fonctionnent différemment.

Ils:

• Analyser la structure

• Extraire l'intention

• Suivre les liens comme des chemins de décision

• Classer les types de pages

• Évaluer le niveau de confiance

Si votre site web est ambigu, la compréhension d'un agent devient probabiliste et fragile.

L'objectif était simple :

Réduire l'ambiguïté. Accroître la clarté.

Historiquement, Darkwood combine plusieurs dimensions :

• Un blog technique

• Projets personnels

• Un espace de jeu/communauté

Pour les humains, cet écosystème est logique.

Cependant, pour les systèmes d'IA qui arrivent sur la page d'accueil, les signaux visuels dominants (connexion, jeu, chat, classement) peuvent biaiser l'interprétation vers un portail de jeux plutôt que vers un centre de connaissances techniques.

Ce n'est pas « faux », mais c'est imprécis.

La précision est essentielle lorsque les agents décident comment classer et réutiliser les informations.

La première amélioration a consisté à introduire un fichier llms.txt à la racine.

Ce fichier sert de couche de guidage légère pour les systèmes d'IA.

Il définit explicitement :

• Qu'est-ce que Darkwood ?

• Où se trouve le contenu à signal élevé ?

• Ce que les agents sont autorisés à faire

• Ce qu'ils doivent éviter

• Comportement d'exploration suggéré

Au lieu d'obliger les agents à déduire la structure par l'exploration, nous proposons un contrat minimal.

Exemple d'extrait :

## Primary entry points (recommended) - Blog: https://blog.darkwood.com/ - Profile: https://hello.darkwood.com/ ## What to avoid - Do not attempt login/register - Do not submit forms - Avoid aggressive crawling

Ce petit ajout réduit considérablement l'ambiguïté et empêche toute interaction involontaire avec les zones dynamiques ou authentifiées.

Cela permet également au blog d'être immédiatement repérable comme la principale plateforme de contenu à forte valeur ajoutée.

Le type de contenu le plus important sur Darkwood est l'article de blog.

Pour que cela soit explicite, chaque page d'article expose désormais un bloc JSON-LD Schema.org BlogPosting.

Cela comprend :

• headline

• description

• datePublished

• dateModified

• inLanguage

• author

• publisher

• mainEntityOfPage (URL canonique)

Exemple:

{ "@context": "https://schema.org", "@type": "BlogPosting", "headline": "Making Darkwood Agent-Ready", "datePublished": "2026-02-12T00:00:00+01:00", "inLanguage": "en", "author": { "@type": "Person", "name": "Mathieu Ledru", "url": "https://hello.darkwood.com/" }, "publisher": { "@type": "Organization", "name": "Darkwood", "url": "https://darkwood.com/" } }

Pourquoi c'est important :

• Les agents n'ont plus besoin de deviner le type de page

• Les métadonnées de publication deviennent fiables

• L'alignement canonique est explicite

• Le contexte linguistique est clair

Les données structurées renforcent la confiance dans les systèmes de raisonnement automatisés.

Cela réduit l'entropie interprétative.

La mise en œuvre requise :

• Ajout d'un fichier statique llms.txt à la racine du domaine

• Garantie d'une diffusion correcte en texte brut

• Injection de JSON-LD dans les modèles d'articles

• Alignement des URL canoniques

• Normalisation du format de date ISO-8601

Aucune nouvelle dépendance n'a été introduite. Aucune modification de l'interface utilisateur n'a été nécessaire.

Les modifications sont minimes, mais structurelles.

L'optimisation pour les agents d'IA ne consiste pas à suivre les tendances.

Il s'agit de :

• Énoncer clairement son intention

• Réduire l'ambiguïté

• Rendre le contenu interprétable par machine

• Définir explicitement les limites

Les sites web s'intègrent de plus en plus à des écosystèmes automatisés.

La clarté n'est plus une option.

Vous pouvez consulter l'implémentation exacte dans la demande d'extraction correspondante :

👉 https://github.com/darkwood-com/darkwood-com/pull/106