Méthodologie · Édition V1 · Mai 2026

Le standard de readiness IA pour vos pages produit.

Trois dimensions, des centaines de signaux extraits en direct sur la page, un score sur 100 défendable critère par critère. Méthodologie publique et reproductible.

Sous-scores

3 dimensions

Type de moteur

Rule-based déterministe

Cibles

ChatGPT · Gemini

Scoring

/100 pondéré

§ 01 · Can agents reach the page and read it?

Reach & read

Regroupe l’accès réseau / crawl / robots et la lisibilité du contenu produit sans dépendre du JavaScript (HTML brut vs rendu Playwright).

Pondération

20 %

Du score global (pondération V1 : 20 % · 40 % · 40 %).

Critères évalués

01
Fetch HTTP(S) et canonical
Statut 200, redirections maîtrisées, canonical alignée avec l’URL auditée.
02
robots.txt, meta robots, X-Robots-Tag
Pas de blocage involontaire des crawlers utiles (GPTBot, Google-Extended, etc.).
03
Sitemap et présence URL
Sitemap XML exposé ; URL produit référencée.
04
llms.txt et TTFB
Bonus llms.txt ; TTFB seuilé pour faciliter le crawl.
05
Sondes par bot (diagnostic)
Indicateurs non pénalisants : IP cloud vs ranges officiels.
06
HTML brut vs rendu navigateur
Nom, prix, disponibilité, description, JSON-LD : présents dans le HTML initial ou après hydration.

§ 02 · Can agents extract facts?

Product Data Completeness

Mesure la présence des champs structurés nécessaires à un agent d’achat pour citer le produit avec confiance.

Pondération

40 %

Du score global (pondération V1 : 20 % · 40 % · 40 %).

Critères évalués

01
Schema.org Product valide
JSON-LD parseable, schéma respecté.
02
name · description · brand · image · sku
Champs critiques renseignés.
03
GTIN · MPN
Identifiants standardisés présents.
04
Offer.price · priceCurrency · availability
Triplet attendu par les agents shopping.
05
shippingDetails · hasMerchantReturnPolicy
Logistique et retour structurés.
06
AggregateRating · review · BreadcrumbList
Confiance et navigation explicites.
07
Cohérence HTML / JSON-LD
Le visible et le structuré disent la même chose.

§ 03 · Can agents decide?

Semantic Decisioning

Vérifie si la page donne assez de contexte qualitatif pour qu’un agent recommande le produit dans sa réponse.

Pondération

40 %

Du score global (pondération V1 : 20 % · 40 % · 40 %).

Critères évalués

01
Cas d’usage explicites
Quand utiliser le produit, dans quel contexte.
02
Audience cible
Pour qui, niveau, besoin, contraintes.
03
Différenciation
Bénéfices, limites, comparaisons explicites ou implicites.
04
FAQ et questions fréquentes
Réponses lisibles par les LLMs.
05
Spécifications hiérarchisées
Tableaux ou listes structurées.
06
Avis exploitables
Texte des avis accessible, pas seulement la note.
07
Métadonnées alignées
Title et meta description cohérents avec le contenu.

§ V · Principes

Quatre principes qui tiennent la méthodologie.

Du signal, pas du bruit

Trois dimensions, des critères binaires ou seuilés, pondérés. Chaque point du score s’explique critère par critère et se relie à une action concrète sur la page produit.

Déterministe et explicable

V1 du moteur est rule-based. Chaque critère est testé en local, le score est rétro-calculable et défendable en réunion comme en sales call.

Spécifique au commerce agentique

Distinction nette entre SEO classique (Googlebot, indexation) et readiness IA (GPTBot, Google-Extended, agents shopping). Le score traduit la capacité de la page à devenir une source citable par un agent.

Adaptée au marché

Le benchmark sectoriel est calculé par marché (FR par défaut, BE, CH, LU, CA, ES, IT, DE, UK, US). Le score sectoriel est spécifique au marché du retailer, pas une moyenne mondiale.