Une récupération simple manquait le texte principal d’une page clé sur 7 des 72 sites
Quand ChatGPT lit une page pour quelqu’un, il prend le HTML que renvoie le serveur et s’arrête là. Le lecteur de Claude et le robot de Perplexity aussi. Tout ce qu’un script écrit après le chargement ne fait pas partie de ce qu’ils reçoivent. La question est donc de savoir si les mots qui comptent figurent dans cette première réponse.
Entre le 5 et le 17 octobre 2026, Proofsource a vérifié la page d’accueil et jusqu’à quatre pages clés de chaque marque suivie dans ses espaces de travail. Chaque page a été récupérée deux fois : par notre propre robot, une requête simple qui n’exécute aucun script, et par un navigateur qui en exécute. Nous avons découpé la version du navigateur en blocs de texte et compté la part de ses mots qui apparaissait aussi dans la récupération simple.
211 pages sur 72 sites ont donné une lecture exploitable. La page médiane obtenait 95 %, et 144 des 211 obtenaient 90 % ou plus. 24 pages obtenaient moins de la moitié.
Nous avons lu à la main le texte manquant des 24. Douze d’entre elles, sur 7 sites, avaient perdu un texte qu’un acheteur lirait. Soit 7 sites sur 72, ou 9,7 % (intervalle à 95 % de 4,8 % à 18,7 %).
La moitié des pages sous les 50 % étaient de fausses alertes
Les douze autres semblaient alarmantes et ne l’étaient pas. Sur quatre pages d’un même site, le texte manquant était un panneau de consentement aux cookies. Cinq pages d’un grand site de logiciels obtenaient entre 7 % et 16 % parce que du code d’image intégré était compté comme des mots. Un formulaire d’avis, un compteur de transactions en direct et un lecteur de musique complétaient le reste.
Lisez donc les blocs avant de vous fier au score. Un pourcentage ne distingue pas un tableau de prix manquant d’un bandeau de cookies manquant. La liste de ce qui manque, si.
Ce qui manquait : des titres, des études de cas et un tableau de prix
Les douze pertes réelles, anonymisées :
- Trois pages d’accueil revenaient avec un ou deux mots. Deux donnaient à la récupération simple le nom de l’entreprise et rien d’autre.
- L’index des études de cas d’un éditeur de logiciels et une étude de cas obtenaient 0 %. Chaque citation de client était écrite par un script.
- La page de tarifs d’un outil pour développeurs obtenait 15 %. Les quotas de l’offre gratuite, les conditions de l’essai et les limites des offres arrivaient tous après le chargement.
- L’index du blog et la page de contact d’un site étaient vides aussi, en plus de sa page d’accueil.
- Le portfolio d’un designer perdait la biographie de sa page d’accueil et toute la liste de ses services.
- La page d’accueil et la page de services d’une grande place de marché gardaient 18 % et 7 %. Les annonces, les prix et les notes se chargent après la page.
Les pages produit tenaient le mieux : 1 sur 31 sous la moitié
Les pages produit étaient le type le plus sûr que nous ayons vérifié : 31 ont donné une lecture, la médiane obtenait 92 %, et la seule sous la moitié ne perdait qu’un formulaire d’avis. Les pages d’accueil étaient les plus risquées : 8 sur 72 obtenaient moins de la moitié, et cinq des douze pertes réelles étaient des pages d’accueil.
Google rend la page. Le lecteur de ChatGPT, Claude et Perplexity, non.
Vercel et MERJ ont constaté en décembre 2024 qu’aucun des grands robots d’IA n’exécutait JavaScript, les trois d’OpenAI, ClaudeBot et PerplexityBot compris. Gemini utilisait l’infrastructure de Googlebot et l’exécutait.
Un journal plus récent dit la même chose des lecteurs qui récupèrent une page quand quelqu’un pose une question. Forge a compté 30 jours de requêtes vers un site d’actualité, jusqu’au 24 septembre 2026. ChatGPT-User a fait 37 045 lectures de page et n’a récupéré aucun script en chargeant une page. Claude-User en a fait 10 028 et PerplexityBot 3 193, sans aucun script non plus. Dans un test le lendemain, ChatGPT, Claude et Gemini n’ont chacun rapporté que le mot de code écrit dans le HTML, et aucun des deux ajoutés par un script.
Google est différent. Sa documentation indique qu’un Chromium sans interface rend la page et que Google indexe le HTML rendu, et une page n’a besoin que d’être indexée et éligible à un extrait pour apparaître dans AI Overviews ou AI Mode. Le texte que vos scripts écrivent peut donc atteindre les réponses d’IA de Google tout en manquant quand ChatGPT lit la même page en direct.
Une question reste ouverte : un développeur a signalé le 30 septembre que les robots de recherche et d’entraînement d’OpenAI avaient commencé à rendre les pages de ses propres sites Next.js à partir du 25 septembre. OpenAI ne l’a pas annoncé, et cela ne changerait pas ce que ChatGPT-User a montré ci-dessus.
Vérifiez vos propres pages en dix minutes
Pas besoin d’outil pour un premier coup d’œil.
- Choisissez trois phrases qui comptent sur la page : le titre, un prix, une citation de client.
- Ouvrez le code source de la page (pas l’inspecteur d’éléments, qui montre la page rendue) et cherchez chacune. Depuis un terminal, faites un curl de l’URL et un grep des phrases.
- Désactivez JavaScript pour le site dans les paramètres de votre navigateur et rechargez. Ce qui reste correspond à peu près à ce que reçoivent ces robots.
- Ignorez les bandeaux de cookies, les widgets de chat et les fenêtres surgissantes manquants. Placez les titres, les descriptions de produits, les prix, les études de cas et les FAQ dans le HTML du serveur, avec le rendu côté serveur, la génération statique ou le prérendu.
- Si une récupération simple obtient un 403 alors que votre navigateur charge la page, vérifiez votre CDN ou votre pare-feu. Quatre autres sites ont refusé notre robot de cette façon. Nous les avons écartés, parce qu’un pare-feu qui bloque un robot inconnu peut quand même laisser passer les robots d’IA vérifiés.
Comment Proofsource s’en charge
Proofsource fait cette vérification sur la page d’accueil et jusqu’à quatre pages clés de chaque marque suivie : une récupération simple qui n’exécute aucun script et respecte robots.txt, face à une copie rendue de la même page. Il affiche la part des mots obtenus par la récupération simple, liste les blocs manquants à côté de ceux qu’il a lus et suggère des correctifs pour cette page. Notre propre page d’accueil obtenait 0 % quand nous l’avons vérifiée le 4 octobre. Une récupération simple obtenait 9 de ses 2 416 mots. Le site est désormais prérendu, et une récupération simple de la page d’accueil renvoie son texte.
Où cette analyse pourrait se tromper
Notre robot n’est pas GPTBot. Il s’identifie comme ProofBot, et un site qui traite les robots selon leur nom pourrait servir autre chose aux robots d’IA. Les quatre sites qui nous ont refusés en sont le cas visible.
La séparation entre pertes réelles et fausses alertes repose sur notre lecture manuelle d’échantillons limités du texte manquant, et nous n’avons lu que les pages sous les 50 %. Une page peut obtenir 78 % et manquer encore quelque chose d’important : une page d’accueil à ce score avait perdu ses étapes de fonctionnement et sa liste d’intégrations. Les 7 sites sont donc un plancher pour les pages ayant perdu quelque chose qui compte. La règle de score a aussi un bruit connu, comme le code d’image intégré, qui tire les scores vers le bas.
Le contenu personnalisé, comme les annonces de la place de marché, peut différer d’un visiteur à l’autre. La lecture de chaque site est sa dernière vérification entre le 5 et le 17 octobre, et les sites changent. Les 72 sites sont surtout de petites entreprises ayant un espace de travail Proofsource, plus quelques grandes marques qu’elles suivent, pas un échantillon aléatoire du web.
Les éléments externes sont minces aussi : une étude de 2024, le journal d’un site d’actualité et le signalement d’un développeur.
