Ce qu'un agent IA voit vraiment en visitant votre site

Vous ouvrez votre page d'accueil et vous voyez un design : une navigation, une grande image, trois colonnes de texte, un tableau de tarifs et une bannière de cookies que vous ne remarquez plus depuis des mois.

Un agent ouvre la même URL et ne voit rien de tout cela. Il reçoit un flux d'octets, en jette la quasi-totalité et transmet ce qui reste à un modèle doté d'une fenêtre de contexte limitée. Ce qui survit à ce trajet constitue toute la base sur laquelle un assistant décrira votre entreprise.

Presque personne n'y a jamais jeté un œil. Nous avons donc mesuré.

La mesure

Le 31 août 2026, nous avons passé douze pages connues dans notre propre moteur : récupérer la page comme le ferait un agent ordinaire, extraire le contenu lisible, le convertir en Markdown et compter les tokens aux deux extrémités avec cl100k_base.

Page	Envoyé	Atteint le modèle	Restant
`wordpress.org/about`	56 663 tok	159 tok	0,3%
`vercel.com/docs`	278 962 tok	905 tok	0,3%
`stripe.com/docs`	376 509 tok	1 042 tok	0,3%
`cloudflare.com/learning/…`	95 028 tok	631 tok	0,7%
`nodejs.org/en/about`	117 729 tok	1 190 tok	1,0%
`shopify.com/pricing`	410 515 tok	2 479 tok	0,6%
`notion.com/pricing`	172 136 tok	2 805 tok	1,6%
`slack.com/pricing`	294 980 tok	5 718 tok	1,9%
`developer.mozilla.org/…/HTTP`	59 350 tok	3 059 tok	5,2%
`react.dev/learn`	91 899 tok	3 804 tok	4,1%
`atlassian.com/software/jira/pricing`	379 636 tok	1 tok	0,0%
`agentready.md`	13 188 tok	627 tok	4,8%

Aucune page ne livre plus de 6% de ce qu'elle envoie. La médiane est sous 1%.

Ce n'est pas un scandale. La plupart de ces octets font un vrai travail — mise en page, styles, analytique, interactivité — pour le lecteur muni d'un navigateur. Le constat est plus étroit : tout cela se paie à l'entrée, et presque rien n'est ce que l'agent était venu chercher.

Les quatre choses qui arrivent à votre page

Entre la requête et le modèle, votre page franchit quatre portes. Chacune laisse tomber quelque chose.

1. La récupération. L'agent demande l'URL. La plupart des récupérateurs d'agents n'exécutent pas JavaScript : c'est lent, coûteux et cela ouvre une surface d'attaque. Ils reçoivent donc la réponse brute de votre serveur, pas la page qu'un navigateur assemble.

2. L'extraction. Quelque chose doit décider quelle partie de ce HTML est l'article et laquelle est du mobilier. C'est le problème que résout le mode lecture de Firefox, avec la bibliothèque que tout le monde utilise pour cela. Navigation, pied de page, bannière de cookies et barre latérale finissent à la poubelle. Et tout ce que l'extracteur ne sait pas distinguer d'une barre latérale aussi.

3. La conversion. Ce qui reste devient du texte. Les titres, les listes, les tableaux, les liens et les blocs de code survivent en tant que structure. Les noms de classe, les <div> d'emballage, les SVG en ligne et les attributs data- non.

4. La fenêtre de contexte. Ce qui subsiste est désormais en concurrence avec la question de l'utilisateur, le prompt système et peut-être neuf autres pages.

Votre contenu n'existe, pour l'assistant, que s'il franchit les quatre.

À quoi cela ressemble quand ça se passe bien

vercel.com/docs réduit 278 962 tokens à 905, et ces 905 commencent ainsi :

## Ship anything with Vercel

Deploy your app on Vercel in three steps: install the CLI, add agent
support if you need it…

Voilà une réponse nette à « que fait Vercel ». Un modèle qui la lit peut la citer, la résumer et l'attribuer. Les 99,7% écartés ne lui ont rien coûté de ce qu'il voulait.

À quoi cela ressemble quand ça tourne mal

atlassian.com/software/jira/pricing envoie 1,37 Mo et livre un token.

La page est une coquille. Le HTML contient <div id="wac-root"></div> puis environ un mégaoctet d'état applicatif embarqué — les tarifs, les noms des offres, les listes de fonctionnalités, le tout dans un <script> sous forme de JSON, en attendant que JavaScript construise la page. Notre extracteur a docilement sorti 1,1 million de caractères de window.SSR_detailMetrics=Object.freeze({"getFeatureGateValues":… et, une fois les scripts retirés, il ne restait qu'un saut de ligne.

Donc : demandez à un assistant combien coûte Jira, et rien sur cette page ne peut être la source de sa réponse. Non parce qu'Atlassian aurait bloqué qui que ce soit — ce n'est pas le cas —, mais parce que la page ne contient aucun texte tant qu'un navigateur ne l'exécute pas.

Récupérez la même URL avec un navigateur headless et vous obtenez 3 048 tokens qui commencent par Transparent pricing for every team. Le contenu est bien là. Il n'est simplement pas dans la réponse. Qu'un agent exécute ou non un navigateur, et ce que cela lui coûte, fait toute la différence.

stripe.com/docs est une version plus douce de la même forme : 1,28 Mo en entrée, et le contenu extrait tient en 1 057 caractères qui commencent par un exemple en ligne de commande plutôt que par une description de Stripe.

Ce que nous nous attendions à trouver et qui n'y était pas

Nous supposions que certains de ces sites refouleraient les agents à la périphérie. Nous avons sondé chacun deux fois — une fois en navigateur ordinaire, une fois en nous identifiant comme OAI-SearchBot — puis comparé.

Aucun des douze n'a traité le bot différemment. Même code de statut dans les deux cas, à travers Cloudflare, Vercel et CloudFront. (cloudflare.com/learning a répondu 403 à nos deux sondes, ce qui est un mur, mais pas un mur spécifique aux bots.)

Le blocage est l'échec dont tout le monde parle. Dans cet échantillon, il ne s'est pas produit une seule fois. Ce qui s'est produit était plus discret : la porte était ouverte et la pièce vide.

Regardez votre propre page

Deux commandes. Ce que vous envoyez :

curl -s https://votresite.fr/page | wc -c

Puis lisez ce qui survit à l'extraction : collez l'URL dans l'analyseur et regardez le panneau Markdown, pas la note. La question n'est pas de savoir si le nombre est grand. Elle est de savoir si le texte que vous lisez est celui que vous voudriez voir cité à votre sujet par un assistant.

La plupart des gens sont surpris deux fois : par le peu qu'il y a, et par les parties qui sont passées.

La version courte

Un agent voit votre HTML brut, généralement sans exécuter JavaScript, et en garde environ 1%.
Si votre contenu est assemblé par JavaScript, ce 1% peut n'être rien du tout.
Être bloqué est rare. Être vide est courant.
Le correctif n'est pas d'envoyer moins de balisage. C'est de s'assurer que les mots sont dans la réponse.

Analyser votre site · Les assistants IA peuvent-ils vous lire ? · Servir du Markdown aux agents