Le 16 août 2026, j'ai demandé la même page de Trustpilot deux fois, à quelques secondes d'intervalle, en ne changeant qu'une chose : l'en-tête qui annonce qui je suis.

Avec un en-tête de navigateur Chrome, fr.trustpilot.com/review/www.sncf-connect.com répond HTTP 403. Avec un en-tête GPTBot, la même URL répond HTTP 200 et livre 709 989 caractères de HTML. J'ai répété l'essai quatre fois de suite : 200, 200, 200, 200 pour le robot d'OpenAI, 403, 403, 403, 403 pour le navigateur.

Un en-tête Googlebot, lui aussi, reçoit un 403.

Ce que contient la page servie au robot mérite d'être détaillé, parce que c'est là que se joue tout le sujet de cet article. Elle contient deux blocs JSON-LD. L'un décrit un LocalBusiness porteur d'une note agrégée : ratingValue 1.2, reviewCount 1318, sur une échelle de 1 à 5. L'autre expose vingt avis complets, chacun dans un objet Review avec son reviewBody intégral. Le même texte figure aussi dans le HTML visible, vingt fois.

Autrement dit, le texte des avis clients de cette entreprise est servi en clair, en HTML pré-rendu, à un robot d'intelligence artificielle, sur une page qu'un navigateur ordinaire ne peut pas ouvrir.

Il faut poser tout de suite la limite de ce relevé, parce qu'elle est réelle. Ma requête partait d'une adresse IP ordinaire, pas des plages d'OpenAI. Je n'ai donc pas mesuré ce que reçoit le vrai GPTBot, et je ne le prétends pas. Ce que le relevé établit est plus modeste et suffisant : le filtrage de Trustpilot se décide sur l'en-tête déclaré, et le contenu servi sous cet en-tête contient les avis en toutes lettres. C'est la même prudence que celle que j'ai appliquée au blocage réseau de Reddit, avec un résultat exactement inverse.

Trustpilot ne trie pas les robots par fonction

Le fichier robots.txt de Trustpilot pèse 20 304 octets et 883 lignes. Il déclare 45 blocs et 45 lignes User-agent, pour 44 noms distincts, ImagesiftBot apparaissant deux fois. Sa dernière ligne est un User-agent: * suivi d'un Disallow: /, donc tout robot non nommé est bloqué par défaut.

J'ai calculé l'empreinte de la liste de directives de chaque bloc. Il n'existe que trois blocs de directives distincts dans tout le fichier.

Le premier regroupe 22 agents autour d'une liste de 32 directives rigoureusement identique, à la ligne près. On y trouve Googlebot, bingbot, DuckDuckBot, Baiduspider, Slurp, Twitterbot et huit robots d'intelligence artificielle : ChatGPT-User, OAI-SearchBot, GPTBot, PerplexityBot, ClaudeBot, Claude-User, Claude-SearchBot et Google-Extended.

Le deuxième ne concerne que Facebook, avec FacebookBot et facebookexternalhit. Il reprend le bloc précédent en changeant une seule ligne : Allow: /reviews/ au lieu de Disallow: /reviews/.

Le troisième est un Disallow: / sec, appliqué à 20 noms plus le caractère générique. Quinze de ces noms sont des robots liés à l'IA : CCBot, anthropic-ai, cohere-ai, Applebot-Extended, Bytespider, Meta-ExternalAgent, Meta-ExternalFetcher, YouBot, Timpibot, Diffbot, Webzio-Extended, Omgili, Omgilibot, ImagesiftBot et Kangaroo Bot. Les quatre autres sont d'un genre différent : trois outils de veille et de surveillance de marque, sentibot, AwarioRssBot et AwarioSmartBot, plus le moteur de recherche Yandex.

Huit robots IA d'un côté, quinze de l'autre, vingt-trois nommés au total.

Ce découpage contredit la grille d'analyse que j'utilise depuis un an. Dans l'article sur les robots IA et le robots.txt, j'expliquais que la bonne question est de distinguer les robots d'entraînement, les robots de recherche et les robots déclenchés par l'utilisateur, parce que les trois n'ont pas la même conséquence sur votre visibilité. Cette grille ne rend pas compte du fichier de Trustpilot.

GPTBot et Google-Extended sont des robots d'entraînement, et ils sont du côté ouvert. CCBot, anthropic-ai, cohere-ai et Applebot-Extended sont eux aussi des robots d'entraînement, et ils sont du côté fermé. La ligne de partage ne suit pas la fonction du robot. Elle suit le nom de l'entreprise qui l'exploite.

Formulé autrement : Trustpilot a dressé une liste blanche de grands éditeurs, à qui il accorde exactement le traitement de Googlebot, et il refuse la porte à tous les autres, y compris quand ils font le même métier. C'est une décision commerciale, pas une décision technique, et elle est parfaitement lisible dans le fichier.

G2 trace la ligne exactement à l'inverse

Le robots.txt de G2 fait 311 lignes et 46 lignes User-agent, réparties en huit groupes seulement. Il nomme lui aussi un ensemble de robots IA : GPTBot, ClaudeBot, Google-Extended, Applebot-Extended, Meta-ExternalAgent, Amazonbot et CCBot.

Une précision de méthode s'impose ici, parce qu'elle change le résultat. Une ligne vide ne termine pas un groupe dans un robots.txt : d'après la norme RFC 9309, un groupe court d'une ligne User-agent jusqu'à la suivante. Le fichier de G2 est truffé de lignes vides internes, et les compter comme des séparateurs conduit à un décompte faux. Une fois les groupes reconstitués correctement, le bloc générique User-agent: * porte 88 directives et le bloc des sept robots IA en porte 101.

Ces 101 directives contiennent les 88 du bloc générique, à l'identique, plus treize interdictions supplémentaires. Les voici toutes :

Disallow: /products/*/reviews/*
Disallow: /compare/*-vs-*-vs-*
Disallow: /*/compare/*-vs-*-vs-*
Disallow: /de/compare/    Disallow: /fr/compare/
Disallow: /es/compare/    Disallow: /pt/compare/
Disallow: /it/compare/
Disallow: /de/   Disallow: /fr/   Disallow: /es/
Disallow: /pt/   Disallow: /it/

Autrement dit, G2 ferme à ces sept robots ses pages d'avis produit, ses pages de comparaison, et l'intégralité de ses versions non anglaises. Pour un lecteur français, la dernière ligne est la plus brutale : Disallow: /fr/ retire tout le G2 francophone du champ de ces robots.

Et voici le renversement. OAI-SearchBot, ChatGPT-User, PerplexityBot, Claude-User et Claude-SearchBot ne sont pas nommés du tout dans ce fichier. Ils tombent donc sur le bloc générique de 88 directives, qui ne contient aucune de ces treize lignes. Chez G2, les robots de recherche des moteurs génératifs peuvent lire les pages d'avis que les robots d'entraînement des mêmes entreprises ont interdiction de lire.

Là où Trustpilot trie par éditeur, G2 trie par fonction. Les deux plateformes appliquent des logiques opposées au même problème, et un site qui aurait recopié la politique de l'une chez l'autre obtiendrait le résultat inverse de celui qu'il vise.

Deux agents seulement récoltent un Disallow: / du côté IA, Bytespider et DeepSeekBot, aux côtés d'un long musée d'aspirateurs de sites des années 2000. Diffbot, lui, reçoit un groupe pour lui seul, réduit à la ligne Disallow: /products/*/reviews/*.

Le fichier se termine par trois lignes Sitemap, dont celle-ci :

Sitemap: https://www.g2.com/llms.txt

Le fichier existe, répond en 200, pèse 4 313 octets et s'annonce en text/markdown. C'est un cas intéressant au regard de ce que j'écrivais sur l'utilité réelle de llms.txt : G2 ne se contente pas de le publier, il le déclare dans son robots.txt en le faisant passer pour un sitemap.

Troisième cas de figure, pour équilibrer le tableau. Le robots.txt de Capterra France fait 67 lignes et ne nomme aucun robot d'intelligence artificielle sur les douze que j'ai testés. Il bloque des aspirateurs, AhrefsBot, SemrushBot, PetalBot et Yandex, et laisse tout le reste passer par défaut.

Trois plateformes d'avis, trois politiques sans rapport les unes avec les autres devant les moteurs IA : une liste blanche par éditeur, un tri par fonction de robot qui ferme les pages d'avis à la moitié d'entre eux, et une absence totale de prise en compte du sujet. Il n'existe aucune règle du secteur, et c'est le premier enseignement pratique de ce relevé. Si vos avis vivent sur une plateforme, la question de savoir s'ils sont lisibles par les moteurs génératifs se tranche fichier par fichier, avec une commande.

curl -s https://exemple.com/robots.txt | grep -i -E \
  "GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|PerplexityBot"

Une note agrégée ne survit pas à la récupération

J'en viens au coeur du sujet, et à ce que le relevé d'ouverture montre sans le dire.

Sur la page servie à GPTBot, deux choses coexistent. Une note, 1.2 sur 1 318 avis, qui tient en un nombre. Et vingt textes, chacun de quelques dizaines à quelques centaines de mots, qui racontent un billet non remboursé, un train supprimé, un service client injoignable.

Le marché français de l'e-réputation travaille presque exclusivement sur le premier objet, et le SEO local l'y a encouragé pendant quinze ans. On achète des solutions pour faire monter une moyenne, on surveille une évolution de note, on affiche des étoiles. Or c'est le second objet qui circule dans les réponses génératives, et le mécanisme est celui que je décrivais dans l'article sur le query fan-out et l'autonomie des passages : ces moteurs ne récupèrent pas des pages, ils récupèrent des fragments de texte, et ils les récupèrent parce que ces fragments se suffisent à eux-mêmes.

Une moyenne pondérée ne se suffit pas à elle-même. Sortie de son contexte, 1.2 ne veut rien dire, ne se cite pas et ne répond à aucune question formulée en langue naturelle.

Un avis client, lui, est un passage autonome par construction. Il est daté, il est attribué à quelqu'un, il rapporte une expérience située, et il est intelligible seul. C'est très exactement la forme que le pilier de ce blog décrit comme citable, et vos clients la produisent gratuitement, sans savoir qu'ils la produisent.

La conséquence est inconfortable et vaut d'être posée franchement : la seule partie de votre réputation en ligne qui circule dans les moteurs génératifs est celle que vous n'avez pas écrite. Le chiffre que vous pilotez ne voyage pas. Les phrases que vous ne contrôlez pas voyagent.

Cela rejoint ce que j'établissais dans l'article sur l'E-E-A-T et le GEO. Des quatre lettres de l'acronyme, une seule se transporte au niveau du fragment, et c'est le Trust, parce qu'il se ramène à de l'attribution : qui parle, quand, sur quelle base. Un avis coche les trois cases sans effort. Une page « ils nous font confiance » optimisée au chausse-pied pour le SEO n'en coche aucune.

Le seul endroit que vous contrôlez est celui où le balisage est interdit

Reste une objection évidente. Si le verbatim compte, pourquoi ne pas publier les avis sur son propre site, où l'on maîtrise le HTML, le balisage et l'accès des robots ?

Parce que Google l'a explicitement exclu, et depuis longtemps. Sa documentation sur les extraits d'avis, mise à jour le 24 juillet 2026, énonce la règle des avis auto-attribués :

If the entity that's being reviewed controls the reviews about itself, their pages that use LocalBusiness or any other type of Organization structured data are ineligible for star review feature.

La phrase suivante ferme la porte de secours, et c'est elle qu'on ne cite jamais :

For example, a review about entity A is placed on the website of entity A, either directly in their structured data or through an embedded third-party widget (for example, Google Business reviews or Facebook reviews widget).

Le widget tiers intégré est nommé. C'est-à-dire la solution que déploient la quasi-totalité des sites français qui affichent leurs avis. La même page ajoute une interdiction voisine, « Don't aggregate reviews or ratings from other websites », qui écarte la reprise de la note d'une plateforme sur votre propre domaine.

Cette page de documentation illustre au passage la distinction que je posais dans l'article sur schema.org et le GEO : le balisage AggregateRating est un protocole d'affichage destiné à l'index de Google, et rien dans cette documentation ne concerne les moteurs en récupération directe. Trustpilot est éligible aux étoiles parce que Trustpilot recueille des avis sur d'autres entreprises. Vous ne l'êtes pas pour les vôtres, et c'est la règle qui le dit.

À quoi s'ajoute un second obstacle, purement technique celui-là. Le widget standard de Trustpilot s'intègre par un script : widget.trustpilot.com/bootstrap/v5/tp.widget.bootstrap.min.js répond en 200 et en text/javascript. Les avis qu'il affiche sont donc injectés après le chargement, et les crawlers IA n'exécutent pas JavaScript. Le texte que vos visiteurs voient n'existe pas dans le HTML que le robot récupère.

Vous êtes donc doublement écarté au même endroit : inéligible au balisage par la règle de Google, invisible en récupération directe par la mécanique du widget. Le seul terrain où vous maîtrisez le texte est celui où il ne compte pas.

Ce que la SERP française n'a pas encore écrit

J'ai voulu vérifier si le sujet était traité ailleurs, avec la méthode que j'utilise depuis l'article sur le contenu dupliqué : récupérer les pages qui se positionnent, les découper en phrases, et compter celles qui contiennent à la fois un mot du sujet et un mot des moteurs génératifs. La co-occurrence au niveau de la phrase évite le piège du menu de navigation, qui fausse tout comptage à l'échelle de la page.

J'ai pris les résultats organiques de deux requêtes relevées le 16 août 2026 en France, « avis clients » et « e-réputation », qui pèsent chacune 1 900 recherches par mois. Onze URL, dont dix récupérables, economie.gouv.fr répondant 403 en accès automatisé. Total : 1 060 phrases de plus de quarante caractères.

Six phrases co-occurrentes, réparties sur deux pages seulement.

Le détail importe, parce qu'il corrige à la baisse. Chez semji.com, l'unique occurrence est un résidu de menu de navigation vers leur rubrique GEO, donc pas une phrase d'article. Chez guest-suite.com, sur cinq occurrences, une est le bandeau de boutons « Résumer via ChatGPT » qui coiffe l'article et deux portent sur l'IA employée à rédiger les réponses aux avis, ce qui est un autre sujet. Restent deux phrases qui traitent réellement de la façon dont les moteurs génératifs se servent des avis.

Huit des dix pages accessibles sont donc à zéro, neuf si l'on retire le résidu de menu, et un seul éditeur aborde la question. Cet éditeur vend une solution de gestion d'avis, ce que je signale sans en tirer de grief : c'est simplement la position d'où le sujet devient visible.

La composition de ces deux pages de résultats dit d'ailleurs la même chose autrement. Sur « e-réputation », le premier résultat organique est une page de la CNIL datée du 5 octobre 2015, suivie de Bercy, de Bpifrance, d'une école de commerce, de Wikipédia et, plus bas, d'une vidéo de 2019. Sur « avis clients », les neuf organiques se répartissent en trois plateformes, une page institutionnelle, deux définitions de lexique, deux comparatifs et un article de blog. Le sujet est solidement occupé par de la définition et de l'institutionnel, et personne n'y a encore branché la question de la citation.

Ce que je ne peux pas affirmer

Quatre choses, et je préfère les nommer que les laisser deviner.

Je n'affirme pas que le vrai GPTBot reçoit un 200 sur Trustpilot. J'ai mesuré depuis une IP quelconque avec un en-tête déclaré, ce qui prouve que le filtrage se fait sur cet en-tête, et rien de plus sur l'infrastructure d'OpenAI.

Je n'affirme pas que ChatGPT ou Perplexity citent effectivement ces avis dans leurs réponses. Établir cela demanderait un protocole avec jeu de prompts gelé et répétitions, du genre de celui que je décrivais pour le suivi des citations IA. Ce que je montre ici est une condition d'accès, en amont de toute citation.

Je n'affirme pas que la note agrégée est sans effet. Elle joue sur le taux de clic, sur la conversion et sur le pack local, qui sont des terrains bien documentés. Mon propos porte sur ce qui se transporte dans un fragment récupéré, et une moyenne ne s'y transporte pas.

Je ne généralise pas trois robots.txt à un secteur. Trois plateformes, un relevé, une date. La divergence entre elles est le fait intéressant, pas les proportions.

Ce que ça change en pratique

Cinq gestes, dans l'ordre où je les recommande.

Commencez par lire le robots.txt de la plateforme sur laquelle vivent vos avis, avec la commande donnée plus haut. Vous saurez en dix secondes si le texte de vos clients est lisible par les moteurs génératifs, ou s'il est enfermé dans un jardin clos. C'est le même raisonnement à deux fichiers que celui que j'appliquais à la syndication : le sort de votre contenu chez un tiers se décide dans le robots.txt du tiers, pas dans le vôtre.

Vérifiez ensuite si vos avis sur votre propre site existent dans le HTML brut. Un curl sur la page, un grep sur une phrase d'un témoignage affiché à l'écran. Si le grep ne trouve rien, vos avis sont invisibles pour tout moteur en récupération directe.

Traitez le texte des avis comme un actif éditorial et pas comme un décor. Une réponse publique bien écrite à un avis critique est un passage autonome supplémentaire, daté et attribué, publié sur un domaine que les robots lisent. C'est probablement le levier le moins cher de tout ce blog.

Surveillez vos verbatims, pas seulement votre moyenne. Les phrases qui reviennent dans vos avis sont celles qui ont une chance de se retrouver dans une réponse générative vous concernant. Une moyenne stable peut recouvrir un basculement complet du vocabulaire employé, et c'est le vocabulaire qui voyage.

Enfin, ne comptez pas sur le balisage AggregateRating de votre propre site pour porter votre réputation. La règle de Google est explicite et le widget est en JavaScript. Votre effort est mieux placé sur les plateformes que les robots lisent réellement.

Le fond de l'affaire tient en une phrase. Vos avis clients sont probablement votre contenu le mieux structuré pour la récupération générative, ils sont datés, attribués et autonomes, et vous n'en avez écrit aucun. Le travail ne consiste donc pas à fabriquer ce texte, mais à savoir où il est lisible et ce qu'il raconte.

Si vous voulez savoir ce que les moteurs génératifs lisent aujourd'hui de votre réputation, c'est une des dimensions que nous mesurons dans un audit GEO, et cela s'articule avec le reste du chantier SEO et GEO.