🤖 Comment rendre Darkwood prêt pour les agents

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.

Pourquoi optimiser pour les agents IA ?
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.

Observation initiale : Ambiguïté de la page d’accueil
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.

Étape 1 — Ajout de llms.txt
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.

Étape 2 — Mise en œuvre des données structurées (JSON-LD)
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.

Ce qui a changé techniquement
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.

Pourquoi c'est important
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.

Détails de mise en œuvre
Vous pouvez consulter l'implémentation exacte dans la demande d'extraction correspondante :

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