llms.txt: lo standard per essere citati da ChatGPT e Perplexity

#Perché esiste llms.txt

Una pagina web moderna è un inferno da analizzare per una macchina: menu, banner dei cookie, script, riquadri pubblicitari, HTML nidificato. Una persona filtra tutto questo senza pensarci; un modello linguistico, invece, deve indovinare dove si trova il contenuto utile e ha una finestra di contesto limitata. Risultato: quando un'IA legge la tua pagina, gran parte del suo budget di token viene spesa per il rumore.

llms.txt risolve questo problema. È un file di testo in formato Markdown, disponibile alla radice del tuo dominio (all'indirizzo /llms.txt), che fornisce a un'IA una mappa chiara e concisa del tuo sito: di cosa parla e quali pagine consultare per i dettagli. L'idea è direttamente ispirata a robots.txt (che dice ai crawler dove possono andare) e a sitemap.xml (che elenca gli URL), ma pensata per essere letta da un LLM piuttosto che da un classico robot di indicizzazione.

#La specifica llms.txt

Il formato è volutamente minimale e si basa interamente su Markdown standard, con un ordine preciso per restare interpretabile da un programma:

Un titolo H1

Il nome del sito o del progetto. È l'unico elemento obbligatorio della specifica.

Una citazione in blocco

Una frase di sintesi (preceduta da >) che descrive il sito. Fortemente consigliata: spesso è la prima cosa che l'IA legge.

Paragrafi liberi

Zero o più blocchi di testo (senza titolo) per fornire un contesto: a chi si rivolge il sito, come leggerlo, eventuali convenzioni.

Sezioni H2

Ogni H2 contiene una lista di collegamenti in formato Markdown verso le tue pagine importanti, nel formato [Titolo](url): nota opzionale che descrive la pagina.

Una sezione «Optional»

Un H2 chiamato esattamente Optional, i cui collegamenti sono segnalati come secondari: un'IA che ha fretta può ignorarli per risparmiare contesto.

# QuelLLM.fr

> Guides francophones pour installer et faire tourner des LLM open-weight en local (Ollama, LM Studio, llama.cpp), du choix du matériel au RAG.

Site en français destiné aux utilisateurs qui veulent auto-héberger une IA sans cloud. Chaque guide est autonome et daté.

## Guides essentiels

- [Installer Ollama en 5 minutes](https://quelllm.fr/guides/installer-ollama.html): prérequis RAM/GPU et premier modèle
- [Choisir sa quantification (Q4, Q5, Q8, FP16)](https://quelllm.fr/guides/choisir-quantification-q4-q5-q8.html): compromis qualité/mémoire
- [Le RAG expliqué simplement](https://quelllm.fr/guides/rag-debutant-c-est-quoi-comment-ca-fonctionne.html): discuter avec ses documents

## Matériel

- [Quel LLM sur RTX 4090 ?](https://quelllm.fr/guides/llm-rtx-4090.html): la référence grand public 24 Go

## Optional

- [Mentions légales](https://quelllm.fr/legal.html): informations éditeur

#llms.txt vs llms-full.txt

I due file non servono alla stessa cosa e non c'è alcun obbligo di averli entrambi.

llms.txt

Un indice. Breve e strutturato, elenca le tue pagine con brevi descrizioni. L'IA lo legge per capire l'architettura del sito, poi recupera le pagine che le interessano. È il file da creare in via prioritaria.

llms-full.txt

Il contenuto completo del sito (o della documentazione) concatenato in un singolo grande file Markdown. L'IA può acquisirlo tutto in una volta, senza effettuare altre richieste. Pratico per una documentazione tecnica che si vuole caricare interamente in un contesto lungo.

In pratica: llms.txt per un sito editoriale come un blog o un catalogo di guide; llms-full.txt in aggiunta se il tuo contenuto è documentazione che vuoi poter «incollare» interamente in un LLM. Attenzione, llms-full.txt può raggiungere rapidamente diversi megabyte: generalo solo se ha senso nel tuo caso.

#Creare il tuo file passo dopo passo

1. 01
   Elencare le tue pagine che contano davvero

   Non includere tutto. Seleziona da 10 a 50 pagine che esprimono il valore che offri: guide pilastro, pagine prodotto, documentazione chiave. L'obiettivo è un indice ricco di informazioni rilevanti, non una copia della sitemap.
2. 02
   Scrivere l'intestazione

   Un H1 con il nome del sito, poi un blockquote di una frase che riassuma con precisione ciò che si trova sul tuo sito. Attieniti ai fatti: questa frase sarà spesso ripresa tale e quale dall'IA per presentarti.
3. 03
   Raggruppare i link per sezione H2

   Una sezione per tema (ad esempio « Installazione », « Hardware », « RAG »). Per ogni link, aggiungi dopo i due punti una breve nota che spieghi cosa offre la pagina. Queste note aiutano l'IA a scegliere la pagina giusta.
4. 04
   Aggiungi una sezione Optional

   Relega a quella sezione le pagine di servizio (note legali, contatti, chi siamo), in modo che l'IA sappia che sono secondarie.
5. 05
   Convalidare il Markdown

   Verifica che si tratti effettivamente di Markdown valido e che tutti i link siano assoluti e funzionino. Un errore di sintassi compromette l'utilità del file.

#Distribuire su un sito statico o WordPress

Il file deve essere accessibile all'indirizzo esatto https://votre-domaine.fr/llms.txt, servito come testo semplice (Content-Type text/plain o text/markdown). Il metodo dipende dal tuo hosting.

Su un sito statico (Hugo, Astro, Eleventy, una semplice cartella HTML), è semplicissimo: metti il file llms.txt nella radice della cartella pubblicata (spesso public/ o static/), nello stesso posto di robots.txt. Verrà servito automaticamente.

# Déposer le fichier à la racine du site publié
cp llms.txt ./public/llms.txt

# Vérifier qu'il est bien servi une fois en ligne
curl -I https://votre-domaine.fr/llms.txt
# Attendu : HTTP/2 200 et un Content-Type text/plain ou text/markdown

Su WordPress non c'è un campo dedicato. Tre opzioni: caricare il file nella directory radice tramite FTP/SFTP (accanto a wp-config.php); utilizzare un plugin SEO recente (diversi, tra cui alcune versioni di Yoast e Rank Math, possono generare un llms.txt); oppure aggiungere una regola che serva il file da un endpoint. La soluzione FTP resta la più semplice e prevedibile.

#GEO: essere citato dai motori di risposta IA

Il GEO (Generative Engine Optimization) sta a ChatGPT, Perplexity o alle AI Overviews di Google come il SEO sta alla ricerca tradizionale: è l'insieme delle pratiche per comparire — ed essere citati — nelle risposte generate da un'IA. Il cambiamento di fondo è semplice: su un motore di risposta, l'utente legge una sintesi e clicca molto meno. Ciò che conta non è più solo essere in prima pagina, ma essere la fonte che l'IA riprende e cita.

llms.txt si inserisce in questa logica: dare ai modelli un accesso ordinato a contenuti ben suddivisi e chiaramente descritti. Ma siamo precisi sulla catena causale, perché è qui che molti articoli esagerano.

Ciò che aiuta veramente il GEO

Un contenuto basato sui fatti, strutturato in sezioni chiare, con risposte dirette all'inizio della pagina e dati corredati di date e fonti. È questo che i motori di risposta premiano, con o senza llms.txt.

Il ruolo di llms.txt

Facilitare la comprensione della struttura del tuo sito e fornire descrizioni che l'IA può riutilizzare. Favorisce la leggibilità da parte delle macchine, non è un segnale magico di posizionamento.

#Cosa non fa llms.txt (dobbiamo essere onesti)

Due limiti strutturali da tenere a mente. Innanzitutto, llms.txt non blocca nessuno e non obbliga nessuno: un crawler che non lo conosce continua a leggere normalmente il tuo HTML — per controllare l'accesso dei crawler IA, devi configurare robots.txt (e le direttive user-agent dei crawler IA), non llms.txt. Inoltre, un file non compensa mai contenuti di scarsa qualità: se le tue pagine sono vaghe o datate, un bell'indice non le renderà citabili.

Allora perché implementarlo? Perché il costo è quasi nullo, perché l'esercizio ti costringe a chiarire l'architettura e le descrizioni del tuo sito (cosa utile anche per i tuoi lettori umani e per la SEO classica) e perché, se l'adozione decolla, sarai già pronto. È una polizza a basso costo, non una bacchetta magica.

#Esperienza sul campo: quelllm.fr lo mette in produzione

Pubblichiamo un llms.txt alla radice di quelllm.fr da diversi mesi. In pratica, viene generato durante la build a partire dal nostro catalogo di guide: ogni guida vi diventa una riga, raggruppata per categoria (Installazione, Hardware, RAG…), con la descrizione ripresa dal campo meta. Questo garantisce che il file non diventi mai obsoleto finché una guida esiste.

Ciò che abbiamo osservato

È impossibile attribuire con rigore un aumento delle citazioni al solo file: troppe variabili cambiano contemporaneamente (nuovi contenuti, notorietà, evoluzione dei motori). Non affermeremo quindi che abbia un effetto quantificabile.

Il vero beneficio misurabile

L'esercizio di generazione ci ha obbligati a scrivere descrizioni brevi, precise e senza gergo per ogni guida. Questo lavoro di revisione è stato utile ovunque: tag meta, anteprime nei risultati di ricerca, coerenza editoriale.

Il costo

Una volta scritto lo script di generazione, zero manutenzione. È questo rapporto tra benefici e costi che giustifica il fatto di mantenerlo, indipendentemente dal suo impatto GEO effettivo.

La nostra posizione: implementalo per fare ordine e prepararti al futuro, non perché ti promettono citazioni. E concentra le tue energie dove contano davvero — sulla qualità e sulla struttura del contenuto stesso.

#Per approfondire

Queste guide approfondiscono i concetti trattati qui, concentrandosi sul modo in cui le IA recuperano e citano informazioni:

Capire il RAG

«Che cos'è il RAG e come funziona» spiega come un'IA recupera contenuti esterni per rispondere: proprio il meccanismo che llms.txt cerca di agevolare.

Affidabilità e citazioni

« Hallucinazioni: perché il tuo LLM locale inventa e come limitarle » mostra perché l'uso delle fonti e la struttura contano tanto per ottenere risposte affidabili.

Notebook di fonti

«NotebookLM in locale: le alternative open-source» illustra concretamente le domande e risposte con citazioni basate su un corpus di fonti.