Robots.txt

Le robots.txt est un fichier texte brut place a la racine de votre site (accessible à `votresite.fr/robots.txt`) qui communique des instructions aux robots d'exploration. C'est le premier fichier que Googlebot consulte avant de crawler votre site. Il fonctionne selon le Robots Exclusion Protocol, un standard du web depuis 1994.

# Bloquer un répertoire pour tous les robots
User-agent: *
Disallow: /admin/
Disallow: /search/
Disallow: /cart/

# Autoriser un sous-répertoire spécifique
Allow: /admin/public/

# Directive spécifique pour Googlebot
User-agent: Googlebot
Disallow: /tmp/

# Indiquer le sitemap
Sitemap: https://monsite.fr/sitemap.xml

Les directives sont lues de haut en bas. User-agent spécifie le robot cible (* pour tous). Disallow bloque l'accès, Allow autorise un chemin spécifique dans un répertoire bloque. La règle la plus spécifique l'emporte en cas de conflit.

• E-commerce : bloquer les pages de filtrés (`/search/?couleur=rouge`), le panier (`/cart/`) et l'espace client (`/account/`)
• Blog WordPress : bloquer les pages de tags (`/tag/`), auteurs (`/author/`) et pagination profonde
• Site vitrine : bloquer les pages d'administration et les ressources internes
• Staging/preprod : bloquer l'intégralité du site avec `Disallow: /` pour éviter l'indexation

• Disallow: / bloque tout : une seule ligne peut désindexer l'intégralité de votre site
• Bloquer CSS/JS : empêche Google de rendre correctement vos pages (impacte le SEO)
• robots.txt ne bloque pas l'indexation : si d'autres sites font des liens vers une page bloquée, Google peut quand même l'indexer
• Ne pas utiliser noindex + robots.txt : bloquer le crawl empêche Google de voir la balise noindex
• Fichier public : n'inscrivez jamais de chemins vers des répertoires sensibles, cela revient a les signaler