Score global de préparation IA
Résultat combiné de tous les signaux de l’audit.
Excellent
Audit de préparation IA: 21/07/2026Données techniques publiques
Évaluation globale de préparation IA
Niveau de préparation de helicone.ai pour les systèmes d’IA
Helicone (helicone.ai) a obtenu 75/100 lors de l’audit technique automatisé de préparation à l’IA. llms.txt était accessible, llms-full.txt était introuvable et ai.txt était introuvable. L’analyse de robots.txt a trouvé 0 robots IA explicitement autorisés, 0 bloqués et 2 sitemaps déclarés. La complétude du balisage de la page d’accueil atteint 60% ; aucun type Schema.org détecté. Balises OpenGraph détectées : 7. Les résultats correspondent aux réponses publiques observées le 2026-07-21T08:51:34.496Z.
Contexte de l’évaluation
L’audit combine les fichiers lisibles par les machines, les règles des robots, les sitemaps et le balisage de la page d’accueil. llms.txt est accessible et contient 621 jetons.
robots.txt est disponible ; robots IA bloqués : 0. Sitemaps déclarés : 2. Aucun type Schema.org détecté.
Profil Lighthouse mobile : performance 45/100, accessibilité 90/100, SEO 92/100.
Points forts confirmés
- llms.txt est accessible
- La structure publique du site a été vérifiée
- 2 sitemap(s) déclaré(s)
- Les signaux OpenGraph et canoniques ont été vérifiés
Améliorations prioritaires
- 1Ajouter llms-full.txt pour fournir un contexte plus riche.
- 2Ajouter du JSON-LD pour l’organisation, le site et les entités principales.
Jetons llms.txt621
Jetons llms-full.txt—
ai.txt
sitemap.xml
Profil technique Google Lighthouse
Une mesure Lighthouse mobile. La catégorie expérimentale Agentic Browsing est présentée séparément et ne remplace pas le score global de LLMSMap.
45
Performance
90
Accessibilité
92
Bonnes pratiques
92
SEO technique
67
Agentic Browsing
Interprétation des résultats
La performance mobile est de 45/100 ; le plus grand contenu visible est apparu en 13.1 s et le thread principal a été bloqué pendant 880 ms. Le décalage de mise en page est de 0. Les tâches longues retardent les actions des utilisateurs et des agents de navigateur.
Accessibilité : 90/100, bonnes pratiques : 92/100, SEO technique : 92/100. La catégorie expérimentale Agentic Browsing atteint 67/100 et reste distincte du score global de LLMSMap.
1
Réduire le code chargé inutilement
Supprimez le CSS et le JavaScript inutilisés, chargez les widgets lourds à la demande et limitez les scripts tiers.
2
Optimiser les images et leur ordre de chargement
Servez des formats modernes adaptés, donnez la priorité au visuel principal et chargez tardivement le contenu sous la ligne de flottaison.
3
Réduire la latence réseau
Améliorez la réponse du serveur, retirez les redirections inutiles et utilisez la compression et le cache.
4
Clarifier les signaux de recherche et canoniques
Vérifiez les titres, descriptions, URL canoniques, libellés de liens et relations linguistiques.
FCP3.9 s
Premier contenu
LCP13.1 s
Contenu principal
CLS0
Stabilité visuelle
TBT880 ms
Temps de blocage
SI4.3 s
Vitesse visuelle
Glossaire des métriques
- FCP · Premier contenu
- Moment où le premier texte ou la première image apparaît.
- LCP · Contenu principal
- Moment où le plus grand élément visible est affiché.
- CLS · Stabilité visuelle
- Déplacements inattendus pendant le chargement ; une valeur basse est préférable.
- TBT · Temps de blocage
- Durée pendant laquelle le thread principal ne pouvait pas répondre rapidement.
- SI · Vitesse visuelle
- Vitesse à laquelle la zone visible s’est remplie de contenu.
21/07/2026Lighthouse 13.4.0Profil mobile
Vérifications de préparation IA
Fichiers lisibles par les machines, règles des robots, découverte et balisage de la page d’accueil.
llms-full.txt
La version complète est introuvable
ai.txt
Le fichier ai.txt est introuvable
Sitemap dans robots.txt2
2 sitemaps trouvés
Schema.org (JSON-LD)
Aucun balisage Schema.org trouvé sur la page d’accueil
OpenGraph60%
7 balises OpenGraph trouvées
Accès des robots IA
D’après l’analyse de robots.txt
GPTBotNon mentionné
OAI-SearchBotNon mentionné
ChatGPT-UserNon mentionné
Google-ExtendedNon mentionné
ClaudeBotNon mentionné
Claude-SearchBotNon mentionné
Claude-UserNon mentionné
BytespiderNon mentionné
CCBotNon mentionné
PerplexityBotNon mentionné
Perplexity-UserNon mentionné
Sitemaps
Parcours de découverte déclarés pour les robots et les agents.
Balises OpenGraph
Métadonnées d’aperçu social détectées sur la page d’accueil.
og:titleHeliconeog:descriptionAI Gateway & LLM Observabilityog:urlhttps://www.helicone.aiog:site_nameHelicone.aiog:localeen_USog:typewebsite# Helicone > Helicone is an open-source observability platform for LLM users. It helps companies monitor usage, latency, and costs for AI models like GPT-3, enabling optimization of AI applications and reduction of OpenAI bills. Helicone provides key insights into spend, performance, and usage patterns. Helicone offers tools for developers to monitor, analyze, and optimize their use of large language models (LLMs). Key features include: - Usage and cost tracking across multiple AI models - Latency monitoring and performance optimization - Request caching and model-swapping capabilities - Custom property tracking for detailed analytics - Integration with popular AI frameworks and platforms Helicone is designed to be easily integrated into existing AI workflows, with support for self-hosted deployments and cloud-based solutions. ## Docs - [Quick Start Guide](https://docs.helicone.ai/getting-started/quick-start): Introduction to setting up and using Helicone - [Gateway Integration](https://docs.helicone.ai/getting-started/integration-method/gateway): Guide to integrating Helicone as a proxy for AI model requests - [Custom Properties](https://docs.helicone.ai/features/advanced-usage/custom-properties): Advanced usage for tracking custom metrics and properties - [Self-Hosted Deployment](https://docs.helicone.ai/getting-started/self-deploy): Instructions for deploying Helicone on your own infrastructure - [Authentication](https://docs.helicone.ai/helicone-headers/helicone-auth): Details on authenticating requests with Helicone ## Examples - [First AI App with Helicone](https://www.helicone.ai/blog/first-ai-app-with-helicone): Tutorial on building an AI app with Helicone integration - [Product Hunt Launch Automation](https://www.helicone.ai/blog/product-hunt-automate): Case study on using Helicone for automating a product launch - [Helicone vs Competitors](https://www.helicone.ai/blog/portkey-vs-helicone): Comparison of Helicone with other LLM observability tools ## Optional - [GitHub Repository](https://github.com/Helicone/helicone): Source code and open-source contributions - [Y Combinator Profile](https://www.ycombinator.com/companies/helicone): Information about Helicone's participation in Y Combinator - [Company Blog](https://www.helicone.ai/blog): Latest updates, tutorials, and insights from the Helicone team - [API Reference](https://docs.helicone.ai/getting-started/quick-start): Detailed API documentation for advanced integrations
Partager ou poursuivre l’analyse
Partager cet audit
Discuter avec une IA
Ajouté 19/07/2026