Comment Docsbook publie une documentation que les machines peuvent citer
Docsbook est une plateforme de documentation qui publie du Markdown — depuis un dépôt GitHub, une analyse de site web ou un brief rédigé — sous la forme d’un site en ligne à l’adresse docsbook.io/{owner}/{repo}. À l’issue de cette page, vous pourrez déterminer si Docsbook convient à votre produit et laquelle de ses trois missions vous devez accomplir en premier : atteindre les personnes qui effectuent des recherches, fournir aux assistants IA des informations factuelles qu’ils peuvent citer à votre sujet et mesurer ce que les pages ont rapporté.
La plupart des entreprises qui ont un produit, des clients et un budget publicitaire ne peuvent toujours pas être recommandées par Google ou par un assistant IA, car il n’y a rien à lire : les informations disponibles sont obsolètes, cachées derrière une connexion ou en contradiction avec le produit. Docsbook publie ce qui est déjà rédigé là où les machines le lisent et montre combien de lecteurs cela a attiré.
Ce qui se passe entre votre dépôt et une page publiée#
| Étape | Ce que fait Docsbook | Ce que vous obtenez |
|---|---|---|
| 1. Connecter une source | Lit un dépôt GitHub, analyse un site web ou crée une première version à partir d’une phrase sur votre produit | Un site en version préliminaire que vous pouvez ouvrir avant de vous connecter |
| 2. Indexer | Analyse le Markdown et le frontmatter, extrait les titres, les liens et les métadonnées, puis crée un graphe navigable | Une recherche en texte intégral, un plan pour chaque page et des liens entre les fichiers résolus |
| 3. Publier | Sert le site à l’adresse docsbook.io/{owner}/{repo}, avec un rendu côté serveur |
Une URL publique avec un sitemap, OpenGraph et JSON-LD |
| 4. Exposer aux machines | Sert llms.txt et un serveur MCP avec 309 outils |
Les assistants et les agents peuvent lire votre documentation, et les agents peuvent la modifier |
| 5. Synchroniser | Vérifie à nouveau GitHub lorsque le site est consulté et réindexe ce qui a changé | Des pages correspondant au dépôt, sans étape de compilation ni pipeline CI |
| 6. Mesurer | Enregistre les consultations de pages, les recherches, les événements, les retours et l’utilisation de l’IA | Des rapports indiquant quelles pages sont consultées et où les lecteurs s’arrêtent |
Portée : une page pour chaque question posée par vos clients#
Une page de documentation qui répond à une question précise coûte moins cher à rédiger qu’une page d’accueil et continue à générer du trafic issu des recherches pendant des années, car la question ne se démode pas. Docsbook attribue à chaque page sa propre URL, son propre titre et sa propre description, sa propre entrée dans sitemap.xml, ainsi que son propre JSON-LD — ainsi, une page consacrée à une question se positionne sur cette question au lieu d’être enfouie dans un site marketing.
Docsbook génère automatiquement les éléments lisibles par les machines : balises meta, sitemap.xml, OpenGraph, URL canoniques et JSON-LD pour les contenus de type FAQ et HowTo. Consultez SEO pour les éléments destinés aux moteurs de recherche et GEO pour ceux destinés aux moteurs génératifs.
Faits lisibles par machine : ce qu’un assistant cite à votre sujet#
Un assistant IA qui recommande un produit cite ce qu’il peut lire et vérifier facilement : les prix, les limites, ce que le produit ne fait pas et l’identité de l’entreprise. Lorsque votre documentation ne dit rien, l’assistant comble le vide avec la page d’un concurrent. Le rôle de Docsbook ici est de rendre ces faits lisibles — en HTML rendu côté serveur, sous forme de llms.txt, et en tant que serveur MCP.
Trois surfaces assurent ce travail :
llms.txt— un index en texte brut de votre documentation à la racine du site, destiné aux agents IA qui en recherchent un. Voir llms.txt.- Serveur MCP — 309 outils via le protocole Model Context Protocol, permettant à Claude Code, Cursor ou ChatGPT de lire vos pages, de les rechercher et de valider des modifications. Voir serveur MCP.
- Balisage AEO — données JSON-LD FAQPage, HowTo et speakable générées à partir de votre Markdown, pour les encadrés de réponse et les assistants vocaux. Voir AEO.
Analyses : quelles pages sont lues et où les lecteurs s’arrêtent#
Docsbook enregistre chaque consultation de page, requête de recherche, vote de feedback et événement suivi sur votre documentation, et les présente par page. Cela répond aux questions que se pose un spécialiste du marketing à propos d’un site de documentation : quelles pages personne n’atteint, quelles recherches ne renvoient aucun résultat, jusqu’où va un lecteur avant de partir, et de quels pays et dans quelles langues il arrive.
Les événements, objectifs et entonnoirs vous permettent de définir un parcours dans la documentation et de compter combien de lecteurs le terminent. Consultez Vue d’ensemble du suivi pour savoir ce qui est mesuré et Événements pour consulter le catalogue des événements.
À qui s’adresse Docsbook#
| Lecteur | Ce qu’il achète |
|---|---|
| Fondateur | Son produit apparaît dans les réponses de ChatGPT, Perplexity et Google aux questions de ses clients |
| Responsable marketing | La documentation comme canal : conversion visible avant le bouton, objectifs et tunnels, pages sans issue identifiées |
| Ingénieur ou chef de produit | Du dépôt au site en quelques secondes, source de vérité dans GitHub, MCP depuis Claude Code, export en un clic |
Ce que Docsbook ne fait pas#
Docsbook ne propose pas de SSO SAML, de comptes d’équipe avec contrôle d’accès basé sur les rôles, de rapport SOC 2 Type II ni d’Accord sur le traitement des données — ces quatre éléments figurent sur la feuille de route de conformité, mais ne sont pas encore disponibles. Il n’existe pas d’éditeur WYSIWYG destiné aux auteurs non techniques : les pages sont des fichiers Markdown, modifiés dans l’éditeur web, sur GitHub ou par un agent via MCP. Consultez la sécurité MCP pour connaître la position actuelle en matière de conformité.
Technologies utilisées par Docsbook#
Docsbook est une application Next.js 16 et React 19 sur Vercel, avec Postgres (Neon) et Redis en arrière-plan, Drizzle comme ORM et Paddle comme marchand officiel. Le Markdown est analysé avec unified, remark et rehype, mis en évidence avec Shiki et parcouru avec markdown-lsp, l’analyseur de documentation open source de Docsbook. Les appels à l’IA passent par OpenRouter ou par la clé de votre propre fournisseur.
Ce que cela coûte#
Docsbook facture quatre éléments sur le solde propre à chaque projet, et rien d’autre :
- Lecteurs (chat IA) — une réponse d’IA donnée à un lecteur de votre documentation.
- Administrateur & agent IA — une exécution d’agent que vous ou un agent connecté avez lancée.
- Traductions par IA — la traduction d’une page dans une autre langue.
- Index sémantique — la création des embeddings utilisés par le chat IA pour effectuer ses recherches.
L’hébergement, un domaine personnalisé et son certificat TLS, les lecteurs, les éditeurs, la synchronisation GitHub, la recherche en texte intégral, l’image de marque et les analyses ne sont pas facturés. Chaque nouveau projet démarre avec un solde de $1.00 et peut réclamer $5.00 supplémentaires une fois qu’il a atteint 3 minutes d’existence ; les recharges suivantes vont de $20.00 à $5,000.00. Consultez Tarification pour connaître le mécanisme et docsbook.io/pricing pour les chiffres actuels.
Étapes suivantes#
- Démarrage rapide — publiez un site de documentation, de la source à l’URL publique
- Concepts — espace de travail, équilibre du projet, indexation et autres termes utilisés ici
- Cas d’usage — les tâches pour lesquelles les équipes font appel à la documentation
- FAQ — questions sur la synchronisation, la confidentialité, la propriété des données et la facturation
Le brouillon est généré avant votre connexion, afin que vous puissiez évaluer le résultat avant de vous engager.