Cherchez "Apple" sur Google et vous voyez un panneau à droite avec le logo, la date de création, le CEO, le cours de l'action. C'est le Knowledge Graph en action. Il sait que "Apple" l'entreprise est différent de "apple" le fruit, et il connaît plein de faits sur les deux.
C'est quoi concrètement un Knowledge Graph ?
Un Knowledge Graph, c'est essentiellement une gigantesque base de données de choses et de comment elles sont liées entre elles. Pas juste des mots-clés et des documents, mais des entités réelles : entreprises, personnes, produits, concepts, lieux.
Chaque entité a des attributs (Apple a été fondée en 1976, son CEO est Tim Cook) et des relations avec d'autres entités (Apple fabrique l'iPhone, Apple est en concurrence avec Samsung, Apple a été cofondée par Steve Jobs).
Cette structure permet aux systèmes de répondre à des questions complexes. Pas juste "trouve des pages avec ces mots-clés" mais "quelles entreprises fabriquent des smartphones" ou "qui a fondé Apple."
Pourquoi les systèmes IA s'appuient sur les Knowledge Graphs
Les LLM sont entraînés sur du texte, ce qui leur donne des connaissances générales. Mais pour des informations actuelles, factuelles et spécifiques à une entité, ils puisent souvent dans des structures de type Knowledge Graph, soit à travers leurs données d'entraînement, soit via de la récupération en temps réel.
Quand vous demandez à ChatGPT des infos sur une entreprise spécifique, il s'appuie sur des connaissances structurées à propos de cette entité. Dans quelle catégorie elle est ? Qu'est-ce qu'elle fait ? Comment elle se compare à des entités similaires ?
Si votre marque existe clairement dans ces structures de connaissances, l'IA peut parler de vous avec assurance. Si vous êtes une présence floue et mal définie, l'IA a moins de matière.
Comment entrer dans le Knowledge Graph
Pour le Knowledge Graph de Google spécifiquement :
Revendiquez votre Google Business Profile. C'est le moyen le plus direct d'établir votre entité auprès de Google.
Utilisez les données structurées (schema markup). Schema Organization, schema Product, schema Person. Ça dit explicitement aux moteurs de recherche quel type d'entité vous êtes.
Wikipedia et Wikidata. Ce sont des sources majeures pour les Knowledge Graphs. Si vous êtes assez notable pour avoir une page Wikipedia, c'est un signal fort. (Ne la créez pas vous-même, ça viole leurs règles. Mais vous pouvez vous assurer que les infos sur Wikidata sont exactes.)
Des informations cohérentes partout. Même nom, même description, mêmes faits clés sur votre site, vos profils sociaux, les annuaires. Les Knowledge Graphs réconcilient des informations de sources multiples. La cohérence aide.
Le lien avec la visibilité IA
Voilà pourquoi c'est important pour être recommandé par l'IA : la présence dans le Knowledge Graph signale la légitimité et la clarté.
Quand les outils IA décident qui recommander, ils comparent essentiellement des entités. Si votre entité est bien définie dans ces systèmes, s'il est clair ce que vous êtes, dans quelle catégorie vous êtes, quels sont vos attributs, vous êtes plus facile à recommander.
Une marque qui existe en tant qu'entité claire avec des informations cohérentes est plus facile à considérer comme fiable qu'une qui n'est qu'une vague collection de pages web.
Étapes concrètes
La plupart des petites entreprises n'entreront pas dans Wikipedia, et c'est ok. Concentrez-vous sur ce que vous pouvez contrôler :
- Google Business Profile (si applicable)
- Schema markup sur votre site
- NAP cohérent (nom, adresse, téléphone) dans les annuaires
- Une description de marque claire et cohérente partout
- Des profils sur les plateformes pertinentes qui alimentent les systèmes de connaissances (LinkedIn, Crunchbase pour le B2B, etc.)
L'objectif, c'est d'être une entité bien définie, pas juste un site web. Penser en termes de Knowledge Graph force cette clarté.
Données structurées et citations AI
Knowledge Graphs et données structurées sont profondément liés. Le balisage schema.org est la façon dont vous dites explicitement aux machines de quoi parle votre contenu, et ce signal compte plus que jamais maintenant que les modèles AI choisissent quelles sources citer.
Comment le balisage schema.org aide les modèles AI à comprendre votre contenu
Quand vous ajoutez des données structurées JSON-LD à vos pages, vous ne faites pas que aider Google à afficher des rich snippets. Vous rendez votre contenu lisible par les machines d'une façon qui alimente directement les structures de Knowledge Graph. Les systèmes de récupération AI, ceux qui alimentent les citations de Perplexity, Google AI Overviews et la sélection de sources de Copilot, analysent les données structurées pour comprendre ce qu'est une page, qui l'a écrite, à quelle entité elle appartient, et à quel point elle fait autorité.
Sans données structurées, un système AI doit déduire tout ça à partir de texte non structuré. C'est plus difficile et moins fiable. Avec le schema markup, vous donnez à l'IA un antisèche.
Bonnes pratiques JSON-LD pour la visibilité AI
JSON-LD (JavaScript Object Notation for Linked Data) est le format recommandé par Google, et celui que les systèmes AI gèrent le mieux. Quelques pratiques qui comptent spécifiquement pour la visibilité AI :
Placez votre JSON-LD dans le head de la page. Les systèmes de récupération le parsent tôt, avant de traiter le contenu complet du body. Le placer dans la balise <head> garantit qu'il sera lu même si le crawler ne rend pas la page entière.
Soyez spécifique, pas générique. Un schema Organization vague avec juste un nom et une URL ne fait pas grand-chose. Renseignez la description, foundingDate, les liens sameAs vers vos profils sociaux, et areaServed. Plus vous définissez d'attributs, plus le signal d'entité est riche.
Utilisez l'imbrication quand c'est pertinent. Un schema Product imbriqué dans un Organization, avec des évaluations attachées, crée un graphe de relations plus riche que des schemas plats et déconnectés.
Validez avec le Rich Results Test de Google. Des erreurs dans vos données structurées signifient que les systèmes AI peuvent les ignorer complètement.
Quels schemas comptent le plus pour la visibilité AI
Tous les types de schema n'ont pas le même poids pour la citation AI. Voici ce que les systèmes AI à récupération augmentée priorisent actuellement :
Organization est fondamental. Il établit votre marque comme une entité avec des attributs, des relations et une provenance. Chaque site d'entreprise devrait avoir ça au minimum.
FAQ est puissant pour l'IA conversationnelle. Quand quelqu'un pose à ChatGPT ou Perplexity une question qui correspond à votre balisage FAQ, le format question-réponse structuré rend trivialement facile pour l'IA d'extraire et citer votre réponse.
Product avec prix, disponibilité et données d'avis aide les systèmes AI à recommander des produits spécifiques. Si vous vendez quoi que ce soit, ce schema alimente directement les requêtes liées à l'achat.
HowTo structure le contenu étape par étape d'une façon que l'IA peut analyser et présenter. Les guides, tutoriels et documentations de processus bénéficient significativement du balisage HowTo.
LocalBusiness compte pour les requêtes géo-spécifiques. Quand quelqu'un demande à une IA "meilleur café à Lyon" ou "plombier près de chez moi", le schema LocalBusiness avec l'adresse, les horaires et la zone de service est ce qui vous aide à apparaître.
Comment Google AI Overviews utilise les données structurées
Google AI Overviews (anciennement SGE) est particulièrement intéressant parce que Google l'a construit sur son infrastructure Knowledge Graph existante. Quand AI Overviews génère une réponse, il puise fortement dans les sources qui ont des données structurées claires. Les pages avec un schema FAQ sont citées pour les requêtes question-réponse. Les pages avec un schema Product apparaissent dans les réponses comparatives. Les pages avec un balisage HowTo surgissent dans les réponses procédurales.
Le schéma est clair : Google AI Overviews fait confiance aux sources qu'il peut comprendre de façon programmatique. Les données structurées sont la façon dont vous rendez votre contenu compréhensible programmatiquement. Si vos pages n'ont pas de schema markup, vous demandez à l'IA de Google de fournir un effort supplémentaire pour comprendre de quoi parle votre contenu. La plupart du temps, elle choisira simplement un concurrent qui lui a facilité le travail.
