1/11/2026
Les données structurées ne sont pas une affaire réservée à Google. Schema.org est un vocabulaire ouvert, lu par les moteurs de recherche, les réseaux sociaux, les assistants vocaux et les robots des moteurs génératifs : ChatGPT, Perplexity, Gemini, AI Overviews. Ce guide explique comment ces robots lisent une page, ce que le balisage leur apporte, ce qu'on ignore encore de son effet et quoi baliser en priorité sur un site B2B. Pour les bases (définition, formats, types), commencez par notre guide des données structurées.
Comment les moteurs génératifs lisent une page
Un moteur génératif ne « voit » pas une page comme un internaute. Il la récupère avec un robot, en extrait le texte et le code, puis décide quels passages méritent d'entrer dans sa réponse. Le sujet n'a rien de marginal : plus de 50 % des recherches Google affichent un AI Overview (Squid Impact, 2025).
Les robots des moteurs génératifs
À la date de rédaction, chaque acteur explore le web avec ses propres robots : GPTBot et OAI-SearchBot pour OpenAI, ClaudeBot pour Anthropic, PerplexityBot pour Perplexity, et Googlebot pour AI Overviews et AI Mode, disponibles en France depuis l'été 2026. Tous lisent le HTML de la page, donc le balisage qu'il contient, qu'il s'agisse d'un bloc JSON-LD ou d'attributs Microdata.
De l'exploration à la réponse citée
Le parcours d'une page jusqu'à une réponse générée suit, schématiquement, cinq étapes :
- exploration : le robot récupère la page, à condition qu'elle soit atteignable et non bloquée ;
- extraction : le système isole le texte visible, la structure (titres, listes, tableaux) et le balisage ;
- identification des entités : il détermine de quelle organisation, de quel produit, de quelle personne ou de quel lieu parle la page ;
- sélection des passages : il retient les fragments qui répondent le mieux à la question posée ;
- restitution : il reformule et, selon le moteur, cite ou non la source.
Le balisage intervient surtout aux étapes 2 et 3. Il ne sert à rien si la première échoue : vérifiez que votre fichier robots.txt ne bloque pas par erreur les robots des IA que vous souhaitez laisser entrer.
Ce que le balisage apporte à un système d'IA
Les données structurées aident un système à comprendre une page. Elles transforment des indices implicites (une mise en page, une signature, une mention en bas de page) en informations explicites et normalisées. Le tableau suivant associe chaque besoin d'un système d'IA à ce que le balisage lui fournit.
Désambiguïser : dire de quelle entité on parle
Une marque homonyme d'une autre, un logiciel qui porte le nom d'une ville, une personne citée sans fonction : ces ambiguïtés exposent à des confusions dans une réponse générée. Une Organization reliée à son site, à son logo et à ses profils officiels par sameAs indique clairement de qui il s'agit. Le balisage favorise ainsi une restitution exacte : le bon nom, rattaché à la bonne organisation.
Exactitude : des faits normalisés
Un tarif « à partir de », hors taxes et mensuel, affiché dans un encadré se prête à plusieurs lectures. Dans le balisage, la même information devient une valeur, une devise et une période explicites. Il en va de même pour une adresse, des horaires, une disponibilité ou une date de mise à jour. Le système n'a plus à deviner le format : il lit le fait tel que vous l'avez déclaré.
Ce que l'on sait, et ce que l'on ne sait pas
Le discours sur les données structurées et l'IA mélange volontiers constats et promesses. Voici ce qui est établi à la date de rédaction, et ce qui ne l'est pas :
- établi : les robots des IA lisent le HTML, donc le balisage, et les données structurées décrivent les entités et les faits d'une page dans un vocabulaire commun ;
- établi : schema.org est lu par de nombreux systèmes, et l'affichage dans Google n'en est qu'un usage ;
- non établi : aucune étude ne démontre qu'ajouter du balisage fait citer une page par une IA ;
- non établi : aucune statistique publiée ne mesure l'effet du balisage lui-même sur les réponses générées.
Aucun effet direct démontré sur les citations
Les chiffres disponibles portent sur la structure éditoriale, pas sur le balisage. Les pages à hiérarchie H1-H2-H3 ont 2,8 fois plus de chances d'être citées par les IA (State of AI Search, 2025). Il s'agit d'une corrélation sur les titres, pas d'une preuve d'effet des données structurées (voir nos statistiques GEO).
La même étude relève un autre trait commun des contenus repris : 80 % des pages citées par les IA utilisent des listes (State of AI Search, 2025). Là encore, la structure visible du texte est en cause, pas le JSON-LD.
Ce qui compte le plus pour être bien restitué
Le balisage n'est donc qu'une pièce d'un ensemble. Quatre facteurs pèsent davantage dans la façon dont une IA comprend et restitue une page :
- des entités nommées explicitement dans le texte : la marque, l'offre, l'auteur, le lieu ;
- un contenu structuré : H1 unique, H2 et H3 lisibles, listes et tableaux ;
- des informations cohérentes entre la page, son balisage et les autres sources qui parlent de vous ;
- des pages atteignables, explorables par les robots des IA.
Quoi baliser en priorité sur un site B2B
Un site B2B n'a pas besoin de cinquante types. Il a besoin du bon type principal sur chaque gabarit, relié à une organisation unique. Le tableau suivant indique les schémas à poser par type de page et ce qu'un système d'IA peut en retirer.
Pages d'offre : Service ou SoftwareApplication
Sur une offre B2B, l'enjeu est d'être compris correctement plus que d'être affiché. Service convient à une prestation (conseil, accompagnement, maintenance) ; SoftwareApplication à un logiciel, avec sa catégorie et sa plateforme. Les deux se relient à l'organisation par provider ou publisher. N'ajoutez une note ou un prix que s'ils sont visibles sur la page et tenus à jour.
Pages éditoriales et FAQ
Sur les articles, Article ou BlogPosting relié à une Person rend explicites l'auteur, l'éditeur et les dates. Pour les FAQ, rappelons que les résultats enrichis FAQ sont réservés depuis août 2023 aux sites gouvernementaux et de santé faisant autorité : un site B2B n'obtient aucun affichage dans Google. FAQPage garde pourtant une valeur de structuration explicite pour les autres systèmes, sans effet chiffré connu. Les règles et un exemple complet figurent dans notre guide du balisage FAQPage en JSON-LD.
Le graphe d'entités : une Organization pivot, des @id stables
Un balisage page par page, sans lien entre les objets, laisse au système le soin de deviner que l'éditeur de l'article, le fournisseur du service et l'entreprise de la page d'accueil sont une seule et même organisation. Un graphe d'entités le lui dit. Il repose sur trois principes :
- une seule Organization, déclarée une fois avec toutes ses informations, qui sert de nœud pivot ;
- des
@idstables (par exemple l'URL du site suivie de#organization), réutilisés sur toutes les pages au lieu de recopier l'objet ; - des liens
sameAsvers les profils officiels : LinkedIn, Wikidata, Crunchbase, une fiche institutionnelle.
L'exemple ci-dessous relie, dans un même @graph, l'organisation, son site et un service qu'elle fournit :
{"@context": "https://schema.org","@graph": [{"@type": "Organization","@id": "https://www.exemple.fr/#organization","name": "Exemple SAS","url": "https://www.exemple.fr/","sameAs": ["https://www.linkedin.com/company/exemple", "https://www.wikidata.org/wiki/Q000000"]}, {"@type": "WebSite","@id": "https://www.exemple.fr/#website","url": "https://www.exemple.fr/","publisher": { "@id": "https://www.exemple.fr/#organization" }}, {"@type": "Service","name": "Audit de données structurées","provider": { "@id": "https://www.exemple.fr/#organization" }}]}
Le service et le site ne recopient pas l'organisation : ils la désignent par son @id. Pour les autres types (Article, Product, BreadcrumbList, LocalBusiness), reportez-vous à nos exemples JSON-LD par type.
Entités fantômes : quand une même marque devient plusieurs
Une entité fantôme apparaît quand une même organisation est décrite différemment selon les pages : « Exemple SAS » sur l'accueil, « Exemple » sur le blog, « Groupe Exemple » dans le pied de page, chacune avec son URL ou son logo. Pour un système qui assemble des informations, ce sont potentiellement trois entités distinctes, et une compréhension fragmentée. Le remède tient en une règle : un seul objet Organization, un seul @id, référencé partout.
Cohérence entre la page, le balisage et les autres sources
Un système d'IA croise ce qu'il lit. Si votre balisage, votre texte et les autres sources qui parlent de vous divergent, il doit choisir, et peut choisir mal. La cohérence porte sur trois niveaux :
- la page et son balisage : le JSON-LD décrit exactement ce que l'internaute voit, ni plus, ni moins ;
- les pages entre elles : même nom, même adresse, mêmes chiffres clés sur l'accueil, les pages d'offre et le blog ;
- le site et les sources externes : les profils listés dans
sameAsaffichent les mêmes informations que le site.
Baliser ce qui n'est pas visible n'est pas seulement une source de confusion. Google peut appliquer une action manuelle pour « données structurées trompeuses » et retirer les résultats enrichis du site concerné.
Les erreurs qui faussent la restitution
Trois erreurs fréquentes sur les sites B2B dégradent la compréhension, pour Google comme pour les IA :
- un prix balisé différent du prix affiché, parce que le gabarit lit un ancien champ ou que la page a été modifiée à la main ;
- un auteur absent ou réduit à un nom de compte, alors que la page affiche une signature et une fonction ;
- une date figée : un
dateModifiedjamais mis à jour, ou mis à jour à chaque publication sans changement réel.
Une seule source de vérité par page limite ces écarts : pas de double balisage par un plugin CMS et par le gabarit, et des valeurs lues dans les mêmes champs que le contenu affiché.
Balisage, robots.txt et llms.txt : qui fait quoi
Trois mécanismes techniques et un principe éditorial sont souvent confondus quand on parle de visibilité dans les moteurs génératifs. Chacun a un rôle précis, et aucun ne remplace les autres :
Le balisage rend une page compréhensible ; le fichier llms.txt rend un corpus plus navigable pour les modèles. C'est un complément, pas un substitut : un llms.txt soigné ne corrige ni une Organization dupliquée, ni un prix incohérent, ni une page bloquée dans robots.txt.
Mesurer sa présence et l'exactitude dans les réponses IA
Les rapports de la Search Console mesurent l'éligibilité aux résultats enrichis de Google, pas ce que les IA retiennent de vos pages. Pour les moteurs génératifs, la mesure porte sur trois questions :
- présence : pour une liste de requêtes cibles, votre marque ou vos pages apparaissent-elles dans les réponses ?
- exactitude : le nom, l'offre, les prix, l'adresse et les dates restitués sont-ils justes ?
- attribution : la réponse cite-t-elle votre site, ou attribue-t-elle vos informations à un tiers ?
Cette mesure se fait requête par requête, sur une période assez longue pour lisser la variabilité des réponses. Notre méthode d'audit GEO de la visibilité dans les IA détaille comment construire le panel de requêtes et noter les réponses.
Comparer avant / après par groupe de pages
Pour relier une évolution à un chantier de balisage, comparez un groupe de pages modifiées (par exemple les pages de service) à un groupe resté inchangé, sur les mêmes requêtes et la même période. Même ainsi, restez prudent : une mise à jour des moteurs, un nouveau contenu ou une mention externe peuvent expliquer l'écart. Le balisage se juge d'abord sur l'exactitude des faits restitués, plus mesurable que la fréquence de citation.
Selon votre situation
Selon l'étape où vous en êtes, ces ressources prolongent ce guide :
- vous venez de déployer ou de modifier un gabarit : tester vos données structurées avec le Rich Results Test ;
- vous construisez une démarche complète de visibilité dans les IA : notre guide du Generative Engine Optimization (GEO) ;
- vous planifiez les contenus qui doivent être compris et restitués : la stratégie de contenu GEO ;
- vous faites évoluer une équipe et des indicateurs SEO vers les moteurs génératifs : passer du SEO au GEO.
Sur un site de plusieurs centaines de pages, le module Audit GEO/SEO 360 d'Incremys détecte les erreurs de balisage sur l'ensemble des pages et suit la présence de votre marque dans les réponses IA, mot-clé par mot-clé.
FAQ : données structurées et moteurs génératifs
Les moteurs IA lisent-ils les données structurées ?
Oui. Leurs robots explorent le HTML des pages, et le balisage JSON-LD ou Microdata en fait partie. Les données structurées aident donc le système à identifier les entités, l'auteur, les dates et les faits d'une page. En revanche, aucune étude publiée ne chiffre l'effet de ce balisage sur les réponses générées ou sur la fréquence de citation d'une page.
Le balisage garantit-il d'être cité par une IA ?
Non. Aucun effet direct du balisage sur les citations n'a été démontré. Les données structurées favorisent une restitution exacte lorsqu'une page est reprise : bon nom, bon chiffre, bonne attribution. La sélection d'une page dépend d'abord de la qualité de son contenu, de sa structure visible, de la cohérence de ses informations et de son accessibilité aux robots.
Quels schémas poser en premier sur un site B2B ?
Commencez par Organization et WebSite sur l'accueil, avec un @id stable et des liens sameAs. Ajoutez ensuite Service ou SoftwareApplication sur les pages d'offre, Article relié à une Person sur le blog, puis AboutPage et ContactPage. Chaque objet renvoie à l'organisation par son @id au lieu de la recopier, ce qui évite les doublons.
Qu'est-ce qu'une entité fantôme ?
C'est une même organisation déclarée sous plusieurs formes selon les pages : nom, URL ou logo différents. Un système qui assemble ces informations peut y voir plusieurs entités distinctes. La correction consiste à déclarer l'Organization une seule fois, avec un identifiant stable, puis à y faire référence partout, y compris dans le balisage généré par un plugin CMS.
Le fichier llms.txt remplace-t-il les données structurées ?
Non. Le fichier llms.txt oriente les modèles vers les pages de référence d'un site, à l'échelle du corpus. Les données structurées décrivent les entités et les faits de chaque page. Les deux se complètent : un llms.txt ne corrige ni une erreur de balisage, ni une information incohérente entre deux pages, ni un robot bloqué par erreur.
Faut-il bloquer les robots des IA ?
C'est une décision d'entreprise, à prendre robot par robot dans le fichier robots.txt. Un robot bloqué ne lit ni le texte ni le balisage : la page ne peut alors pas servir de source à la réponse correspondante. Vérifiez surtout qu'aucune règle trop large ne bloque par erreur des robots que vous souhaitez laisser explorer vos pages.
Comment mesurer sa présence dans les réponses des IA ?
Définissez un panel de requêtes cibles, interrogez régulièrement les moteurs génératifs et notez trois points : la présence de la marque, l'exactitude des faits restitués et la source citée. Comparez ensuite un groupe de pages modifiées à un groupe témoin. N'attribuez pas automatiquement une variation au balisage : mises à jour et nouveaux contenus jouent aussi.

%2520-%2520blue.jpeg)

.jpeg)
.jpeg)
.avif)