Les données structurées (Schema.org) influencent-elles réellement les recommandations des IA ?
C'est l'une des promesses les plus répandues du référencement à l'ère de l'IA : baliser vos pages en Schema.org ferait de vous une source privilégiée des intelligences artificielles. L'idée est séduisante, largement vendue, et presque entièrement fausse, du moins dans sa version directe.
Cet article répond à la question avec les meilleures données disponibles, y compris les études les mieux contrôlées de 2025 et 2026. La réponse honnête est nuancée : les données structurées n'ont pas d'effet direct démontré sur les recommandations des IA, mais elles conservent une valeur réelle, indirecte et contextuelle. Nous expliquons pourquoi, avec des exemples de code.
L'essentiel en 60 secondes
- À ce jour, aucune preuve publique ne permet d'affirmer que les données structurées augmentent les recommandations des IA. Les meilleures études contrôlées mesurent des effets proches de zéro, de signe variable selon la surface.
- Google le dit explicitement : les données structurées ne sont pas requises pour l'IA générative de Search, et il n'y a aucun balisage schema.org spécial à ajouter.
- Deux tests sur trois ne voient pas extrait un fait présent seulement dans le balisage ; un troisième (juin 2026) le voit extrait : ne comptez pas dessus, écrivez visiblement ce qui compte.
- Les corrélations positives qui circulent (par exemple des pages balisées plus souvent citées) sont réelles mais confondues par le rang et la qualité du site, pas par le schema lui-même.
- En 2026, plusieurs rich results ont disparu : FAQPage retiré le 7 mai 2026, HowTo mort depuis 2023, sept autres types retirés en juin 2025.
- Bien implémentées, les données structurées ne nuisent pas et servent le SEO classique. Mal implémentées, elles n'apportent rien. Elles ne remplacent ni le contenu ni la notoriété.
Pourquoi Schema.org existe et comment il fonctionne
En bref
Schema.org existe pour lever l'ambiguïté du langage naturel. Une machine ne sait pas d'emblée si un nombre est un prix, une note ou une date. Le balisage le lui dit. Un bloc JSON-LD déclare un contexte, un type et des propriétés, dans un script inséré dans la page.
Un balisage JSON-LD s'appuie sur trois éléments : @context qui pointe vers le vocabulaire (schema.org), @type qui déclare la nature de l'entité, et les propriétés qui la décrivent. Voici la structure minimale d'une organisation.
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Nom de l'entreprise",
"url": "https://exemple.fr",
"logo": "https://exemple.fr/logo.png",
"description": "Description factuelle de l'activité.",
"sameAs": [
"https://www.linkedin.com/company/exemple",
"https://fr.wikipedia.org/wiki/Exemple",
"https://www.wikidata.org/wiki/Q000000"
]
}Google : « Google utilise les données structurées qu'il trouve sur le web pour comprendre le contenu de la page, ainsi que pour recueillir des informations sur le web et le monde en général. » La documentation ne promet ni une amélioration de classement, ni une entrée dans le Knowledge Graph.
L'état des rich results en 2026 : ce qui reste, ce qui est mort
En bref
En 2026, plusieurs rich results emblématiques ont disparu. Le résultat enrichi FAQ ne s'affiche plus dans Google depuis le 7 mai 2026. HowTo est mort depuis 2023. Sept autres types ont été retirés en juin 2025. Les types schema.org restent valides, mais ils ne produisent plus l'affichage attendu.
Google a confirmé que le rich result FAQ n'apparaît plus dans la recherche depuis le 7 mai 2026 (après une restriction, en 2023, aux sites gouvernementaux et de santé reconnus). Le rich result HowTo a été déprécié en 2023. En juin 2025, Google a retiré sept fonctionnalités (Book Actions, Course Info, Claim Review, Estimated Salary, Learning Video, Special Announcement, Vehicle Listing), en précisant que cela n'affecte pas le classement.
| Type de balisage | Statut du rich result en 2026 |
|---|---|
| Product, Review, Breadcrumb, Article, Event, Recipe, Video, Local business, Organization, Software app, Q&A, Dataset | Toujours actif dans la recherche classique |
| FAQPage | Rich result retiré le 7 mai 2026 ; le type reste valide, sans affichage |
| HowTo | Rich result mort depuis 2023 |
| Claim Review, Course Info, Estimated Salary, Special Announcement, Vehicle Listing, Learning Video, Book Actions | Retirés en juin 2025 de l'apparence Search |
Liste indicative fondée sur la galerie officielle des résultats enrichis. Baliser un type dont le rich result a disparu ne nuit pas, mais n'apporte plus l'affichage historique.
Quelle différence entre Google Search et les IA
En bref
Google Search classe des pages et peut afficher des résultats enrichis à partir de votre balisage. Une IA générative produit une réponse rédigée à partir de connaissances apprises et de sources récupérées. La première peut lire votre schema pour un affichage ; la seconde lit surtout le texte de vos pages.
| Dimension | Recherche classique | Réponse générative |
|---|---|---|
| Sortie | Liste de liens, parfois enrichis | Réponse rédigée qui nomme des entités |
| Rôle des données structurées | Éligibilité aux rich results | Aucun rôle direct démontré |
| Ce qui est lu | Le HTML, dont le balisage, pour l'affichage | Le texte visible, récupéré et résumé |
| Ce qui compte | Pertinence, classement, éligibilité | Récupérabilité, citabilité, corroboration |
Confondre ces deux surfaces est la source principale des malentendus sur le schema et l'IA. Les mécanismes propres à chaque moteur sont détaillés dans nos analyses par moteur.
Les LLM lisent-ils les données structurées, à la génération et à l'entraînement ?
En bref
À la génération, un moteur lit le texte visible d'une page, pas son balisage : un fait présent uniquement dans le JSON-LD n'est pas garanti d'être repris, même si une expérience isolée citée plus bas a vu deux moteurs restituer une information présente seulement dans un balisage. À l'entraînement, le balisage est bien présent dans les corpus, sans qu'aucune preuve publique montre qu'un modèle l'exploite comme signal distinct.
Les données sont là : selon Web Data Commons, les données structurées sont présentes sur environ la moitié des pages, et le JSON-LD est le format le plus adopté. Les robots des IA récupèrent le HTML brut, donc voient un balisage statique, mais n'exécutent pas le JavaScript, donc ignorent un schema injecté côté client.
Expérience de Mark Williams-Cook (Search Engine Journal, juin 2026) : une entreprise fictive décrite par un JSON-LD volontairement invalide, aux noms de propriétés absurdes, voit malgré tout son adresse extraite par les modèles. Interprétation : les modèles lisent le balisage comme du texte, sans valider la structure schema. À l'inverse, les tests d'Otterly (mars 2026) et de searchVIU (décembre 2025) montrent qu'un fait caché uniquement dans le balisage, absent du texte visible, n'est pas extrait.
Attention
Conclusion prudente : n'espérez pas qu'une information présente seulement dans votre schema soit reprise par une IA. Si un fait compte, il doit être écrit visiblement sur la page. Le balisage ne fait pas remonter ce que le texte ne dit pas.
Les corpus comme Common Crawl conservent le HTML, donc les scripts JSON-LD. Un modèle entraîné dessus a donc pu voir votre balisage. Toutefois, le prétraitement des textes tend à dissoudre la structure du balisage en tokens ordinaires, ce qui rend improbable que le modèle traite le schema différemment d'une phrase. Aucun éditeur de modèle ne publie de mesure sur ce point.
Ni OpenAI, ni Anthropic, ni Google DeepMind n'ont publié d'information indiquant que le balisage schema.org du web influence ce que leurs modèles apprennent d'une entité. Toute affirmation en ce sens relève de l'inférence.
Ce que disent les études, et pourquoi la corrélation est confondue par le rang
En bref
Les études de corrélation se contredisent selon la méthode, la date et le moteur, et les corrélations positives qu'elles relèvent sont confondues par une variable plus simple : les pages balisées sont aussi, en moyenne, mieux classées et mieux rédigées. Rien ne permet d'isoler l'effet du balisage lui-même.
| Étude (datée) | Résultat | Contrôle du rang |
|---|---|---|
| AirOps et Kevin Indig, 2025 | Pages avec JSON-LD citées 38,5 % contre 32 % sans, dans le pipeline de ChatGPT | Contrôles partiels, rang identifié comme signal dominant |
| Ahrefs, 2026, différence de différences | Aperçus IA moins 4,6 %, AI Mode plus 2,4 %, ChatGPT plus 2,2 % après ajout de schema | Fort : groupe témoin apparié |
| Fischman, working paper SSRN, février 2026 | Association négative du schema, effondrée à zéro après contrôles | Fort : contrôles multiples |
| SearchAtlas, décembre 2025 | Distributions de visibilité très proches quel que soit le taux de balisage | Moyen : segmentation par couverture |
Les études non contrôlées mesurent une corrélation réelle, mais confondue par le rang et la qualité du site. Les études contrôlées, plus fiables, ne trouvent pas d'effet net : des écarts proches de zéro, de signe variable. Corrélation n'est pas causalité.
Chiffres à écarter
Deux chiffres circulent massivement sans source traçable : un gain de 44 pour cent de citations IA, et un facteur 3,2 sur 73 sites. Ils sont fabriqués ou non documentés. Ne les citez pas, et méfiez-vous des contenus qui les reprennent.
La donnée la plus parlante des études pro-schema le trahit elle-même : la position de récupération est de très loin le premier prédicteur de citation, une page en première position étant citée plusieurs fois plus qu'une page en dixième position. Le balisage se contente d'accompagner les bons sites. Retirer l'effet du rang fait disparaître l'effet du schema.
Le schema est un marqueur de qualité éditoriale et technique plus qu'une cause de citation. Cette lecture, cohérente avec les études contrôlées, reste une interprétation. Elle invite à ne pas investir dans le balisage en espérant des citations IA qu'il ne produit pas.
Ce que Google dit officiellement
En bref
La position de Google est sans ambiguïté et cohérente avec les études : les données structurées ne sont pas requises pour l'IA générative de Search, et aucun balisage schema.org spécial n'est nécessaire pour apparaître dans les Aperçus IA ou AI Mode. Le schema sert à comprendre et à afficher, pas à faire recommander par une IA.
Google Search Central : « Les données structurées ne sont pas requises pour l'IA générative de Search, et il n'y a pas de balisage schema.org spécial à ajouter. » Et : « Vous n'avez pas besoin de créer de nouveaux fichiers lisibles par machine ni de balisage pour apparaître dans ces fonctionnalités. »
Cette position rejoint le fonctionnement documenté des Aperçus IA et d'AI Mode, ancrés dans le classement cœur de Search, détaillé dans comment Google AI Mode choisit les entreprises qu'il recommande.
Le cas Bing et Copilot : une exception contestée
En bref
Un seul acteur affirme publiquement que le schema aide ses modèles : Microsoft Bing. Un de ses responsables a déclaré que le balisage aide les modèles de Microsoft à comprendre le contenu, pour Copilot. Mais cette affirmation est contestée, et pourrait en réalité porter sur la fraîcheur via IndexNow, pas sur le balisage.
Bing supporte le JSON-LD depuis 2018 et propose un validateur. La déclaration favorable au schema, faite par un responsable de Bing à la conférence SMX Munich en mars 2025, a été relayée comme une preuve que le balisage nourrit les IA de Microsoft. Nous ne présentons pas cette déclaration, relayée sans transcription publique, comme un fait établi.
Que le schema aide les modèles de Microsoft est une affirmation d'un employé, disputée, sans mécanisme ni périmètre publiés. À traiter comme une piste, pas comme une certitude, et à ne pas généraliser à ChatGPT, Claude, Gemini ou Perplexity, dont les éditeurs n'ont rien affirmé de tel.
Données structurées, Knowledge Graph et entités
En bref
Les données structurées aident Google à comprendre les entités, notamment via la propriété sameAs qui relie votre marque à ses profils de référence. Mais le balisage seul ne crée pas d'entrée dans le Knowledge Graph, qui s'appuie sur de multiples sources, dont Wikipédia et Wikidata.
Le Knowledge Graph de Google rassemble, selon l'entreprise (mai 2020), environ 5 milliards d'entités et plus de 500 milliards de faits, à partir de sources variées. Un balisage Organization avec sameAs pointant vers Wikipédia, Wikidata et vos profils officiels aide à la désambiguïsation, c'est-à-dire à relier sans ambiguïté votre site à votre entité. C'est un usage cohérent, mais Google ne promet pas qu'il déclenche un panneau de connaissances.
Que renforcer son balisage d'entité augmente la probabilité d'être compris et relié à sa catégorie est cohérent et fait consensus, mais Google ne le confirme pas comme un facteur de recommandation par l'IA. Le rôle des entités est développé dans pourquoi certaines marques sont recommandées par toutes les IA.
Quels types de Schema sont réellement utiles en 2026
En bref
Tous les types ne se valent pas. Certains produisent encore un rich result, d'autres aident l'entité, d'autres servent le shopping, et certains ne font plus rien pour l'apparence Search. Voici un classement par utilité documentée, indépendamment de tout effet direct sur les citations IA, qui reste non démontré.
| Niveau | Types | Utilité documentée |
|---|---|---|
| Utile pour les rich results | Product, Review, AggregateRating, BreadcrumbList, Article, Event, VideoObject, Recipe, LocalBusiness, SoftwareApplication, Dataset | Éligibilité à un affichage enrichi en recherche classique |
| Utile pour l'entité | Organization, Person, LocalBusiness avec sameAs | Désambiguïsation et compréhension de l'entité |
| Utile pour le shopping | Product, Offer via le flux Merchant Center | Présence dans les surfaces de shopping |
| Utilité structurelle | WebSite, WebPage, ImageObject, DefinedTerm | Contexte et machine-readability, sans rich result propre |
| Sans effet d'affichage aujourd'hui | FAQPage, HowTo, et les types retirés en 2025 | Valides mais sans rich result ; ne pas en attendre d'affichage |
| Marginal | Speakable | Toujours en bêta, limité à l'anglais, aux États-Unis et aux actualités |
Classement par utilité documentée en recherche et en shopping. Aucun de ces types n'a d'effet direct démontré sur les recommandations des IA génératives.
Exemples JSON-LD pour les types les plus utiles
En bref
Voici des balisages JSON-LD corrects pour les types les plus utiles à un éditeur de logiciels, un e-commerce, un média ou une entreprise locale. Chacun décrit un contenu réel et visible sur la page. Un balisage ne doit jamais décrire une information absente du contenu.
SoftwareApplication, pour un logiciel ou un SaaS
{
"@context": "https://schema.org",
"@type": "SoftwareApplication",
"name": "Nom du logiciel",
"applicationCategory": "BusinessApplication",
"operatingSystem": "Web",
"url": "https://exemple.fr/produit",
"offers": {
"@type": "Offer",
"price": "49.00",
"priceCurrency": "EUR"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.6",
"reviewCount": "128"
}
}Product avec avis, pour un e-commerce
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Nom du produit",
"image": "https://exemple.fr/produit.jpg",
"description": "Description factuelle du produit.",
"brand": { "@type": "Brand", "name": "Nom de la marque" },
"offers": {
"@type": "Offer",
"price": "129.00",
"priceCurrency": "EUR",
"availability": "https://schema.org/InStock"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.4",
"reviewCount": "212"
}
}Article et fil d'Ariane, pour un média ou un blog
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "Titre de l'article",
"datePublished": "2026-08-03",
"dateModified": "2026-08-03",
"author": {
"@type": "Person",
"name": "Nom de l'auteur",
"url": "https://exemple.fr/auteur"
},
"publisher": {
"@type": "Organization",
"name": "Nom de l'éditeur",
"logo": {
"@type": "ImageObject",
"url": "https://exemple.fr/logo.png"
}
}
}LocalBusiness, pour un établissement local
{
"@context": "https://schema.org",
"@type": "LocalBusiness",
"name": "Nom de l'établissement",
"address": {
"@type": "PostalAddress",
"streetAddress": "1 rue de l'Exemple",
"postalCode": "75000",
"addressLocality": "Paris",
"addressCountry": "FR"
},
"telephone": "+33100000000",
"openingHours": "Mo-Fr 09:00-18:00",
"url": "https://exemple.fr"
}Les erreurs d'implémentation qui empêchent toute exploitation
En bref
Même là où les données structurées servent, une mauvaise implémentation les rend inutiles ou risquées. Trois erreurs annulent leur intérêt : un balisage invalide, injecté en JavaScript, ou en décalage avec le contenu visible.
- Balisage invalide : contexte ou type manquants, propriétés hors vocabulaire, valeurs mal typées, qui rendent le balisage inexploitable.
- Schema injecté en JavaScript côté client, souvent invisible pour les robots des IA qui n'exécutent pas le JavaScript.
- Décalage entre balisage et contenu visible : baliser une note ou un prix absents de la page, ce qui viole les règles et peut entraîner une inéligibilité.
- Baliser du contenu invisible dans le seul but de tromper : contraire aux consignes et sans effet sur les IA, qui lisent le visible.
- Avis auto-déclarés balisés par l'entité sur elle-même, inéligibles à l'affichage en étoiles selon Google.
Pour mesurer l'effet, suivez en parallèle ce levier et votre présence dans les réponses de chaque moteur sur un panel de requêtes figées, en sessions datées, sans conclure trop vite à une causalité. Le protocole est dans comment mesurer sa visibilité dans ChatGPT et les IA.
Vous voulez mettre ces chantiers en œuvre sur votre site, dans le bon ordre et avec une mesure avant et après ? Evocia accompagne les équipes sur la durée, sans promesse de citation.
Découvrir l'accompagnement GEOLimites et zones d'ombre
En bref
Cet article s'appuie sur les meilleures données disponibles, qui restent limitées. Aucune étude à comité de lecture ne mesure l'effet du schema sur la visibilité IA, et plusieurs mécanismes ne sont pas documentés. Nous décrivons des résultats convergents et des positions officielles, pas des certitudes définitives.
Restent inconnus : l'usage éventuel du balisage à l'inférence par les IA, le mécanisme et le périmètre exacts de l'affirmation de Bing, le poids du schema dans l'entraînement, et l'existence d'un effet causal, que les meilleures études situent autour de zéro. Les études tierces sont datées, sensibles à la méthode, et les résultats peuvent évoluer avec les moteurs.
À ce jour, aucune étude à comité de lecture ne démontre que le balisage schema.org du web améliore la récupération ou la citation par les moteurs génératifs. L'essentiel des preuves disponibles pointe vers une absence d'effet causal direct.
Le cadre d'ensemble, avec les dix facteurs de visibilité classés par niveau de preuve, est dans le guide complet du GEO ; le mécanisme des moteurs, dans comment fonctionnent les moteurs génératifs.
Questions fréquentes
Les données structurées influencent-elles les recommandations des IA ?
À ce jour, aucune preuve publique ne permet de l'affirmer. Les études les mieux contrôlées mesurent des effets proches de zéro, de signe variable selon la surface. Les données structurées gardent une valeur indirecte en recherche classique et en shopping, mais pas d'effet direct démontré sur les citations par les IA.
Le schema est-il requis pour apparaître dans les Aperçus IA ou AI Mode ?
Non. Google indique explicitement que les données structurées ne sont pas requises pour l'IA générative de Search, et qu'il n'y a aucun balisage schema.org spécial à ajouter. Une page doit surtout être indexée, éligible à un extrait et pertinente.
Les LLM lisent-ils mon JSON-LD ?
Le JSON-LD est ingéré dans les corpus, puisqu'il figure dans le HTML archivé. Mais rien ne prouve qu'un modèle l'exploite au moment de générer une réponse. Les expériences suggèrent qu'il le traite comme du texte, sans valider la structure.
Un fait présent uniquement dans mon schema sera-t-il repris par une IA ?
Pas de façon fiable. Deux tests (Otterly, searchVIU) n'ont pas vu extrait un fait présent seulement dans le balisage ; un troisième (Mark Williams-Cook, juin 2026) a vu ChatGPT et Perplexity restituer une adresse présente seulement dans un JSON-LD, lu comme du texte. Si une information compte, elle doit être écrite visiblement sur la page.
Qu'est-ce que Schema.org exactement ?
C'est un vocabulaire partagé de données structurées, lancé en 2011 par Google, Microsoft, Yahoo et Yandex, dont l'évolution est coordonnée par un groupe communautaire du W3C depuis 2015. Il décrit le sens des contenus pour les machines.
Quelle est la différence entre les données structurées et les rich results ?
Les données structurées sont le balisage ; le rich result est l'affichage enrichi qu'il peut déclencher dans la recherche classique. Le balisage rend une page éligible à un rich result, sans garantir l'affichage ni améliorer le classement.
Sources
- Google Search Central, galerie des résultats enrichis (types produisant un rich result)
- Google Search Central, FAQPage (retrait du rich result, 7 mai 2026)
- Google Search, simplification des résultats (retrait de 7 types, juin 2025)
- Google Search Central, introduction aux données structurées (comprendre la page et le monde)
- Google Search Central, AI features and your website (pas de schema spécial requis)
- Ahrefs, étude schema et citations IA (différence de différences, 2026)
- Daniel Cheung, revue des preuves sur le schema et les citations IA
- Fischman, Does Schema Markup Predict AI Citation? (working paper SSRN, 20 février 2026, DOI 10.2139/ssrn.6284518)
- SearchAtlas (Manick Bhan), The Limits of Schema Markup for AI Search (14 décembre 2025)
- Mark Williams-Cook, Schema, LLMs & The Low Bar For Evidence In GEO (Search Engine Journal, 16 juin 2026 : JSON-LD invalide, adresse fictive)
- OtterlyAI, expérience sur l'effet du balisage schema dans la recherche IA (23 mars 2026)
- searchVIU, Schema Markup and AI in 2025: What ChatGPT, Claude, Perplexity & Gemini Really See (2 décembre 2025)
- Search Engine Land, Microsoft Bing/Copilot use schema for its LLMs (déclaration à SMX Munich, mars 2025)
- Google, A reintroduction to our Knowledge Graph and knowledge panels (20 mai 2020 : plus de 500 milliards de faits sur 5 milliards d'entités)
- AirOps et Kevin Indig, The Fan-Out Effect (JSON-LD et citations)
- Web Data Commons, statistiques d'adoption des données structurées (Common Crawl)
- Search Engine Land, schema markup et AI search (positions et études)
- schema.org, à propos (origine 2011, W3C Community Group depuis avril 2015)
- Google Search Central, données structurées Speakable (statut bêta)
Transparence et méthode
Auteur
Evocia · Cabinet français de visibilité dans les IA
Evocia est un cabinet français spécialisé dans la mesure et l'amélioration de la visibilité des éditeurs de SaaS B2B dans les réponses des IA. Cet article synthétise la documentation officielle, les études contrôlées les plus récentes et des exemples de code, avec les limites clairement signalées.
Comment cet article a été réalisé
- Distinction systématique entre faits documentés officiellement, observations tierces (études contrôlées et non contrôlées, présentées avec leur niveau de contrôle), hypothèses plausibles et zones d'ombre non confirmées.
- Sources primaires privilégiées : documentation Google Search Central, schema.org, blogs officiels, complétées par les études de corrélation et expérimentales les mieux documentées, dont les résultats divergents sont exposés avec leurs limites.
- Chiffres non traçables explicitement écartés. Aucune donnée inventée, aucun éditeur de logiciels réel cité en exemple, aucune corrélation présentée comme une causalité, aucune tactique présentée comme une garantie de citation.
Historique des mises à jour
- 5 octobre 2026Retouche d'exactitude. L'intitulé « Réponse directe : » qui ouvrait l'introduction est retiré. Les études et expériences citées ont désormais leur source primaire et leur date : working paper de Fischman (SSRN, février 2026), étude SearchAtlas (décembre 2025), expérience de Mark Williams-Cook (Search Engine Journal, juin 2026), tests d'Otterly (mars 2026) et de searchVIU (décembre 2025), déclaration de Bing à la conférence SMX Munich (mars 2025, rapportée par Search Engine Land) et billet de Google de mai 2020 sur le Knowledge Graph. Toutes les lignes du tableau des études ayant une source, aucune n'est retirée. Le texte ne dit plus que les études contrôlées ne mesurent « aucun effet, parfois un léger recul » : elles mesurent des écarts proches de zéro, de signe variable selon la surface, comme le montre le tableau. L'essentiel, la réponse de section et la FAQ sur le balisage invisible tiennent compte de l'expérience de juin 2026, où une adresse présente seulement dans un JSON-LD a été restituée : un fait caché dans le balisage n'est pas extrait de façon fiable. Une attribution vague à « des analystes », sans source, est retirée de la section sur Bing, et les erreurs d'implémentation ne sont plus dites « les plus fréquentes ».
- 21 septembre 2026Paragraphe d'introduction générique retiré : les niveaux de preuve étiquetés dans le corps et la méthodologie portent déjà ce contrat. Rien d'autre n'a changé.
- 13 septembre 2026Bloc « l'essentiel » ramené à six points, appel à l'action ajouté, section de mesure générique remplacée par un renvoi vers le pilier Mesure ; sections jumelles fusionnées (études et corrélation ; lecture à la génération et à l'entraînement).
- 13 septembre 2026Refonte éditoriale : introduction qui répond d'abord (mention datée retirée), renvois vers le pilier GEO et le socle sur les moteurs.
- 12 septembre 2026Réduction éditoriale (qualité avant longueur, refonte de septembre 2026) : environ 41 minutes auparavant. Retirés : le résumé en bref, la définition élémentaire, l'usage par les moteurs classiques, IndexNow, l'exemple incorrect, le balisage par profil, les idées reçues, l'implémentation générique, le glossaire, les points clés et l'appel final. Conservés : le fonctionnement, l'état des rich results, la différence entre Google et les IA, la lecture directe par les modèles, les études et leurs contradictions, la confusion par le rang, la position officielle de Google, le cas Bing et Copilot, entités et Knowledge Graph, données d'entraînement, types utiles, exemples JSON-LD, erreurs d'implémentation, mesure et limites. Aucune source retirée ; la FAQ est ramenée aux questions les plus recherchées.
- 3 août 2026Publication initiale : définition et fonctionnement de Schema.org, état 2026 des rich results (FAQPage retiré, HowTo mort), différence recherche et IA, ingestion contre usage à l'inférence du JSON-LD, revue des études contrôlées et non contrôlées, position officielle de Google, cas Bing contesté, entités et Knowledge Graph, IndexNow, types utiles par profil, exemples JSON-LD corrects et incorrects, mythes, implémentation, mesure, glossaire et FAQ de 40 questions.