Quels types Schema.org comptent pour les moteurs de réponse IA

Le balisage ne fait plus ce que l’on croit encore

Pendant des années, le balisage Schema.org a été présenté comme un moyen d’obtenir des étoiles, un accordéon de questions ou un carrousel d’étapes dans les résultats Google. En août 2023, Google a restreint l’affichage des résultats enrichis FAQPage aux seuls sites gouvernementaux et de santé reconnus, et retiré peu après les résultats enrichis HowTo de la recherche classique. Pour beaucoup de responsables marketing, la conclusion a été rapide : le balisage ne servirait plus à rien. C’est un raisonnement qui confond deux choses différentes.

Un résultat enrichi est un habillage visuel dans une page de résultats Google. Une donnée structurée est un fait typé, lisible par une machine, qui décrit qui parle, de quoi, et depuis quand. Les moteurs de réponse comme ChatGPT, Perplexity, Claude ou les AI Overviews de Google ne produisent pas de résultats enrichis : ils construisent une réponse rédigée à partir de passages extraits de plusieurs pages. Ce qui compte pour eux n’est donc pas l’apparence dans la page de résultats, mais la facilité avec laquelle un passage peut être extrait, attribué et vérifié. C’est cette distinction qui détermine, type par type, ce qui compte encore.

Comment un moteur de réponse traite réellement vos données structurées

Un moteur de réponse fonctionne, dans les grandes lignes, en deux temps. D’abord une étape de récupération, qui sélectionne un petit nombre de passages jugés pertinents pour la question posée. Ensuite une étape de génération, qui rédige une réponse à partir de ces passages et, souvent, cite ou lie une source. Le balisage Schema.org intervient surtout dans la première étape et dans l’attribution qui suit la seconde : il aide à identifier qui est l’auteur d’un contenu, à quelle organisation il se rattache, et depuis quand l’information est valide. Search Engine Journal rapporte que lors d’une conférence Search Central, un responsable de Google a confirmé que Gemini s’appuie sur les données structurées présentes sur une page, sans détailler la liste exacte des types concernés.

Voici le passage à retenir, qui garde son sens même sorti de cet article : une donnée structurée ne rend pas un contenu plus vrai ni plus intéressant, elle rend explicite ce qu’un lecteur humain déduirait du contexte, à savoir qui a écrit ceci, pour quelle organisation, et quand. Un moteur de réponse qui doit choisir entre deux passages équivalents sur le fond privilégie celui dont l’origine est la plus facile à vérifier.

Le tableau de décision : quels types comptent, lesquels ne changent rien

Le tableau suivant classe les types Schema.org les plus courants selon leur rôle historique en SEO classique et leur effet réel sur la citation par un moteur de réponse. Il synthétise les points où les guides existants convergent, et tranche sur les points où ils se contredisent, notamment sur FAQPage et HowTo.

Une lecture rapide de ce tableau suffit à corriger une idée reçue répandue chez les PME romandes : FAQPage garde une valeur réelle pour les moteurs de réponse, même privé de son affichage visuel dans Google, tandis que HowTo, souvent cité comme équivalent, n’apporte plus rien tant que le contenu source n’est pas déjà écrit sous forme d’étapes claires.

Le cas particulier de Claude

La quasi-totalité des guides sur le balisage et les moteurs de réponse se concentrent sur ChatGPT, Perplexity et les AI Overviews de Google, et passent Claude sous silence. Anthropic ne publie pas de documentation détaillant l’usage de Schema.org par ses robots de récupération, contrairement à Google qui a confirmé publiquement l’exploitation des données structurées par Gemini. En l’absence de documentation officielle, la position la plus raisonnable pour une PME romande reste de baliser pour la lisibilité générale du contenu plutôt que pour un moteur en particulier : un passage autonome bien construit, avec une identité d’auteur et d’organisation clairement déclarée, profite à tous les moteurs de réponse à la fois, y compris ceux qui ne documentent pas leur mécanique de récupération.

Un exemple concret : Organization et FAQPage sur une page de service

Voici un balisage JSON-LD minimal, pensé pour une page de service d’une PME romande, qui combine l’identité de l’organisation et une paire question-réponse citable :

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Nom de l’entreprise",
  "url": "https://exemple.ch",
  "sameAs": [
    "https://www.linkedin.com/company/exemple",
    "https://www.instagram.com/exemple"
  ]
}

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Combien de temps prend un audit GEO ?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Un audit GEO initial prend en général une à deux semaines : analyse des pages existantes, test d’un jeu de questions représentatif dans plusieurs moteurs de réponse, puis liste de corrections priorisées."
      }
    }
  ]
}

Le second bloc illustre le principe central de cet article : la réponse dans acceptedAnswer.text garde son sens hors contexte, ce qui en fait exactement le type de passage qu’une étape de récupération peut extraire et citer sans reformulation.

La méthode en cinq étapes pour prioriser son balisage

1. Baliser d’abord l’entité : Organization ou LocalBusiness, avec un champ sameAs vers des profils vérifiés (LinkedIn, registre du commerce).
2. Ajouter Person sur les pages d’auteur, avec un sameAs vers un profil professionnel réel, jamais un profil générique.
3. Structurer les FAQ en JSON-LD même si le résultat enrichi n’apparaît plus dans Google : c’est la partie qui profite le plus à la citation par un moteur de réponse.
4. Dater systématiquement les articles avec datePublished et dateModified, et ne mettre à jour la seconde date que lors d’une révision de fond.
5. Valider chaque type avec le Rich Results Test de Google avant publication, pour écarter les erreurs de syntaxe qui rendent tout le bloc inexploitable.

Quand le balisage Schema.org n’est pas la priorité

Le balisage structuré ne répare pas un contenu vague. Une page qui n’apporte aucun fait vérifiable, aucune définition précise ni aucun chiffre daté ne devient pas plus citable parce qu’elle est entourée de JSON-LD : les moteurs de réponse extraient un passage, ils ne l’inventent pas à partir d’un balisage vide de contenu réel. Pour un site qui vient d’ouvrir, comme c’est le cas pour un domaine sans historique, le premier chantier reste l’écriture de passages autonomes et vérifiables, pas l’exhaustivité du balisage.

Le balisage n’est pas non plus la priorité pour un site à très faible nombre de pages, du type micro-site vitrine d’une page unique : le temps passé à baliser cinq types différents dépasse largement le bénéfice attendu, alors que corriger l’accès des robots ou clarifier une seule page de présentation rapporte davantage. Enfin, pour un secteur où aucune réponse locale ou factuelle n’est recherchée par les utilisateurs des moteurs de réponse, comme un service purement interne à une entreprise, le retour sur investissement du balisage reste marginal comparé au travail éditorial de fond.

Un dernier repère pratique aide à trancher : si une page ne contient encore aucune définition précise, aucun chiffre daté et aucune section qui répond directement à une question fréquente, commencer par le balisage revient à décorer une pièce vide. L’ordre qui fonctionne le mieux pour une PME qui débute est presque toujours le même : d’abord un contenu qui contient des passages autonomes et vérifiables, ensuite l’identité de l’auteur et de l’organisation, puis seulement le reste du balisage détaillé dans le tableau ci-dessus.

Le balisage Schema.org reste un des six leviers détaillés dans notre panorama de la visibilité dans les moteurs de réponse IA : il ne remplace ni l’accès des robots, couvert dans notre article sur GPTBot, ClaudeBot et PerplexityBot, ni le résumé lisible par machine que propose llms.txt. Pour une PME qui veut savoir par où commencer, le Sprint GEO part d’un audit concret plutôt que d’une liste générique de types à baliser.