Pendant longtemps, le référencement naturel consistait surtout à identifier les recherches des internautes, puis à créer des pages capables d’y répondre.
Cette logique reste essentielle. Mais avec l’essor des moteurs intégrant de l’intelligence artificielle, un autre enjeu prend de l’importance : permettre aux machines de comprendre clairement qui est votre entreprise, ce qu’elle propose et comment ses différentes informations sont reliées.
Un site peut donc sembler parfaitement clair pour un visiteur humain tout en restant ambigu pour un moteur. C’est là qu’interviennent notamment les données structurées.
Être visible commence aussi par être compris
Prenons le site d’une compagnie d’assurance.
Une page indique : « MonHabitation protège votre logement contre les incendies et les dégâts des eaux. L’offre est proposée par Assurance Exemple en Côte d’Ivoire. »
Un humain comprend immédiatement que :
- Assurance Exemple est une compagnie d’assurance ;
- MonHabitation est l’une de ses offres ;
- cette offre concerne l’assurance habitation ;
- elle est commercialisée en Côte d’Ivoire ;
- elle protège contre certains risques liés au logement.
Pour une machine, ces relations doivent être déduites à partir du texte, de la structure du site et d’autres informations disponibles en ligne.
Les données structurées permettent d’expliciter certaines de ces informations directement dans le code du site.
Elles fonctionnent un peu comme une fiche d’identité destinée aux moteurs :
- Nom : Assurance Exemple
- Type : compagnie d’assurance
- Pays : Côte d’Ivoire
- Produit : MonHabitation
- Catégorie : assurance habitation
- Public concerné : particuliers, propriétaires et locataires
L’internaute ne voit généralement pas cette fiche. Elle aide surtout les machines à interpréter plus précisément le contenu.
Schema.org donne un vocabulaire commun aux machines
L’un des standards les plus utilisés pour structurer ces informations s’appelle Schema.org.
Il fournit un vocabulaire commun pour décrire une entreprise, une personne, un produit, un établissement, un article ou encore un événement.
Quelques exemples concrets :
| Type Schema.org | Ce qu’il décrit | Exemple concret |
|---|---|---|
| Organization | Une entreprise ou organisation | Un groupe bancaire panafricain |
| BankOrCreditUnion | Une banque ou institution de crédit | Une banque commerciale au Sénégal |
| InsuranceAgency | Une activité d’assurance | Une compagnie d’assurance en Côte d’Ivoire |
| Product | Un produit | Une carte bancaire premium |
| FinancialProduct | Un produit financier | Un crédit immobilier |
| Offer | Une offre commerciale | Une assurance à partir de 5 000 FCFA par mois |
| Person | Une personne | Le directeur général de l’entreprise |
| LocalBusiness | Un établissement physique | Une agence bancaire à Abidjan |
| Article | Un contenu éditorial | Un article consacré à l’épargne |
| MobileApplication | Une application mobile | L’application mobile d’une banque |
L’objectif n’est pas d’utiliser tous les types disponibles, mais de rendre plus explicites les informations réellement importantes pour comprendre l’activité.
Le vrai enjeu : relier correctement les informations
Les moteurs IA ne cherchent pas seulement à repérer des mots. Ils essaient aussi d’identifier des entités, c’est-à-dire des éléments clairement reconnaissables comme une entreprise, une marque, une personne ou un produit.
Prenons une banque fictive, Banque Horizon.
Un moteur peut chercher à établir que :
- Banque Horizon est une banque ;
- Banque Horizon exerce au Sénégal ;
- Banque Horizon propose un produit appelé Compte Jeune ;
- Compte Jeune s’adresse aux jeunes actifs ;
- Banque Horizon possède une application mobile.
Ces relations permettent de construire progressivement une représentation de l’entreprise.
Pour un responsable marketing, l’idée importante est simple : plus vos informations essentielles sont claires, cohérentes et reliées entre elles, plus il est facile pour un moteur IA de comprendre votre activité.
Un site peut être riche en contenus et rester ambigu
C’est notamment ce que souligne un article de Search Engine Land. Prenons une compagnie d’assurance présente dans plusieurs pays. Son site peut contenir des centaines de pages tout en laissant certaines zones d’incertitude :
- les différentes filiales ne sont pas clairement reliées au groupe ;
- certaines offres ne précisent pas leur pays de commercialisation ;
- une même offre est décrite différemment selon les pages ;
- les dirigeants sont mentionnés sans être clairement reliés à l’organisation ;
- les applications officielles ou profils sociaux ne sont pas clairement identifiés.
On parle parfois d’entity gaps, c’est-à-dire d’informations ou de relations importantes que le site ne rend pas suffisamment explicites.
Pour un groupe présent dans plusieurs pays, le sujet devient rapidement concret : un moteur doit pouvoir comprendre quelles filiales appartiennent au groupe, quels produits sont proposés dans chaque marché, quels dirigeants représentent quelles entités, et quels sites ou applications sont officiels.
Comment passer à l’action
Commencez par tester quelques pages stratégiques (page d’accueil, page entreprise, principales offres et pages de filiales) avec le Schema Markup Validator pour identifier les données structurées présentes et d’éventuelles erreurs.
Ensuite, confrontez ce résultat à une question simple : les informations essentielles sur votre entreprise, vos produits, vos filiales et vos zones d’activité sont-elles clairement décrites et reliées ? Si ce n’est pas le cas, commencez par corriger ces lacunes avant de chercher à multiplier les balises.
