Knowledge Graph (Graphe de Connaissances)
Un Knowledge Graph est une base de données structurée qui relie des entités — personnes, entreprises, lieux, concepts, produits — par des relations explicites. Google Knowledge Graph contient des milliards de faits interconnectés utilisés pour enrichir les résultats de recherche et alimenter les réponses des IA. Par exemple : "Thibaut Campana" → est expert en → "GEO Optimization" → utilise → "Schema.org".
Pourquoi c'est important pour le GEO
Les IA modernes ne lisent pas seulement des textes : elles naviguent dans des graphes de connaissances pour vérifier les faits, relier les entités et construire des réponses fiables. Être représenté dans ces graphes augmente considérablement la probabilité d'être cité.
Quand un utilisateur demande à ChatGPT "qui sont les experts GEO en France", l'IA interroge son graphe interne. Si votre nom, votre spécialité et vos publications y sont présents et reliés, vous avez des chances d'apparaître. Si vous n'existez que sur votre site sans entités structurées, vous restez invisible.
Les Knowledge Graphs valorisent la cohérence : votre nom doit apparaître identiquement sur votre site, LinkedIn, vos articles publiés et tout contenu tiers vous mentionnant.
Comment optimiser
- Implémenter Schema.org sur tout votre site pour créer des entités structurées (Organization, Person, Service)
- Utiliser des identifiants uniques et stables avec @id dans vos schemas pour que les entités se relient entre elles
- Maintenir une page Wikipedia ou Wikidata si votre notoriété le justifie — ces sources alimentent directement les Knowledge Graphs
- Publier du contenu sur des plateformes tierces (LinkedIn, médias spécialisés) qui renforce votre profil d'entité
- Lier vos entités entre elles : Person → worksFor → Organization → offers → Service
Exemple concret
Une consultante en transformation digitale veut être citée par les IA comme experte. Elle structure son Schema Person avec ses domaines d'expertise, publie des articles sur LinkedIn et dans des médias sectoriels, crée une fiche Wikidata avec ses publications, et s'assure que son nom apparaît de façon identique partout. Au bout de six mois, quand on demande à Perplexity "expert transformation digitale PME France", son nom remonte dans les résultats.
Erreurs fréquentes
- Incohérence des noms : "Jean Dupont", "J. Dupont", "Jean-Pierre Dupont" sur différentes plateformes créent des entités distinctes et diluent la crédibilité
- Entités isolées : un Schema.org sans liens entre les entités ne forme pas un graphe, juste une liste de données
- Présence web insuffisante : être mentionné uniquement sur son propre site ne suffit pas pour entrer dans les Knowledge Graphs des IA
- Ignorer les tiers : les mentions dans des articles, annuaires et réseaux sociaux renforcent votre entité bien plus que votre propre contenu