Knowledge Graph et GEO : comment l'IA choisit ses sources
Quand ChatGPT ou Perplexity répondent à une question, ils ne cherchent pas le meilleur article - ils cherchent la source la plus ancrée dans le graphe de connaissances qu'ils ont internalisé. C'est là que la plupart des stratégies GEO échouent : elles optimisent le texte, mais ignorent la structure relationnelle qui détermine si un LLM va vous citer ou vous ignorer. Voici ce que j'ai observé en pratique, et ce que ça change concrètement pour votre stratégie de contenu.
Qu'est-ce que le Knowledge Graph dans le contexte des LLM ?
Le Knowledge Graph n'est pas un concept propre à Google. C'est une structure de données qui représente des entités (personnes, lieux, concepts, organisations) et les relations entre elles. Les LLMs comme GPT-4 ou Gemini ont intégré, lors de leur entraînement, une version implicite de ce graphe : ils savent que Paris est la capitale de la France, que Marc Zuckerberg dirige Meta, que le RGPD concerne la protection des données personnelles.
Ce qui est moins évident - et que beaucoup de praticiens GEO sous-estiment - c'est que les LLMs pondèrent leur confiance en une source selon la densité de co-citations dans leur corpus d'entraînement. Une entité (votre marque, votre site, votre auteur) qui apparaît fréquemment en association avec des concepts faisant autorité dans un domaine bénéficie d'un signal de confiance plus élevé. Ce n'est pas du PageRank - c'est de la co-occurrence sémantique à grande échelle.
La différence avec le SEO traditionnel est fondamentale. Comme je l'explique dans mon analyse des vraies différences que l'IA impose entre GEO et SEO, Google classe des pages - les LLMs, eux, citent des entités. Cette nuance change tout à la manière dont on doit construire sa présence en ligne.
Comment un LLM décide-t-il de citer une source ?
En observant les patterns de citation de Perplexity sur des centaines de requêtes dans mon domaine, j'ai identifié trois mécanismes principaux - et ils ne correspondent pas forcément à ce qu'on croit.
1. L'autorité de l'entité, pas du domaine
Un article de blog sur un domaine de deux ans peut être cité avant un article Wikipédia si l'auteur est une entité reconnue dans le graphe du LLM. J'ai vu des consultants indépendants être cités par ChatGPT sur des sujets techniques parce que leur nom apparaissait dans des dizaines de sources tierces fiables - conférences, interviews, articles de presse spécialisée - créant une empreinte d'entité solide. Le domaine importe moins que la personne ou l'organisation qui signe le contenu.
2. La spécificité de la réponse fournie
Les LLMs préfèrent citer des sources qui répondent directement à la question posée, pas celles qui traitent le sujet en général. Un article qui contient une définition précise, un tableau comparatif ou un processus en étapes numérotées a mécaniquement plus de chances d'être extrait. C'est pour ça que les contenus très structurés - avec des listes
3. La fraîcheur relative dans le corpus de RAG
Perplexity et d'autres moteurs IA utilisent du RAG (Retrieval-Augmented Generation) pour compléter leurs connaissances avec du contenu indexé en temps réel. Dans ce contexte, la date de publication et la fréquence de mise à jour jouent un rôle - mais pas de la même façon qu'en SEO. Ce n'est pas le contenu le plus récent qui gagne, c'est le contenu récent et structurellement cohérent avec l'intention de la requête.
Les entités nommées : le cœur du problème GEO
Si vous n'avez lu qu'une seule chose sur le GEO, retenez ceci : votre marque doit exister en tant qu'entité dans le Knowledge Graph, pas seulement en tant que site web. Cela signifie concrètement :
- Une fiche Wikidata associant votre organisation à son secteur, ses fondateurs, sa localisation
- Des mentions dans des médias tiers qui nomment explicitement votre marque en contexte (pas juste un backlink, mais une phrase qui établit votre expertise)
- Un markup Schema.org cohérent (
Organization,Person,Article) qui permet aux crawlers d'inférer vos relations avec d'autres entités - Une cohérence entre votre nom d'entité sur toutes les plateformes (LinkedIn, Google Business, site, presse)
J'ai détaillé les mécanismes des entités nommées et leur impact sur la visibilité IA - c'est probablement la lecture la plus utile si vous débutez sur ce sujet.
Ce que le Knowledge Graph change dans la production de contenu
Concrètement, travailler pour le Knowledge Graph plutôt que pour les mots-clés implique un changement de paradigme dans la façon de rédiger et de structurer un article.
Écrire pour des relations, pas pour des mots-clés
Chaque article doit établir des relations explicites entre entités. Au lieu d'écrire
À retenir
- Wr i t e r t y p i n g l a p t o p k e y b o a r d
- d a t a v i s u a l i z a t i o n s c r e e n g r a p h
- s e o a n a l y t i c s d a s h b o a r d c o m p u t e r
- a u t h o r
- e n t i t y
- k n o w l e d g e g r a p h
- s e m a n t i c
- s t r u c t u r e
- s c h e m a
- m a r k u p
- c i t a t i o n
- L L M
- G E O
- c o n t e n t
- s t r a t e g y
- c o - c i t a t i o n
- n a m e d e n t i t i e s
- R A G
- r e t r i e v a l
- a u g m e n t e d
- g e n e r a t i o n
- P e r p l e x i t y
- C h a t G P T
- s o u r c e s e l e c t i o n
- a u t h o r i t y
- d o m a i n
- f r e s h n e s s
- s t r u c t u r e d d a t a
- W i k i d a t a
- b r a n d
- e n t i t y r e c o g n i t i o n
Questions fréquentes
Qu e s t i o n 1 ?
D i r e c t f a c t u a l a n s w e r
Qu e s t i o n 2 ?
D i r e c t f a c t u a l a n s w e r
Qu e s t i o n 3 ?
D i r e c t f a c t u a l a n s w e r
Qu e s t i o n 4 ?
D i r e c t f a c t u a l a n s w e r