Knowledge graph

Un knowledge graph, ou graphe de connaissances, stocke des faits sous forme de relations entre entités. Chaque fait se lit comme un triplet : un sujet, une relation, un objet, par exemple « musée du Louvre », « se trouve à », « Paris ». Mis bout à bout, ces triplets forment un réseau qu’une machine peut parcourir : une entreprise, ses dirigeants, son siège, ses marques, ses concurrents.

Le Knowledge Graph de Google, lancé en 2012 avec la formule « things, not strings », est le plus connu. C’est lui qui alimente le panneau de connaissance affiché à droite des résultats sur ordinateur quand vous cherchez une entreprise, une personne ou une œuvre. Pour une marque, y figurer correctement signifie que Google sait qui elle est, et pas seulement quels mots ses pages contiennent.

Comment Google alimente et utilise son graphe

Google assemble le Knowledge Graph à partir de sources multiples : bases ouvertes comme Wikidata et Wikipédia, sites officiels, données sous licence, et l’analyse des pages web par ses systèmes de traitement du langage naturel, qui repèrent les entités nommées et leurs relations. Chaque entité reçoit un identifiant unique, visible dans certaines URL de recherche sous la forme d’un paramètre « kgmid ».

Le graphe sert à afficher des faits sans clic, à lever les ambiguïtés d’une requête et à relier une marque à ses attributs. Google l’a aussi cité parmi les sources de ses fonctionnalités IA, à côté des pages web. Les autres assistants n’y ont pas accès, mais s’appuient sur des sources comparables, Wikidata et Wikipédia en tête.

Exemple concret : une ETI sans panneau de connaissance

Prenons une ETI industrielle de 300 salariés, reconnue dans son secteur, dont le nom est recherché environ 2 000 fois par mois. Aucun panneau ne s’affiche sur cette requête. Le diagnostic : pas de balisage Organization, des profils officiels non reliés entre eux, des dates de création différentes selon les annuaires, aucune entrée Wikidata. Le plan :

• un balisage Organization en données structurées sur la page d’accueil, avec logo, date de création, dirigeants et liens sameAs vers les profils officiels ;
• la création d’un élément Wikidata appuyé sur des références publiques (presse, registres), dans le respect des règles de la communauté ;
• une page « à propos » qui reprend exactement les mêmes faits, et la correction des annuaires divergents ;
• pour chaque site de production, une fiche Google Business Profile cohérente avec le reste.

Quelques mois plus tard, un panneau apparaît sur la requête de marque, et l’entreprise peut le revendiquer pour proposer des corrections. Le délai n’est jamais garanti : Google décide seul de créer ou non un panneau.

Les erreurs fréquentes

• Créer sa propre page Wikipédia sans notoriété suffisante : elle est souvent supprimée, et le conflit d’intérêts est mal perçu par les contributeurs.
• Confondre panneau de connaissance et fiche d’établissement : la seconde décrit un lieu (horaires, avis, itinéraire), le premier décrit l’organisation, ses dirigeants, son histoire. Une enseigne à plusieurs adresses a besoin des deux.
• Laisser circuler des informations contradictoires (date de création, dirigeant, siège) : le graphe hésite et peut afficher la mauvaise version.
• Attendre du seul balisage qu’il crée un panneau : il confirme des faits établis ailleurs, sans plus.

Comment vérifier votre présence dans le graphe

Tapez le nom de votre entreprise, puis celui de vos dirigeants : la présence d’un panneau, même incomplet, est le premier indicateur. L’API Knowledge Graph Search de Google permet de vérifier si une entité existe et sous quel identifiant. Contrôlez votre balisage avec le validateur de schema.org et les rapports de données structurées de la Search Console. Interrogez enfin ChatGPT et Gemini sur votre entreprise : leurs approximations pointent souvent vers les incohérences à corriger dans vos sources.