Le Knowledge Graph de Google existe depuis 2012. Douze ans plus tard, il reste l’un des sujets les moins bien compris de l’écosystème SEO – et l’un des plus stratégiques à mesure que les LLMs prennent de la place dans les parcours de recherche. Construire une présence documentée dans ce graphe n’est pas une option réservée aux grandes marques : c’est un levier accessible, avec des mécanismes précis et des actions concrètes.

Cet article présente ces mécanismes tels qu’ils sont documentés, en distinguant ce qui est officiel, ce qui est cohérent avec les observations terrain, et ce qui reste hypothétique.

Ce qu’est réellement une entité pour Google – et pourquoi ça change tout

L’entité vs le mot-clé : une distinction opérationnelle

Google l’a formulé clairement lors du lancement de son Knowledge Graph en 2012 : l’objectif est de comprendre << things, not strings >>. Cette formulation résume une rupture fondamentale dans la logique de traitement de l’information.

Un mot-clé est une chaîne de caractères. Une entité est un objet d’information unique, identifiable de manière non ambiguë, qui existe indépendamment du document qui le mentionne. << Apple >> est une chaîne. Apple Inc. est une entité. << Paris >> est une chaîne. Paris, capitale de la France, est une entité – distincte des nombreuses autres villes portant ce nom dans le monde.

Cette distinction a des implications opérationnelles directes. Lorsque Google traite une requête sur la base des entités qu’il reconnaît, il peut relier des concepts, des personnes, des lieux et des organisations entre eux, et répondre à des questions complexes sans se limiter à la correspondance lexicale. C’est la base des Knowledge Panels, des featured snippets enrichis, et des réponses directes dans Google Assistant.

Pour un SEO ou un GEO, ça signifie que la visibilité d’une entité n’est plus uniquement une question de ranking de pages – c’est une question de reconnaissance dans une base de données structurée qui alimente une part croissante des surfaces de réponse.

Comment Google reconnaît une entité : les signaux documentés

Google ne publie pas de documentation exhaustive sur son algorithme de reconnaissance d’entités. Ce qui est documenté – par Google Search Central et par l’API Knowledge Graph – permet néanmoins d’identifier les vecteurs principaux.

Le Knowledge Graph Search API, documenté par Google for Developers, retourne des entités en format JSON-LD, conformes aux types schema.org. Il expose un resultScore qui représente le niveau de confiance de Google dans son identification de l’entité pour une requête donnée. Ce score est directement lié à la densité et à la cohérence des signaux disponibles sur l’entité à travers le web.

La documentation de Google Search Central sur le balisage Organization indique explicitement que les données structurées ajoutées à la page d’accueil << can help Google better understand your organization’s administrative details and disambiguate your organization in search results >>. Certaines propriétés, comme iso6523 et naics, sont utilisées << behind the scenes to disambiguate your organization from other organizations >>. Ce n’est pas une inférence – c’est documenté officiellement.

La limite à souligner ici : Wikipedia elle-même le note dans son article sur le Knowledge Graph de Google – << there is no official documentation of how the Google Knowledge Graph is implemented >>. On sait quelles sources alimentent le KG, pas avec précision comment les signaux sont pondérés entre eux.

L’architecture du Knowledge Graph de Google

Sources primaires d’alimentation du KG

Selon la documentation officielle de Google relayée par Wikipedia, le Knowledge Graph s’alimente à partir de << many sources, including the CIA World Factbook and Wikipedia >>. Ce point est confirmé depuis le lancement en 2012.

Les données de Google lui-même indiquent que le KG contient aujourd’hui environ 500 milliards de faits concernant environ 5 milliards d’entités. Ces chiffres sont issus des communications officielles de Google et sont repris dans la documentation de l’API Enterprise Knowledge Graph de Google Cloud.

Au-delà de Wikipedia, les sources identifiées comme alimentant le KG incluent Wikidata – pour ses données structurées lisibles par machine -, les profils...