JSON-LD et données structurées : pourquoi elles ne suffisent pas pour ChatGPT, Perplexity et Gemini

Les données structurées ne sont pas lues de la même manière par les IA génératives

Le JSON-LD et les schémas structurés (Schema.org) permettent à Google de comprendre votre contenu depuis des années. Cependant, ChatGPT, Perplexity, Gemini et Claude les traitent différemment. Ces moteurs IA analysent le HTML brut, extraient le contexte sémantique, mais ne privilégient pas nécessairement le balisage structuré comme le fait l'algorithme SEO traditionnel. Beaucoup de marques découvrent trop tard que leurs données structurées impeccables ne génèrent aucune citation ou recommandation de la part des assistants IA. La raison : ces modèles accordent davantage de poids au contenu textuel lisible, au contexte environnant et à l'autorité du domaine qu'aux balises JSON-LD isolées.

Pourquoi les moteurs IA ignorent ou mal-interprètent votre JSON-LD

Le JSON-LD est souvent ignoré s'il contient des données partielles ou incohérentes

Les IA génératives ne se fient pas aux balises structurées de manière absolue. Si votre JSON-LD contient une adresse, un numéro de téléphone ou des prix, mais que le texte visible de la page contient des informations contradictoires ou plus détaillées, les modèles tendent à prioriser le texte lisible. Elles appliquent une sorte de vérification de cohérence interne : si la balise et le contenu ne s'alignent pas, elles deviennent sceptiques.

Le contexte textuel prime sur les métadonnées

Contrairement à Google qui extrait les données structurées et les indexe dans des champs séparés, les IA génératives fonctionnent sur le principe de la compréhension contextuelle. Elles lisent votre page comme un utilisateur humain le ferait : titre, paragraphes, listes, puis balises. Si votre JSON-LD déclare que vous êtes un restaurant avec une note de 4,8 étoiles, mais que nulle part dans le texte visible vous ne mentionnez cette note, l'IA peut ignorer la donnée structurée et inventer une réponse ou ne pas la citer du tout.

Les formats varient selon les IA : certaines ne parsent pas le JSON-LD standard

Perplexity et Claude utilisent parfois des crawlers qui privilégient le contenu HTML textuel. Gemini, étant un produit Google, tient davantage compte du JSON-LD, mais même chez Google, les données structurées n'influencent pas la génération de réponses de la même manière qu'elles n'influencent le classement de recherche. ChatGPT, s'il n'est pas en accès direct au web (dépend de la version), reçoit des extraits de contenu pré-traités où le balisage structuré peut être partiellement perdu.

Comment ChatGPT, Perplexity, Gemini et Claude traitent réellement vos balises structurées

ChatGPT : intégration de Bing et priorité au contenu lisible

ChatGPT avec accès à Internet s'appuie partiellement sur Bing pour les sources de contenu. Le JSON-LD n'est pas utilisé de manière systématique pour extraire des réponses. Au lieu de cela, ChatGPT indexe le texte principal et établit des connexions logiques. Si vous mentionnez explicitement dans votre texte "Notre produit coûte 49 euros" et que vous balısez aussi ce prix en JSON-LD, ChatGPT citera probablement votre page. Mais s'il n'y a que le balisage structuré sans contexte textuel clair, l'IA ne comprendra pas bien votre contenu et ne le recommandera pas.

Perplexity : importance de la densité textuelle et des citations claires

Perplexity construit ses réponses en citant explicitement des sources. Elle analyse le contenu accessible et cherche des passages que l'utilisateur peut vérifier. Le JSON-LD seul n'apparaît jamais dans une réponse de Perplexity, car cet outil est conçu pour montrer des preuves tangibles. En revanche, un paragraphe bien écrit et informatif, même sans balisage structuré, sera cité. Cela signifie que pour Perplexity, il est plus important d'avoir un texte clair, bien organisé et riche en détails qu'un JSON-LD parfait.

Gemini : meilleur support du JSON-LD, mais pas automatique

Gemini, étant un produit Google, bénéficie de l'intégration Google Search et tient davantage compte des données structurées. Cependant, cela n'active pas automatiquement les citations. Gemini lit toujours le contenu dans sa globalité. Un schéma LocalBusiness correctement implémenté aide Gemini à mieux comprendre votre contexte, mais ne force pas sa recommandation. La cohérence entre vos métadonnées et votre contenu reste cruciale.

Claude : analyse profonde du texte, peu d'appui sur les métadonnées

Claude fonctionne comme un lecteur très attentif du texte brut. Elle ne crawle pas de pages directement, mais reçoit le contenu via des intégrations. Ses fournisseurs de contenu (comme Anthropic's API ou les sources d'intégration) fournissent généralement du texte formaté plutôt que du HTML brut avec JSON-LD. Par conséquent, Claude dépend entièrement de la clarté et de la structure du texte visible.

Quand le JSON-LD est réellement utile pour les IA

Pour les entités bien définies (entreprises, événements, produits)

Le JSON-LD reste efficace quand il décrit une entité claire et que le texte le confirme. Par exemple, si vous êtes une agence SEO basée à Paris et que vous incluez un schéma Organization avec votre adresse, votre téléphone et votre site, les IA reconnaissent plus facilement votre domaine d'activité. Cela améliore les chances que Gemini ou un futur système de recommandation IA vous signale comme autorité sur le sujet.

Pour l'enrichissement des résultats de recherche vocale et visuelle

Les IA conversationnelles intégrées dans les assistants vocaux (Alexa, Google Assistant, Siri) s'appuient davantage sur les données structurées. Si vous visez ces plateformes en plus de ChatGPT, le JSON-LD devient stratégique. Mais pour les moteurs de réponses textuels comme Perplexity ou Claude, l'impact est limité.

Pour la désambiguïsation et la validation croisée

Lorsqu'une IA rencontre une requête ambiguë (par exemple, "Paris" peut être la ville ou le personnage mythologique), les données structurées aident à la désambiguïsation. Un JSON-LD correctement formaté dit au système : "Nous parlons de la ville de Paris, avec cette latitude et longitude." Cela améliore la pertinence des réponses.

Les ajustements GEO-spécifiques pour rendre vos données plus attractives aux IA

1. Enrichissez votre texte visible avec des informations complémentaires au JSON-LD

Ne compez pas sur le JSON-LD seul. Chaque donnée importante (adresse, horaires, prix, spécialités) doit apparaître clairement dans le contenu lisible. Créez des sections dédiées : "Nos horaires d'ouverture" (avec le texte), "Nos tarifs" (avec détails), "Notre localisation" (avec contexte géographique). Les IA liront ces sections et les associeront au balisage structuré pour une compréhension double.

2. Utilisez des schémas imbriqués pour le contexte géographique et sectoriel

Au lieu d'un simple schéma LocalBusiness, imbrifiez des schémas spécialisés : LocalBusiness + ProfessionalService pour un cabinet médical, LocalBusiness + Restaurant pour un établissement. Ajoutez des propriétés geo comme GeoShape ou Place pour délimiter précisément votre zone de couverture. Cela aide les IA à contextualiser votre offre géographiquement.

3. Validez la cohérence entre JSON-LD et contenu visible

Audit régulier : vérifiez que les informations en JSON-LD correspondent exactement au contenu visible. Si votre schéma dit "Lundi-Vendredi 9h-18h" mais que votre page mentionne "Ouvert 8h-19h", les IA détectent l'incohérence et font moins confiance à votre contenu. Utilisez des outils comme Rich Results Test de Google pour vérifier que votre balisage est valide, puis comparez manuellement avec le texte.

4. Créez du contenu unique autour de vos données structurées

Rédiger un article de 300-500 mots qui détaille votre offre locale est plus efficace qu'un JSON-LD isolé. Par exemple, si vous êtes un plombier à Lyon, ne balısez que votre service en tant que LocalBusiness. Écrivez aussi : "Intervention d'urgence à Lyon : nous couvrons les 9 arrondissements, disponibles 24h/24" avec des détails concrets. Cela donne aux IA du contexte riche pour vous recommander.

5. Incluez des citations et des preuves sociales dans le texte visible

Les IA génératives valorisent les preuves. Au lieu de compter sur une note Schema Review, mentionnez explicitement : "Nos clients nous donnent en moyenne 4,8 étoiles sur Google (150+ avis)" ou "Voir nos projets sur notre portfolio." Liez vers des sources externes fiables. Cela renforce votre crédibilité pour les moteurs IA.

6. Structurez vos FAQs avec un schéma FAQPage + contenu détaillé

Le schéma FAQPage en JSON-LD est ignoré par certaines IA, mais Perplexity et Gemini cherchent activement des sections FAQ. Balısez votre FAQ en JSON-LD pour Google, mais aussi structurez vos questions et réponses de manière très lisible et détaillée. Les IA liront le texte visible et citeront vos réponses comme des sources.

Cas d'usage réel : comment les IA traitent un balisage LocalBusiness

Considérez un cabinet dentaire à Marseille. Son JSON-LD inclut : nom, adresse, téléphone, horaires, tarifs, services proposés. Voici ce que chaque IA fait :

Perplexity : Crawle la page, ignore entièrement le JSON-LD, cherche du texte lisible mentionnant les services dentaires, les tarifs ou les avis. Elle citera un paragraphe du type "Dr. Martin offre des détartages à 80 euros" mais ne mentionnera jamais le balisage structuré.

Gemini : Utilise le JSON-LD pour enrichir sa compréhension du domaine (dentiste, Marseille, services). Génère une réponse qui combine cette compréhension avec le contenu textuel. Si le texte et le balisage s'alignent, génère une réponse plus précise.

ChatGPT : Lit surtout le texte visible. Reconnaît que c'est un cabinet dentaire à Marseille en lisant le contenu. Pourrait mentionner l'adresse ou le téléphone s'ils sont clairs dans le texte. Ne cite pas le JSON-LD.

Claude : Dépend de la manière dont le contenu lui est transmis. Si fourni en HTML brut, elle parse le texte et ignore le JSON-LD. Si fourni en texte pré-traité, elle n'en a jamais vue la trace.

Résumé des différences clés : JSON-LD en SEO vs. en GEO

En SEO traditionnel, Google utilise intensivement le JSON-LD pour indexer les données structurées dans des champs séparés. Votre schéma Review influence directement les rich snippets de résultats. Le balisage est une composante officielle du ranking.

En GEO (IA génératives), le JSON-LD est un outil de précision secondaire. Les IA génératives fonctionnent sur le modèle de la compréhension textuelle et du contexte. Le balisage structuré aide à la désambiguïsation et améliore la confiance interne du modèle, mais n'active pas automatiquement les citations ou les recommandations. Le contenu textuel lisible, clair et détaillé reste la clé.

Checklist pour optimiser vos données structurées pour les IA génératives

• Validez votre JSON-LD avec le Rich Results Test de Google. Corrigez toute erreur.
• Duplicitez les informations clés dans le texte visible et lisible de votre page.
• Créez du contenu unique autour de votre domaine d'expertise local ou sectoriel (au moins 300 mots).
• Cohérence stricte : assurez-vous que chaque donnée en JSON-LD existe aussi dans le texte avec la même information.
• Montrez les preuves : mentionnez explicitement les avis, certifications, réalisations, pas seulement en balises.
• Organisez hiérarchiquement : utilisez des titres clairs (H2, H3) pour que les IA segmentent bien votre contenu.
• Testez dans Perplexity et Gemini : posez des questions liées à votre activité et vérifiez comment vous êtes recommandé (ou non).
• Suivez l'évolution : les IA ajustent constantement leur approche. Révocalisez vos stratégies chaque trimestre.