Étude 2026 : une seule modification de vos pages booste votre précision dans les IA de +30%

L'équipe de WordLift (Andrea Volpini et al.) vient de publier sur arXiv une étude qui répond à une question fondamentale pour tous ceux qui travaillent sur la visibilité dans les IA : est-ce que la structure de votre contenu change vraiment quelque chose dans les systèmes RAG qui alimentent ChatGPT, Perplexity, ou les futurs moteurs agentiques ?

La réponse est oui, mais pas de la façon dont la plupart des SEO le croient. Le JSON-LD caché dans un <script> ne sert à rien dans un pipeline RAG. Ce qui compte, c'est la façon dont l'information structurée est rendue visible et traversable par les agents.

J'ai disséqué les 33 pages de cette publication pour en extraire ce qui est directement actionnable. Voici mon analyse terrain.

L'expérience compare 7 conditions qui croisent 3 formats de documents (HTML brut, HTML+JSON-LD, page entité enrichie) avec 2 modes de retrieval (RAG standard, RAG agentique). Survolez les barres pour voir les détails.

C'est le graphique le plus parlant de l'étude : il montre l'amélioration incrémentale apportée par chaque couche d'optimisation. La leçon est claire : le plus grand gain vient de la matérialisation des liens dans la page entité, pas de l'ajout de JSON-LD seul.

Ce waterfall illustre parfaitement pourquoi se contenter d'ajouter du Schema.org dans un <script type="application/ld+json"> est insuffisant. Le JSON-LD dans un bloc caché est tronqué lors de l'indexation vectorielle (82% des pages HTML et 88% des pages JSON-LD dépassent la limite de ~20k caractères de Vertex AI), et le bloc JSON-LD commence en médiane à la position 18 510 : exactement à la limite de troncation.

L'un des enseignements les plus précieux de l'étude : les gains varient massivement selon que votre HTML de base est déjà riche en faits ou non. L'e-commerce avec des fiches produit déjà bien renseignées ne voit pratiquement aucun gain (+0,07). En revanche, les domaines éditoriaux et locaux dont les relations clés n'existent que dans le graphe de connaissances voient des gains de +2,47 à +2,73.

Pourquoi ces écarts ?

L'hypothèse des auteurs, et elle me semble solide, c'est la "link materialization". Dans une page e-commerce (BlackBriar), le prix, la description, la disponibilité sont déjà dans le HTML texte accessible. La page entité enrichie n'ajoute rien de nouveau. En revanche, pour un article de blog ou un restaurant local, les relations clés (région, type de cuisine, entités mentionnées, concepts liés) ne vivent que dans le graphe de connaissances · sous forme d'URI opaques que le LLM ne peut pas résoudre seul. La page entité enrichie matérialise ces relations en texte lisible.

L'étude cadre ses résultats dans une vision ambitieuse de l'évolution du SEO que je partage entièrement. Voici les trois ères telles que définies par les auteurs :

Pour le SEO 3.0, les auteurs identifient trois niveaux de visibilité IA, et c'est ce qui structure ma propre stratégie GEO :

1. Citations : Être récupéré et mentionné

Le niveau le plus basique : votre contenu apparaît comme source dans une réponse IA. C'est ce que mesurent la plupart des outils GEO aujourd'hui. Le JSON-LD aide ici dans Google/Bing (qui ont des parsers dédiés), mais pas dans les RAG flat-text.

2. Reasoning · L'IA raisonne correctement sur votre contenu

Même cité, votre contenu doit être structuré de façon à ce que le LLM extrait et compose les bons faits. C'est là que les Enhanced Entity Pages font +29,5% versus HTML brut. Pas parce que les faits sont différents, mais parce qu'ils sont présentés d'une façon que le LLM peut fiablement extraire.

3. Actions · L'agent peut agir sur votre contenu

Le niveau frontier : l'IA suit vos liens, interroge vos endpoints, traverse votre graphe de connaissances. Les conditions C4–C6 évaluent ça. Les URI déréférenéables avec négociation de contenu (JSON-LD, Turtle, HTML) sont l'infrastructure nécessaire.

Un résultat contre-intuitif ressort clairement : quand le format de document est déjà optimisé, l'agent n'apporte presque rien en précision supplémentaire. C3 (enhanced, RAG standard) obtient 4,69 : exactement comme C6 (enhanced, RAG agentique) à 4,70. En revanche, sur du HTML brut, l'agent apporte +0,74 points.

Les métriques agentiques sont révélatrices : les pages Enhanced+ exposent 2,4× plus de liens découvrables (102,2 vs 41,9 pour JSON-LD) mais les agents les suivent moins (0,4 hop vs 1,0 pour le HTML brut). Richesse contextuelle dès le premier retrieval = moins d'exploration nécessaire.

1. JSON-LD dans un <script> ne suffit plus

Schema.org reste indispensable pour Google et Bing qui ont des parsers dédiés hors du flux texte. Mais pour tous les systèmes RAG indépendants, Perplexity, les futurs agents IA, les LLM enterprise, le JSON-LD caché est souvent tronqué et inerte. Il faut rendre la donnée structurée visible dans le corps du document.

2. La matérialisation des liens est le vrai levier

Le gain de +29,6% ne vient pas de la magie du format JSON-LD. Il vient du fait que les propriétés d'entités liées (géolocalisation, type, relations) sont rendues lisibles en texte naturel au lieu d'être reléguées à des URI opaques. C'est ce que j'appelle dans ma pratique "rendre le graphe de connaissances lisible pour les humains ET les machines".

3. Les instructions agents dans la page ont un effet mesurable

Chaque page entité enrichie de l'étude contient une section HTML dédiée aux agents LLM, insérée directement dans le corps de la page · au même titre que la description ou les liens d'entités liées. Elle ressemble à ça :

Quand un agent RAG récupère cette page, il trouve immédiatement ce bloc : quel type d'entité il consulte, quelles propriétés prioriser, comment formatter sa réponse. Il n'a pas besoin d'inférer, c'est explicite. L'étude montre que ça contribue aux gains de précision, même si ce facteur n'est pas isolé dans une ablation dédiée. C'est suffisant pour commencer à l'intégrer dans vos pages clés.

4. L'e-commerce bien renseigné est déjà au plafond

Si vos fiches produit contiennent déjà le nom, le prix, la description, la disponibilité dans le HTML visible, vous êtes probablement déjà à 4,9/5 en précision RAG. Le ROI d'une Enhanced Entity Page sera marginal. Concentrez vos efforts là où votre HTML est pauvre en faits mais votre base de données est riche.

5. Les URI déréférençables : ce que ça veut dire concrètement

Derrière ce terme technique, une idée simple : chaque entité de votre site (un produit, un auteur, une destination) a une adresse URL permanente. Quand un agent IA visite cette URL, le serveur lui renvoie des données différentes selon ce qu'il demande · du JSON-LD structuré si l'agent cherche de la donnée machine, du HTML lisible si c'est un navigateur humain. C'est ce qu'on appelle la négociation de contenu.

En pratique : si votre page monsite.fr/auteur/fred répond au format JSON-LD quand un agent la consulte, il peut en extraire automatiquement le nom, le rôle, les articles liés, les sujets couverts · sans avoir à parser du HTML. Il peut ensuite suivre les liens vers d'autres entités et construire une représentation riche de votre site. C'est exactement ce que font Google AI Mode et Perplexity. C'est l'infrastructure du web agentique.

Les auteurs sont honnêtes sur les limites, c'est ce qui rend l'étude crédible. En voici les principales pour notre usage GEO :

Circularité des ground truths : Les réponses de référence sont dérivées du même graphe de connaissances que les pages entités enrichies. Les conditions C3/C6/C6+ peuvent scorer plus haut en partie parce que l'évaluation récompense la proximité textuelle aux faits du KG, pas uniquement parce qu'elles sont objectivement meilleures.

Un seul système de retrieval : Vertex AI Vector Search 2.0 avec gemini-embedding-001. Les résultats sont spécifiques à une architecture flat-text. Un système avec parsing structuré natif du JSON-LD donnerait probablement un résultat différent pour la condition C2.

Graphes de connaissances de qualité : Les quatre domaines testés utilisent des KG bien maintenus via WordLift. L'efficacité peut être moindre avec des KG bruités ou incomplets.

Pas d'ablation isolant les instructions agents : On ne sait pas encore ce que contribue seul le bloc d'instructions pour agents, versus les liens navigables, versus le résumé en langage naturel. Une ablation serait précieuse.

Cette étude de WordLift est probablement la démonstration empirique la plus rigoureuse à ce jour que la structure du contenu change fondamentalement la capacité des systèmes IA à le comprendre et le citer correctement · indépendamment de Google.

Pour ceux qui travaillent le GEO, le message opérationnel est clair :

Ne vous contentez pas d'ajouter du JSON-LD dans un script caché. Rendez votre structure de données visible dans le corps de vos pages. Matérialisez les relations entre entités en texte lisible. Ajoutez des instructions explicites pour agents IA directement dans le HTML de vos pages. Publiez des URI déréférenéables.

Ce n'est pas révolutionnaire pour ceux qui pratiquent le SEO sémantique depuis des années. Ce qui est nouveau, c'est d'avoir des chiffres robustes qui le prouvent dans le contexte des systèmes RAG modernes, et pas seulement pour Google.

Je vais continuer à tester ces principes sur mes propres sites dans le cadre de mon laboratoire GEO en conditions réelles. L'étude complète et les templates sont disponibles sur GitHub (wordlift/seo3-reasoning-web).

À propos de l'auteur

Frédéric Jézégou Consultant SEO & GEO

Fondateur de Rankit.fr · Dicocitations SASU · Pornichet (44)

Freelance SEO Senior : 20 ans de SEO, spécialiste du GEO. J'aide les PME à développer leur visibilité sur Google et à être cités par les IA. Mes analyses sont basées sur des données terrain réelles, logs serveur, tests en compétition, audits de mes propres sites et portefeuille.

LinkedIn GEO & IA Search Concours GEO Crawlers IA