en

Données structurées (JSON-LD) : définition

Les données structurées JSON-LD sont des métadonnées Schema.org dans le code d'une page, lisibles par les crawlers IA sans interpréter le DOM.

· 3 min de lecture

Illustration des données structurées JSON-LD pour le GEO

Les données structurées JSON-LD sont des métadonnées sémantiques encodées dans une balise <script type="application/ld+json"> dans le code source d'une page web, selon le vocabulaire standardisé Schema.org, permettant aux moteurs de recherche et aux crawlers IA de lire directement les informations clés d'une page (type de contenu, auteur, date, sujet, entités liées) sans avoir à interpréter le rendu visuel ou la mise en forme du texte.

Pourquoi c'est important pour la visibilité IA

JSON-LD est le canal privilégié par lequel les LLMs lisent les métadonnées structurées d'une page. Contrairement aux microformats et aux balises meta HTML, le JSON-LD est un bloc de données autonome, analysable indépendamment du DOM, sans exécuter JavaScript. Les crawlers IA qui ne rendent pas JavaScript peuvent le lire directement dans le HTML brut.

Pour la visibilité IA, plusieurs propriétés JSON-LD sont particulièrement critiques :

  • Article ou BlogPosting avec headline, description, et mainEntityOfPage : signal de base que la page est un article de fond, pas une page produit ou une page de navigation.
  • dateModified : signal de fraîcheur direct. Les LLMs privilégient les contenus récents ; un dateModified à jour indique que le contenu est entretenu. Ce champ doit être présent et supérieur ou égal à datePublished.
  • author avec sameAs : l'auteur doit avoir un profil vérifiable (LinkedIn, page institutionnelle) référencé via la propriété sameAs. C'est la matérialisation technique de l'E-E-A-T dans les données structurées — un auteur anonyme ou non vérifiable accumule un déficit de crédibilité.
  • @graph : la connexion de plusieurs entités (Article, Author, Organization) dans un graphe d'entités liées est évaluée par LightSpot en critère G17. Les entités connectées renforcent la confiance du modèle dans la cohérence des métadonnées.

LightSpot évalue cinq critères liés aux données structurées (G13 à G17), car ils constituent le canal de communication le plus direct entre le contenu et les LLMs.

Exemple concret

Voici un exemple minimal de JSON-LD Article optimisé pour les LLMs :

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Comment choisir un logiciel CRM en 2026",
  "description": "Guide comparatif des 8 principaux CRM pour PME, avec grille d'évaluation et retours d'expérience.",
  "datePublished": "2026-01-15",
  "dateModified": "2026-05-20",
  "author": {
    "@type": "Person",
    "name": "Marie Dupont",
    "jobTitle": "Consultante CRM",
    "sameAs": "https://www.linkedin.com/in/marie-dupont-crm"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Acme Conseil",
    "sameAs": "https://www.linkedin.com/company/acme-conseil"
  }
}

Ce schéma dit au LLM : il s'agit d'un article (pas une page produit), rédigé par une personne identifiable et vérifiable, maintenu à jour récemment, publié par une organisation avec un profil public. Chacune de ces informations contribue à la confiance accordée au passage lors de la sélection pour une citation.

Pour le contexte complet, voir le guide complet du GEO.

FAQ

Que sont les données structurées JSON-LD ?
Ce sont des métadonnées sémantiques placées dans une balise script de type application/ld+json dans le code source d'une page, selon le vocabulaire standardisé Schema.org. Elles permettent aux moteurs de recherche et aux crawlers IA de lire directement les informations clés d'une page — type de contenu, auteur, date, sujet, entités liées — sans avoir à interpréter le rendu visuel.
Pourquoi le JSON-LD compte-t-il autant pour les IA ?
Parce que c'est le canal privilégié par lequel les modèles de langage lisent les métadonnées d'une page. Contrairement aux microformats et aux balises meta, le JSON-LD est un bloc de données autonome, analysable indépendamment du DOM et sans exécuter JavaScript. Les crawlers IA qui ne rendent pas le JavaScript peuvent le lire directement dans le HTML brut.
Quelles propriétés JSON-LD comptent le plus pour la visibilité IA ?
Quatre. Le type Article ou BlogPosting avec headline, description et mainEntityOfPage signale qu'il s'agit d'un article de fond. dateModified sert de signal de fraîcheur direct et doit être supérieur ou égal à datePublished. author avec sameAs renvoie vers un profil vérifiable de l'auteur. Enfin, @graph relie plusieurs entités (article, auteur, organisation) en un graphe cohérent.
Pourquoi la propriété sameAs de l'auteur est-elle importante ?
Parce qu'elle rend l'auteur vérifiable. La propriété sameAs pointe vers un profil public — LinkedIn, page institutionnelle — et matérialise techniquement les signaux E-E-A-T dans les données structurées. Un auteur anonyme ou non vérifiable accumule à l'inverse un déficit de crédibilité auprès du modèle.
Combien de critères LightSpot consacre-t-il aux données structurées ?
Cinq critères, de G13 à G17 : le schéma Article de la page, l'auteur, la date de dernière modification, la FAQ balisée et le lien entre entités via @graph. Les quatre premiers sont notés en sévérité haute, le cinquième en sévérité basse. Ce poids s'explique par leur rôle : les données structurées constituent le canal de communication le plus direct entre le contenu d'une page et les modèles de langage.
Portrait de Nicolas Meridjen, Fondateur de LightSpot.ai — outil d'audit de visibilité IA (46 critères SEO + GEO)

Nicolas Meridjen

Fondateur de LightSpot.ai — outil d'audit de visibilité IA (46 critères SEO + GEO)

Je construis LightSpot.ai et j'analyse comment les moteurs de recherche IA (ChatGPT, Perplexity, Google AI Overviews) choisissent les sources qu'ils citent. J'écris sur le GEO et le SEO à partir de données d'audit réelles.

Sur le même thème