Bien comprendre le Knowledge Graph : le graphe d’entités qui a changé la recherche Google

Le Knowledge Graph est la pièce qui a changé Google d’un moteur de mots-clés en un moteur d’entités. Lancé le 16 mai 2012, il relie des objets du monde réel, personnes, lieux, marques, œuvres, par des relations identifiées, plutôt que de se limiter à indexer des chaînes de caractères. Avant cette date, une recherche sur un nom ambigu retournait une liste de pages sans distinction claire entre les réalités que ce nom pouvait désigner ; depuis, Google sait le plus souvent de quelle entité précise parle une requête. Cette page complète Les algorithmes Google liés au sens : du Knowledge Graph au Neural Matching, le socle du SEO sémantique.

Cette page détaille le principe du Knowledge Graph, la façon dont Google construit ce graphe de connaissances, et ce que cette logique d’entités change pour un contenu qui cherche à être compris, puis cité, par ce système plutôt que simplement exploré par un robot. Comprendre cette mécanique avant d’aborder les algorithmes de langage suivants, Hummingbird, RankBrain, BERT, aide à voir une progression cohérente : Google construit d’abord une base d’entités, puis apprend progressivement à comprendre le sens complet d’une phrase construite autour de ces entités.

Une entité, pas un mot : le principe du Knowledge Graph

Au moment de son lancement le 16 mai 2012, Google annonçait un graphe reliant déjà plus de 500 millions d’objets et 3,5 milliards de faits les concernant, construit en partie à partir de sources publiques comme Freebase, rachetée par Google en 2010, Wikipédia, ou des bases de données géographiques et factuelles. Ce graphe continue de s’enrichir depuis, à mesure que Google identifie de nouvelles entités et de nouvelles relations entre elles sur le web, sans jamais rester figé à sa version d’origine.

Désambiguïser une requête et afficher un panneau de connaissances

Le Knowledge Graph sert d’abord à désambiguïser une requête ambiguë. Une recherche sur un nom qui désigne à la fois un lieu touristique, un casino et un morceau de musique bénéficie de cette structure : Google propose alors plusieurs entités distinctes plutôt qu’une liste unique de pages qui mélangerait les 3 réalités sans distinction. L’internaute choisit ensuite, souvent sans même s’en rendre compte, l’entité qui correspond réellement à son intention.

Cette capacité s’appuie sur l’analyse du contexte de la requête et sur les relations déjà cartographiées dans le graphe : une requête associée à d’autres termes révèle quelle entité est la plus probable. Cette logique dépasse le seul affichage d’un panneau de connaissances sur le côté des résultats : elle nourrit aussi la compréhension globale d’une page entière, en aidant Google à reconnaître qu’un texte parle d’une marque précise plutôt que du mot générique qui la compose. Le panneau de connaissances reste le résultat le plus visible de ce travail pour l’internaute : une fiche qui résume les faits clés sur une entité reconnue, sans qu’un clic soit nécessaire pour les obtenir.

Cette fiche ne remplace jamais les résultats classiques, elle les complète en répondant directement à une partie de la question posée.

Nommer ses entités propres : ce que ça change pour un site et pour un cocon

Pour qu’un site profite de cette logique de reconnaissance, il doit nommer ses entités propres sans ambiguïté : une marque, des produits, des personnes citées en expertise, de façon identique d’une page à l’autre plutôt que sous des variantes différentes selon les pages. Des données structurées au format Schema.org, notamment les types Organization ou Person, aident directement Google à relier le contenu d’un site aux entités déjà présentes dans son graphe, ou à faire émerger une nouvelle entité. Pour un cocon sémantique, cette logique renforce un principe déjà présent dans les définitions clés du SEO sémantique : nommer clairement les entités pertinentes d’une thématique, plutôt que de s’en tenir à des mots-clés génériques, aide Google à relier l’ensemble des pages du cocon à un même sujet cohérent dans son graphe.

Un cocon qui traite une marque, ses produits et les personnes qui l’incarnent gagne à les nommer de façon identique sur chaque page, ce qui complète la cohérence sémantique plus large recherchée par le glissement sémantique entre les pages. Lancé en 2012, le Knowledge Graph précède de plusieurs années les algorithmes de compréhension du langage comme Hummingbird, RankBrain ou BERT : il pose la base d’entités sur laquelle ces algorithmes suivants s’appuient ensuite pour interpréter le sens d’une requête entière plutôt qu’un simple mot isolé.

Ce que le Knowledge Graph ne fait pas

Apparaître dans un panneau de connaissances ne dépend pas d’une astuce technique isolée : aucune balise unique ne force Google à créer une entité, ni à l’associer automatiquement à un site. Le graphe reste construit à partir d’un ensemble de signaux croisés, cohérence du nommage, sources tierces, structure du site, qu’aucun raccourci ne remplace entièrement. Un site qui attendrait un panneau de connaissances comme résultat immédiat d’une seule action isolée risque la déception : cette reconnaissance se construit progressivement, à mesure que la présence et la cohérence d’une marque se renforcent à la fois sur le site et ailleurs sur le web. La priorité reste la même que pour le reste du SEO sémantique : un contenu cohérent, qui nomme ses entités avec rigueur, plutôt qu’une action isolée pensée comme un raccourci.

Questions fréquentes

Testez vos connaissances

Stéphane Jambu LinkedIn ↗

Consultant e-commerce / visibilité / IA, fondateur de Hi-Commerce. Praticien du cocon sémantique depuis 2012, auteur de cette page dans le cadre du méta-cocon de référence Hi-Commerce sur le sujet.

Sources :

• Google, blog officiel, 16/05/2012 (annonce du Knowledge Graph, chiffres de lancement)
• Google Search Central — documentation officielle (données structurées et entités)
• Connaissances générales vérifiables : acquisition de Freebase par Google en 2010