« Pour l’IA, commencez par mettre des données structurées »
La phrase arrive en première ligne des recommandations, juste après la page de garde.
Elle a l’air raisonnable, et c’est bien ça l’ennui : on ne sait pas quoi lui opposer sur le moment.
Hex-ko est repartie de la réunion sans avoir obtenu le moindre ordre de grandeur. Le seul chiffre posé sur la table était celui-ci : les pages citées par les IA ont trois fois plus souvent des données structurées que les autres.
Trois fois. Face à ça, on hoche la tête.
Sauf que lire ce rapport comme un effet à additionner, c’est un pari — et quelqu’un a fini par le vérifier avec un groupe témoin.
Ajouter des balises, ça fait monter les citations ?
Non. Sur les 1 885 pages qui en ont reçu de nouvelles, le mouvement est de +2,4 % dans le « mode IA » de Google et de +2,2 % sur ChatGPT : dans les deux cas, indistinguable de zéro (Ahrefs, 11 mai 2026, R).
Du côté des « aperçus IA » de Google, c’est −4,6 %, et cette baisse-là, elle, est statistiquement significative.
Un mot sur l’objet en question. Le , ce sont des étiquettes ajoutées dans le code de la page pour dire à une machine « ceci est un produit, ceci est l’auteur, ceci est le prix ».
On les écrit avec le vocabulaire commun de schema.org, et l’argument de vente est resté le même depuis dix ans : le moteur, ou l’IA, se trompe moins sur ce que contient la page.
La mesure vient d’Ahrefs, signée Louise Linehan.
Autant le dire tout de suite : cette entreprise vend des outils de mesure de visibilité IA. Le résultat va donc dans le sens qui l’arrange le moins.
D’où sort ce « trois fois » ?
D’une observation sur 6 millions d’URL, et le comptage est juste : 53 % des pages citées portent des données structurées, soit environ le triple des pages non citées.
Le chiffre n’est pas contesté. Ce qu’il ne dit pas, c’est ce qui se passe quand on ajoute les balises, parce qu’il compare deux populations au même instant.
Une équipe qui prend le temps de baliser proprement prend en général le temps du reste : elle a des gens pour publier, un rythme de mise à jour, des occasions d’être citée ailleurs. Les balises voyagent avec tout ça.
C’est le paquet entier qui creuse l’écart de 53 %, pas l’étiquette prise à part.
On connaît la version médicale de la blague : les gens qui prennent un petit-déjeuner réussissent mieux à l’école, et distribuer des croissants dans la cour n’y change rien.
Dans une note interne, il ne reste que le « trois fois ». Le glissement se fait tout seul, en une diapositive.
Ce qu’un groupe témoin permet de voir
Le montage d’Ahrefs compare l’avant et l’après du balisage à des pages qui, elles, n’ont rien reçu.
- traitées : 1 885 pages ayant reçu du JSON-LD entre août 2025 et mars 2026
- témoins : pour chacune, 3 pages d’autres domaines au niveau de citation comparable avant l’opération, soit environ 4 000 pages
- mesure : le nombre de citations dans les 30 jours avant et les 30 jours après la pose des balises
Quatre méthodes statistiques différentes ont été appliquées, et elles tombent toutes du même côté.
Le témoin est ce qui sauve la mesure. Si les citations IA avaient globalement grimpé pendant ces mois-là, une simple comparaison avant/après aurait affiché une hausse et on aurait remercié les balises.
C’est en soustrayant le mouvement des pages voisines qu’on isole la part qui revient réellement à l’opération. Reste à savoir jusqu’où ce résultat se transporte.
Jusqu’où peut-on transporter ce résultat ?
Le périmètre est étroit, et il faut le dire avant de le citer en réunion.
Les pages étudiées étaient déjà très citées : le point de départ, ce sont les pages qui recevaient plus de 100 citations depuis les aperçus IA de Google en février 2025. Sur une page qui n’a jamais été citée une seule fois, la mesure ne dit rien du tout.
Il y a aussi de la confusion de facteurs — c’est-à-dire que le geste qu’on veut observer s’accompagne d’autres changements, et qu’on ne sait plus lequel a agi.
Une page qu’on rebalise, en pratique, c’est une page qu’on retouche aussi côté liens, côté texte et côté technique, dans le même trimestre.
Les autres réserves comptent au moment d’appliquer tout ça chez soi :
- les types de balisage (Article, FAQ, Product, HowTo, Organization…) ont été traités ensemble ; aucun n’a été testé séparément
- la fenêtre d’observation s’arrête à 30 jours après ; ni 60 ni 90 jours n’ont été regardés
- seul le JSON-LD écrit directement dans le HTML entre dans le périmètre : ni Microdata, ni RDFa, ni les balises injectées ensuite en JavaScript
- la baisse de 4,6 % sur les aperçus IA existe bel et bien, mais l’éditeur écrit lui-même qu’il n’en explique pas la cause
Ce dernier point, on le prend tel quel. Tant que la raison de la baisse reste inconnue, rien ne permet non plus de dire qu’en retirant les balises on remonterait.
Alors on met le budget où, pour se faire citer ?
Sur deux choses : les chiffres et les sources dans le texte, et les avis de tiers à l’extérieur. Ce sont les deux leviers pour lesquels on dispose d’un ordre de grandeur, sur ce même sujet des citations.
Un levier inefficace identifié, c’est autant d’heures qui repartent vers cette colonne-là.
Côté texte, adosser chaque affirmation à un chiffre et à une source fait monter la probabilité d’être repris (la recette tient en trois mots, « chiffres et sources »).
Côté extérieur, on a vu le taux de citation d’un produit passer de 1 % à 75 % à mesure que les avis de tiers s’accumulaient (collecter des avis fait passer la citation IA de 1 % à 75 %).
Deux chantiers qui touchent au contenu lu et à ce qu’on dit de vous ailleurs.
Faut-il pour autant arrêter de baliser ? Non.
Les résultats enrichis dans la recherche classique — les étoiles, les prix affichés sous le lien — sont hors du périmètre mesuré ici, et là-dessus les balises gardent exactement la valeur qu’on leur connaissait. La question porte sur l’objectif auquel on rattache la ligne budgétaire.
deux comptes séparés, un pour le technique, un pour les citations
Ce qui se décide aujourd’hui tient en une ligne de comptabilité.
Les données structurées vont dans le compte « recherche », et on juge leur rendement avec les indicateurs de la recherche : résultats enrichis, apparitions, clics. On ne les accroche pas à l’objectif de citation par les IA.
Mélanger les deux, c’est se condamner à ne rien comprendre le mois où les citations ne bougent pas : impossible de savoir ce qu’il faut incriminer.
Le temps ainsi libéré part vers le contenu et vers les mentions extérieures — et là, on mesure les citations IA avant et après, chez soi, pour voir l’écart. Le « trois fois » d’une corrélation ne fixe pas l’ordre des priorités ; le delta que vous aurez mesuré, si.
Arrivé là, quand la première ligne du prochain plan d’action tombe, la question « et l’effet, il fait combien ? » vient toute seule.
Ce n’est pas la conclusion la plus spectaculaire de l’année. Les conclusions ternes ont surtout l’avantage de se reproduire.
Sources
- Louise Linehan (Ahrefs), “We Tracked 1,885 Pages Adding Schema. AI Citations Didn’t Follow”, Ahrefs Blog, 2026-05-11, https://ahrefs.com/blog/schema-ai-citations/
