Un knowledge graph (ou graphe de connaissances) est une représentation structurée de données sous forme de nœuds (entités) et d’arêtes (relations), conçue pour modéliser des connaissances de manière compréhensible à la fois par les humains et les machines.
Il associe des informations à des objets, comme des personnes, des lieux, des produits ou des concepts, et établit entre eux des liens sémantiques explicites. L’unité de base est le triplet, formé d’un sujet, d’un prédicat et d’un objet : « Nantes », « est située en », « Loire-Atlantique ». Le modèle RDF du W3C formalise cette logique et définit un graphe RDF comme un ensemble de triplets (RDF 1.1 Concepts, recommandation de 2014). D’autres modèles de graphes existent, mais tous relient des entités par des relations nommées.
Un graphe de connaissances comprend en général des entités dotées d’un identifiant unique, qui évite de confondre deux homonymes, et des relations typées. Il s’appuie sur une ontologie ou un schéma, qui fixe les catégories d’entités et les relations admises, ainsi que sur des sources et des règles de mise à jour. Une machine peut parcourir ces liens pour répondre à une question ou déduire un fait qui n’est écrit nulle part.
Il se distingue d’une base de données relationnelle, qui range l’information dans des tables au schéma fixe et reconstitue les liens par des jointures. Il se distingue aussi des données structurées publiées sur une page web : ce balisage décrit des entités et peut alimenter un graphe, sans en constituer un à lui seul. Les graphes de connaissances servent aux moteurs de recherche, aux systèmes de recommandation, aux référentiels de produits et aux assistants conversationnels, par exemple pour fournir des faits structurés à une architecture RAG.
Une partie des moteurs de recherche organise ses connaissances autour d’entités plutôt que de mots-clés. Google l’a annoncé en mai 2012 dans un billet intitulé « Introducing the Knowledge Graph: things, not strings ». L’entreprise y revendiquait plus de 500 millions d’objets et plus de 3,5 milliards de faits et de relations. Pour une marque, l’enjeu est concret : être décrite de façon exacte et cohérente partout où ces systèmes puisent leurs faits. Une adresse divergente, un nom d’offre abandonné ou une fiche d’annuaire oubliée suffisent à brouiller l’entité.
Avec le web agentique, des agents logiciels consultent ces faits pour agir au nom d’un utilisateur. À notre avis, l’exigence d’exactitude ne peut que se renforcer.
Deux situations n’ont rien en commun. Le graphe interne, construit sur ses produits, ses contenus ou ses clients, est un projet de données que l’entreprise maîtrise de bout en bout. Les graphes des moteurs, eux, ne se pilotent pas : on les influence seulement par la qualité et la cohérence des informations publiées.
Le balisage de données structurées y contribue. La documentation de Google pour les développeurs indique que le moteur s’en sert pour comprendre le contenu d’une page et recueillir des informations sur le Web et le monde en général. Elle précise aussi que Google ne garantit pas leur apparition dans les résultats. Le balisage ouvre l’éligibilité aux extraits enrichis, sans rien promettre. Nous recommandons de traiter la cohérence de l’entité comme un chantier éditorial continu, pas comme une optimisation technique ponctuelle. Ce travail concerne aussi le GEO, qui vise la citation par les moteurs génératifs.
Nous recommandons de suivre la complétude des attributs clés, le taux de doublons et la fraîcheur des informations. S’y ajoute l’indicateur propre à l’usage servi : taux de réponses exactes d’un assistant, clics sur les recommandations ou taux de recherches internes sans résultat.
Advalians mesure votre visibilité dans les assistants IA et la rentabilité de chaque canal, sur des données vérifiées, puis vous indique où déplacer votre budget.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La base relationnelle range les données dans des tables au schéma fixe et reconstitue les liens par des jointures. Le graphe de connaissances stocke directement les relations entre entités et leur donne un sens explicite. Il facilite ainsi les requêtes qui traversent plusieurs niveaux de liens.
Critère de choix : si vos questions portent sur des transactions ou des agrégats chiffrés, restez sur une base de données relationnelle. Si elles portent sur des liens, par exemple quels produits partagent un composant ou quelles offres répondent à un même besoin, le graphe devient pertinent.
Commencez par un seul usage mesurable, comme la recherche dans le catalogue ou la recommandation de contenus. Listez ensuite les types d’entités et de relations nécessaires à cet usage, et seulement à lui. Pour chaque attribut, désignez la source qui fait foi et la personne qui la tient à jour.
Construisez un pilote sur un périmètre restreint, par exemple une gamme de produits. Mesurez l’effet sur l’usage visé avant d’étendre le modèle. L’extension se fait type d’entité par type d’entité, jamais d’un bloc.
Suivez trois mesures : la complétude des attributs indispensables, le taux de doublons et la date de dernière mise à jour de chaque entité. Fixez pour chacune un seuil d’alerte adapté à votre usage.
Ajoutez un contrôle humain régulier. Chaque mois, tirez au hasard un échantillon d’entités et comparez-les à la source qui fait foi. Le taux d’écart obtenu est votre meilleur indicateur de qualité. Enfin, mesurez l’usage servi : un assistant qui donne des réponses fausses signale souvent un graphe incomplet ou périmé.
Non. La documentation officielle d’un moteur de recherche majeur précise qu’il ne garantit pas l’apparition des données structurées dans les résultats. Le balisage aide le moteur à comprendre la page et la rend éligible à certains affichages, sans plus.
Le risque est d’investir dans le balisage en négligeant la cohérence des informations. Vérifiez que le balisage décrit fidèlement le contenu visible de la page. Alignez ensuite le nom, l’adresse et les offres de votre marque sur toutes les sources publiques qui la décrivent.
Oui, lorsque vous gérez de nombreuses entités liées entre elles et que plusieurs usages en dépendent : catalogue, contenus, assistant conversationnel, recommandation. Le graphe évite alors de maintenir les mêmes relations dans plusieurs outils.
Renoncez-y si une base de produits bien tenue et un balisage correct de vos pages suffisent à vos besoins. Un critère simple : comptez les questions métier qui exigent de croiser plusieurs relations. S’il y en a peu, le coût de modélisation et de maintenance dépassera le bénéfice.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
Un séisme digital annoncé Depuis plus de vingt ans, le web repose sur..
À l’aube de 2026, le paysage du marketing digital ne se contente plus..
