Données structurées JSON-LD : l'arme secrète du GEO

Qu'est-ce que le JSON-LD et pourquoi il pèse pour le GEO

Le JSON-LD (JavaScript Object Notation for Linked Data) est un format de données structurées recommandé par Google et Schema.org. Il permet de décrire de manière non ambiguë des entités (entreprises, services, articles, personnes) dans un format que les machines, et les LLM, peuvent interpréter directement.

Pour le GEO (Generative Engine Optimization), les données structurées sont déterminantes : elles permettent aux systèmes de RAG (Retrieval-Augmented Generation) qui alimentent ChatGPT, Perplexity et Gemini de comprendre qui vous êtes, ce que vous faites et pourquoi vous faites autorité dans votre domaine.

Les schémas essentiels pour le GEO : exemples complets

Chaque schéma ci-dessous est un bloc JSON-LD prêt à l'emploi. Adaptez les valeurs à votre entreprise et intégrez-les dans la balise <head> de vos pages via une balise <script type="application/ld+json">.

Organization : identité de l'entreprise

Le schéma Organization est le socle de votre identité numérique. Il doit apparaître sur toutes les pages de votre site.

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "MCVA Consulting SA",
  "legalName": "MCVA Consulting SA",
  "description": "Cabinet suisse de conseil stratégique spécialisé en IA générative et GEO",
  "url": "https://mcva.ch",
  "logo": "https://mcva.ch/images/logo-mcva.png",
  "foundingDate": "2024",
  "founder": {
    "@type": "Person",
    "name": "Jérôme Deshaie"
  },
  "sameAs": [
    "https://www.linkedin.com/company/mcva-consulting",
    "https://twitter.com/mcva_consulting"
  ],
  "areaServed": ["CH", "FR", "EU"],
  "knowsAbout": ["GEO", "Generative Engine Optimization", "AI Strategy", "SEO", "Données structurées"]
}

Points clés :

knowsAbout indique vos domaines d'expertise. Les LLM s'en servent pour évaluer votre autorité.
areaServed précise votre zone géographique d'intervention.
sameAs relie votre entité à vos profils officiels sur d'autres plateformes, ce qui renforce la désambiguïsation.

LocalBusiness : présence locale

Si votre entreprise dispose d'une adresse physique et sert une clientèle locale ou régionale, le schéma LocalBusiness complète Organization avec des informations géolocalisées.

{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "MCVA Consulting SA",
  "image": "https://mcva.ch/images/bureau-mcva.jpg",
  "telephone": "+41 79 612 38 79",
  "email": "contact@mcva.ch",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Chemin des Crêtes, 7",
    "addressLocality": "Haute-Nendaz",
    "addressRegion": "Valais",
    "postalCode": "1997",
    "addressCountry": "CH"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 46.1884,
    "longitude": 7.3066
  },
  "openingHoursSpecification": {
    "@type": "OpeningHoursSpecification",
    "dayOfWeek": ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"],
    "opens": "08:00",
    "closes": "18:00"
  },
  "priceRange": "$$"
}

Point clé : les coordonnées geo et l'adresse structurée permettent aux LLM de recommander votre entreprise en réponse à des requêtes locales comme « consultant GEO en Suisse romande ».

Service : vos offres

Chaque offre doit avoir son propre schéma Service. C'est ce qui permet à l'IA de vous recommander quand un utilisateur cherche un service spécifique.

{
  "@context": "https://schema.org",
  "@type": "Service",
  "name": "Audit de Visibilité IA",
  "provider": {
    "@type": "Organization",
    "name": "MCVA Consulting SA"
  },
  "serviceType": "Generative Engine Optimization Audit",
  "areaServed": "Europe",
  "description": "Analyse complète de la visibilité d'une entreprise sur 5 LLM majeurs avec benchmark concurrentiel et plan d'action priorisé.",
  "offers": {
    "@type": "Offer",
    "priceCurrency": "CHF",
    "availability": "https://schema.org/InStock"
  }
}

Point clé : soyez aussi précis que possible dans serviceType. « Consulting » est trop vague. « Generative Engine Optimization Audit » permet à l'IA de vous associer à des requêtes ciblées.

FAQPage : questions fréquentes

Le schéma FAQPage est doublement utile : il génère des résultats enrichis (rich results) dans Google et fournit des paires question/réponse directement exploitables par les LLM.

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Qu'est-ce que le GEO ?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Le GEO (Generative Engine Optimization) est l'ensemble des pratiques visant à optimiser la visibilité d'une marque dans les réponses générées par les LLM comme ChatGPT, Perplexity et Gemini."
      }
    },
    {
      "@type": "Question",
      "name": "Pourquoi les données structurées sont-elles importantes pour le GEO ?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Les données structurées JSON-LD permettent aux LLM de comprendre sans ambiguïté l'identité, les services et l'expertise d'une entreprise, augmentant ainsi la probabilité d'être cité dans les réponses IA."
      }
    }
  ]
}

Point clé : chaque paire question/réponse doit être autonome et factuelle. Les LLM extraient ces réponses telles quelles pour alimenter leurs synthèses. C'est l'un des leviers les plus efficaces pour être cité par ChatGPT.

Article : vos contenus

Le schéma Article renforce l'autorité de vos publications et permet aux LLM de les dater et de les attribuer correctement.

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Données Structurées JSON-LD : L'Arme Secrète du GEO",
  "author": {
    "@type": "Person",
    "name": "Jérôme Deshaie",
    "url": "https://mcva.ch/about",
    "jobTitle": "CEO & Fondateur"
  },
  "publisher": {
    "@type": "Organization",
    "name": "MCVA Consulting SA",
    "logo": {
      "@type": "ImageObject",
      "url": "https://mcva.ch/images/logo-mcva.png"
    }
  },
  "datePublished": "2026-03-12",
  "dateModified": "2026-03-12",
  "image": "https://mcva.ch/images/donnees-structurees-hero.jpg",
  "keywords": ["JSON-LD", "données structurées", "GEO", "Schema.org"],
  "inLanguage": "fr"
}

Point clé : maintenez dateModified à jour lors de chaque révision. Les LLM avec accès web privilégient les contenus récents. Le champ inLanguage aide les systèmes multilingues à contextualiser votre contenu.

Person : expertise individuelle

Le schéma Person sert à établir l'autorité de l'auteur. Dans un contexte E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness), il permet aux moteurs et aux LLM d'associer un contenu à une personne qualifiée.

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Jérôme Deshaie",
  "jobTitle": "CEO & Fondateur",
  "worksFor": {
    "@type": "Organization",
    "name": "MCVA Consulting SA"
  },
  "url": "https://mcva.ch/about",
  "sameAs": [
    "https://www.linkedin.com/in/jeromedeshaie"
  ],
  "knowsAbout": ["GEO", "SEO", "IA générative", "stratégie digitale", "données structurées"],
  "alumniOf": {
    "@type": "EducationalOrganization",
    "name": "Université de référence"
  }
}

Point clé : knowsAbout sur un schéma Person renforce le signal d'expertise individuelle. Quand un LLM cherche un expert sur un sujet, ce champ est déterminant.

BreadcrumbList : hiérarchie du site

Les breadcrumbs aident les LLM à comprendre la structure de votre site et la relation entre vos pages.

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    { "@type": "ListItem", "position": 1, "name": "Accueil", "item": "https://mcva.ch" },
    { "@type": "ListItem", "position": 2, "name": "Insights", "item": "https://mcva.ch/insights" },
    { "@type": "ListItem", "position": 3, "name": "Données Structurées JSON-LD" }
  ]
}

Impact des données structurées sur la citabilité LLM

Les données structurées ne servent pas uniquement le SEO classique. Leur impact sur la citabilité par les LLM est un levier stratégique encore sous-exploité.

Les systèmes de RAG (Retrieval-Augmented Generation) qui alimentent ChatGPT, Perplexity ou Gemini procèdent en deux étapes : d'abord ils récupèrent des documents pertinents, puis ils génèrent une réponse synthétique. Lors de la phase de récupération, les données structurées fournissent un contexte directement exploitable :

Désambiguïsation d'entité : le JSON-LD indique sans ambiguïté que « MCVA Consulting SA » est une entreprise suisse spécialisée en GEO, pas un acronyme générique. Sans cette précision, le LLM peut confondre votre marque avec une autre entité.
Attribution fiable : quand un LLM cite votre contenu, les schémas Article et Person lui permettent d'attribuer correctement la source, l'auteur et la date. Cela augmente la confiance du LLM dans votre contenu.
Réponse aux requêtes de service : un utilisateur qui demande à un LLM « quel cabinet peut auditer ma visibilité IA en Suisse ? » recevra une réponse citant votre entreprise si vos schémas Service et LocalBusiness sont correctement renseignés.
Fraîcheur du contenu : dateModified signale aux LLM que votre contenu est maintenu à jour, un critère de confiance majeur dans un domaine qui évolue rapidement.

Les données structurées transforment votre site en une base de connaissances exploitable par les LLM, bien au-delà du simple affichage de rich snippets dans Google. Elles constituent un pilier de votre visibilité IA.

Erreurs fréquentes en données structurées

Erreur 1 : données incohérentes entre les pages

Si votre schéma Organization indique « MCVA Consulting SA » sur une page et « MCVA Consulting » sur une autre, les LLM peuvent traiter cela comme deux entités distinctes. Utilisez exactement le même nom partout.

Erreur 2 : informations obsolètes

Des données structurées avec une ancienne adresse ou un ancien numéro de téléphone sont pires que pas de données du tout. Les LLM reproduiront ces informations erronées dans leurs réponses.

Erreur 3 : schémas trop minimalistes

Un schéma Organization qui ne contient que le nom et l'URL n'apporte quasiment aucune valeur GEO. Plus vos schémas sont riches et précis, plus les LLM disposent d'informations pour vous citer correctement.

Erreur 4 : oublier le lien entre les schémas

Vos schémas Service doivent référencer votre schéma Organization via provider. Vos schémas Article doivent référencer l'auteur et le publisher. Ce maillage sémantique renforce la cohérence de votre identité numérique.

Erreur 5 : utiliser le mauvais @type

Confondre Organization et Corporation, ou utiliser WebPage au lieu de Article, envoie un signal erroné aux moteurs de recherche et aux LLM. Vérifiez toujours la documentation Schema.org pour choisir le type le plus spécifique applicable à votre cas.

Erreur 6 : propriétés obligatoires manquantes

Google exige certaines propriétés pour activer les résultats enrichis. Par exemple, un schéma Article sans headline, image ou datePublished ne générera aucun rich result. Consultez la documentation Google Search Central pour connaître les propriétés requises par type de schéma.

Erreur 7 : données structurées non testées

Publier des données structurées sans les valider est un risque. Une erreur de syntaxe JSON, une URL mal formée ou un champ manquant peut rendre l'ensemble du bloc invisible pour Google et les LLM. Testez systématiquement avant de publier.

Comment vérifier vos données structurées

Quatre outils essentiels :

Google Rich Results Test : l'outil officiel de Google pour vérifier si vos données structurées sont éligibles aux résultats enrichis. Il détecte les erreurs de syntaxe, les propriétés manquantes et les problèmes de conformité. Testez chaque page individuellement.
Schema.org Validator : valide la conformité au standard Schema.org, indépendamment des exigences spécifiques de Google.
Google Search Console : la section « Améliorations » affiche les erreurs de données structurées détectées lors du crawl de votre site. C'est le meilleur outil de suivi sur la durée.
Test manuel sur les LLM : posez des questions à ChatGPT et Perplexity pour vérifier que vos données sont bien prises en compte. Demandez par exemple « Qui est MCVA Consulting ? » ou « Quel cabinet propose un audit de visibilité IA en Suisse ? ».

Données structurées et GEO : la synergie

Les LLM ne « voient » pas votre site comme un humain : ils ne parcourent pas vos pages visuellement. Ils lisent le code source, et le JSON-LD est la partie la plus lisible et la plus structurée de ce code.

Concrètement, voici pourquoi les données structurées sont un multiplicateur de performance GEO :

Les LLM lisent nativement le JSON-LD. Lorsqu'un système de RAG indexe votre page, il extrait le texte visible mais aussi les blocs <script type="application/ld+json">. Ces blocs fournissent des métadonnées structurées que le LLM peut exploiter directement, sans devoir les inférer du texte libre.

Le Knowledge Graph s'alimente de Schema.org. Google Knowledge Graph, qui influence les AI Overviews, s'appuie massivement sur les données structurées pour construire son graphe de connaissances. Une entité bien décrite en JSON-LD a plus de chances d'intégrer ce graphe, et donc d'être citée par Gemini et Google AI Overviews.

La synergie contenu + structure. Un article de fond sans données structurées est un bon contenu. Un article de fond avec des schémas Article, Person, Organization et FAQPage est un contenu citable et attribuable. Cette approche s'applique aussi aux projets IA plus larges, comme le montre notre guide sur l'architecture d'un projet IA performant. Les LLM privilégient les sources qu'ils peuvent identifier et attribuer avec confiance.

Le signal de confiance suisse. Pour les entreprises basées en Suisse, le schéma LocalBusiness avec addressCountry: "CH" et une adresse complète renforce un signal de confiance spécifique. Les LLM, en réponse à des requêtes géolocalisées, favorisent les entités dont la localisation est clairement établie.

JSON-LD et GEO : l'impact mesurable

Chez MCVA Consulting, nous avons observé que l'ajout de données structurées complètes (Organization + Service + Article + BreadcrumbList) améliore le Score GEO moyen de 15 à 25 points en 3 mois.

Les données structurées ne sont pas une option pour le GEO. Elles sont le fondement technique sur lequel repose toute stratégie de visibilité IA.

Synthèse

Les données structurées JSON-LD permettent aux LLM de comprendre votre entreprise sans ambiguïté.
Les schémas essentiels : Organization, LocalBusiness, Service, FAQPage, Article, Person et BreadcrumbList.
knowsAbout et serviceType sont les champs les plus structurants pour le GEO.
L'ajout de données structurées complètes améliore le Score GEO de 15 à 25 points en moyenne.
Maintenez une cohérence parfaite entre tous vos schémas (nom, adresse, description).
Testez systématiquement avec le Google Rich Results Test avant de publier.

FAQ

Les données structurées suffisent-elles pour le GEO ?

Non. Les données structurées sont un pilier technique nécessaire, mais elles ne suffisent pas à elles seules. Une stratégie GEO complète combine données structurées, contenu de qualité optimisé pour la citabilité, autorité de domaine, présence sur des sources tierces fiables et maillage sémantique. Les données structurées fournissent le cadre ; le contenu fournit la substance. Sans contenu expert et à jour, même les meilleurs schémas JSON-LD ne génèreront pas de citations par les LLM.

Quel impact sur le ranking Google ?

Les données structurées ne sont pas un facteur de ranking direct dans l'algorithme de Google. En revanche, elles permettent d'obtenir des résultats enrichis (rich results) : FAQ, avis, breadcrumbs, qui augmentent significativement le taux de clic (CTR). Un meilleur CTR envoie un signal d'engagement positif à Google. Par ailleurs, dans le contexte des AI Overviews, les données structurées aident Google à comprendre et citer votre contenu plus précisément. L'impact est donc indirect mais mesurable.

Faut-il un développeur pour implémenter les données structurées ?

Pas nécessairement. Pour un site WordPress, des extensions comme Yoast SEO ou Rank Math génèrent automatiquement les schémas de base. Pour un site sur Next.js ou un framework JavaScript, l'intégration JSON-LD se fait directement dans le code des composants. Si vous avez besoin de schémas avancés et personnalisés (ce qui est recommandé pour une stratégie GEO), un accompagnement technique est préférable pour garantir la cohérence et la complétude des données. En Suisse, la plupart des agences web peuvent intégrer le JSON-LD en quelques heures de développement.

Vous souhaitez savoir si vos données structurées sont correctement configurées pour le GEO ? MCVA Consulting peut auditer vos schémas JSON-LD et optimiser votre visibilité dans les réponses IA. Découvrez notre audit GEO pour un diagnostic complet.