Knowledge Graph : le moteur essentiel derrière l’IA de Google
Le Knowledge Graph de Google ne se contente plus d’enrichir les résultats de recherche. Il est devenu le pilier fondamental des systèmes d’intelligence artificielle tels que Gemini et AI Overviews. Il est donc crucial, pour les experts en SEO, de comprendre comment Google identifie, valide, classe et utilise les entités pour rester visible dans les SERPs du futur.
Pour approfondir ce sujet, nous avons consulté Olivier de Segonzac, qui a également mis en lumière les 400 événements surveillés par Google sur ses pages de résultats. Plongeons dans les détails d’un système aussi complexe que performant !
Points clés à retenir :
- Google enrichit ses IA avec des entités structurées et validées par au moins trois sources indépendantes.
- Le Knowledge Graph est mis à jour en continu, même pour les entités non encore validées.
- S’intégrer au KG permet d’être visible dans les résultats enrichis, les assistants et les modules IA.
- La visibilité à long terme passe par des mentions dans des sources fiables et une structuration des contenus autour des entités.
Un écosystème d’entités bien au-delà de Discover
Dans l’écosystème Google, chaque élément est une entité. Que ce soit une entreprise, une personne, un film, ou un simple ingrédient, tout ce qui peut être nommé et relié devient partie intégrante du Knowledge Graph. Loin de se limiter à Google Discover, le KG est au cœur de l’architecture IA de Google, alimentant les Knowledge Panels, les assistants vocaux, les extraits optimisés, et les nouvelles fonctionnalités basées sur Gemini 2.0.
Une extraction continue des données
Le pipeline d’extraction de Google est une œuvre d’ingénierie exceptionnelle. Il débute par des sources de haute topicalité telles que Wikipédia, des sites officiels, et des bases de données publiques. Ces sources sont complétées par des contenus à topicalité modérée (blogs, presse) pour identifier les entités « longue traîne ».
Des systèmes spécialisés d’extraction (SAFT, Tractzor, Chain Mining) analysent ces contenus pour identifier plusieurs entités simultanément. Une page listant « les 10 meilleurs restaurants parisiens » enrichit ainsi dix entités. L’information est notée en termes de fiabilité et de pertinence, notamment via des scores de «singleTopicness».
Résolution, annotation et désambiguïsation
Après identification, les entités sont annotées automatiquement via des systèmes tels que WebRef/QRef. Un système de reconnaissance d’entités nommées (REN) détermine les significations correctes des mots. Par exemple, « Apple » est lié à Apple Inc. grâce à l’analyse contextuelle. Les « Types de Valeurs Complexes » (CVT) permettent de créer des relations riches entre les entités.
Chaque entité est ensuite résolue à travers plusieurs identifiants : Freebase MID, Gaia ID, Oyster ID, etc. Ces identifiants sont consolidés en un cluster unifié pour assurer la cohérence du graphe.
Livegraph : validation par triangulation
La validation des faits repose sur une triangulation rigoureuse : un fait est intégré dans le KG uniquement s’il est confirmé par au moins trois sources distinctes. Ce processus est automatisé mais également soumis à une gouvernance humaine pour valider ou rejeter certaines données.
Les données faibles sont intégrées avec prudence : testées sans être des sources principales en cas de conflit, illustrant la rigueur de Google dans le choix des informations.
Entités non ancrées : Google comble les lacunes
Contrairement à des modèles statiques comme ChatGPT, Google gère également les entités « non ancrées ». Elles sont temporairement stockées et utilisées dans les réponses IA si elles sont pertinentes, permettant à Google de couvrir des événements récents ou des entités émergentes en quasi-temps réel.
Collections, catégories et hiérarchie des sources
Une entité est rarement isolée : elle appartient à des collections et des catégories fiables, organisées en namespaces selon leur origine :
- kc: → données issues de corpus validés
- ss: → extraits structurés issus du web
- hw: → données curées manuellement
Cette hiérarchie se reflète dans les résultats de recherche, notamment dans les Knowledge Panels.
Un avantage IA décisif
Avec l’essor de Gemini, Google utilise son Knowledge Graph comme base factuelle fiable. Les réponses générées par AI Mode s’appuient sur ces entités validées, offrant un avantage sur les LLMs classiques. Ainsi, là où ChatGPT doit récupérer des informations via RAG, Google les a déjà intégrées et structurées.
Ce niveau de sophistication redéfinit comment les données structurées influencent la visibilité. Pour les SEO, il faut désormais devenir une entité, être cité dans des sources fiables, et comprendre l’infrastructure des réponses IA pour apparaître dans les modules avancés.
À découvrir également : Guide SEO pour débutants 2024
Avez-vous vu cela : Qu’est-ce que le SEO ?
