WebRankInfo : la plus grande communauté francophone du référencement
Publié le
Olivier Duffez
Créateur de WebRankInfo,
consultant en référencement
C'est quoi les "données structurées" ? Quel rapport avec les entités et schema.org ? Format JSON-LD ou autres ? Réponses dans ce dossier complet.
Bienvenue dans ce dossier WebRankInfo consacré aux données structurées !
Si vous n'avez pas encore de stratégie pour les exploiter, vos techniques de référencement sont dépassées…
Lisez cette série d'articles (celui-ci n'est qu'une présentation générale) et vous pourrez faire progresser votre SEO. Si vous pensez avoir besoin d'un professionnel, contactez-moi.
Avant de parler des données structurées (Structured Data en anglais), je vous propose de découvrir la notion d'entité nommée et la problématique des données non structurées.
Dans la discipline dite Information Retrieval (IR, la base scientifique des algorithmes des moteurs de recherche), l'identification d'entités nommées est très ancienne. L'idée est d'essayer de repérer dans l'ensemble des textes de l'index toutes sortes d'entités reconnaissables par leur nom. Les 3 principales sont :
On pourrait ajouter plein d'autres types d'entités, par exemple une date, un nom de produit ou service, etc.
Repérer et comprendre sans erreur les entités n'est pas si facile que ça quand on les cherche dans des données non structurées, c'est-à-dire n'importe quel texte présent dans une page web. Il faut savoir éviter 3 pièges :
Comme les autres moteurs de recherche, Google tente de repérer les entités pour mieux comprendre les contenus et les indexer. Différentes techniques de text mining ont été utilisées : en 2012 par exemple, Amit Singhal expliquait comment Google utilisait les entités nommées.
Désormais ce sont des techniques à base d'intelligence artificielle (IA) qui fonctionnent le mieux. On parle de Traitement Automatique du Langage Naturel (Natural Language Processing, NLP). Parmi toutes les applications possibles de BERT figure la reconnaissance d'entités.
Grâce à ces nouvelles techniques, on peut identifier les entités présentes dans un texte de façon assez efficace. Mais il reste de nombreux pièges, et c'est là que les données structurées font toute la différence.
Définition :
Les données non structurées sont des données représentées ou stockées sans format prédéfini, destinées à des humains et non des machines. Cette absence de format entraîne des irrégularités et des ambiguïtés qui peuvent rendre difficile la compréhension des données.
Même si l'information peut être très détaillée, les données contenues sur Wikipédia sont non structurées. Dans le cadre du projet du web sémantique, l'organisation Wikimedia a mis en place Wikidata, un immense référentiel de données, une sorte de bibliothèque ouverte d'innombrables entités. Vous l'avez compris, Wikidata est constitué de données structurées.
Les données structurées sont des informations destinées aux machines (robots des moteurs de recherche) fournissant des détails sur les entités présentes dans un contenu (et leurs relations), présentes dans la page dans un format normalisé, basées sur un référentiel (schema.org par exemple).
On parle de données structurées car elles s'appuient sur un vocabulaire commun, une ontologie, gérée par schema.org pour ce qui concerne les données structurées exploitées par Google.
Avant de poursuivre mes explications, je tente une petite synthèse… Une page web optimisée pour le référencement contient :
Remarque : HTML5 en lui-même n'apporte que peu à la notion de web sémantique. Certes, on peut dire qu'un bloc correspond à un article et pas à quelque chose de neutre (div), mais ça ne va pas vraiment plus loin. Pour décrire vraiment ce qui est traité dans la page, il est nécessaire d'ajouter une couche de données structurées.
Schema.org est une activité communautaire collaborative dont la mission est de "créer, maintenir et promouvoir des schémas pour des données structurées sur Internet, sur des pages Web, dans des messages électroniques et au-delà".
Le projet schema.org a été lancé le 2 juin 2011 par Bing , Google et Yahoo!. Yandex les a rejoint en novembre 2011. Depuis 2015, c'est le W3C qui le gère (même si Google continue de jouer un rôle majeur).
Si besoin, lisez mon article sur la création de schema.org en 2011.
Pour que tout le monde se comprenne, il faut utiliser le même "référentiel". On parle aussi de "vocabulaire" (ou d'ontologie) mais je trouve que "référentiel" fait mieux comprendre la notion arborescente.
Par exemple, vous pouvez indiquer qu'une page traite d'une série TV. Vous allez pouvoir le faire précisément car parmi plusieurs centaines de types, schema.org a prévu ce type "série TV".
Et si vous souhaitez donner plus de détails, vous pouvez préciser qu'en fait votre page traite de la saison 2 de cette série. Car schema.org a prévu le type "saison" qui est un "enfant" du type "série TV".
Vous pouvez aussi indiquer que vous parlez d'une personne précise, en utilisant le type "Person". Et s'il s'avère que c'est la réalisatrice de la série, autant le mentionner… car schema.org l'a prévu !
Vous avez compris qu'il peut y avoir toute une arborescence de types de données, qui ont chacune des propriétés (par exemple le titre de la série TV ou le nom de famille de la réalisatrice).
Parmi les centaines de types prévus par schema.org (leur nombre augmente régulièrement), une partie seulement ont un impact direct sur l'affichage des résultats de recherche (SERP). Par exemple pour bénéficier d'un affichage dédié aux recettes de cuisine, il est nécessaire d'inclure les données structurées correspondantes.
Mais cela ne signifie pas que c'est la seule exploitation par Google des données structurées, bien au contraire ! Je pense qu'il faut plutôt voir ça comme la partie émergée de l'iceberg… et que vous pouvez faire bien mieux que de vous contenter des quelques données structurées utiles aux rich snippets.
Pour inclure des données structurées dans une page web, les 3 formats suivants sont les plus souvent utilisés. Ce sont en tout cas les seuls reconnus par Google, sachant que JSON-LD est celui qui est recommandé.
JSON-LD signifie JavaScript Object Notation for Linked Data. C'est une méthode permettant d'encoder des données structurées (Linked Data, autre nom du "web des données") en utilisant le format JSON (un format de données textuelles dérivé de Javascript).
JSON-LD sert à lier des propriétés d'objets (format JSON) vers des concepts dans une ontologie (par exemple schema.org).
Si ça vous semble compliqué, c'est juste à cause des termes. Car en gros, ça sert à décrire les entités présentes dans la page, au format JSON, en respectant un "vocabulaire" (par exemple schema.org). Ainsi, les machines qui savent lire du JSON peuvent décrypter les données, chaque champ étant décrit précisément selon le contexte.
Voici un exemple de script qui sert à décrire qu'une page est un article d'actualité avec un certain titre, une image associée, une date de publication et de modification :
JSON-LD dispose de plusieurs avantages sur les 2 autres formats :
RDFa est une extension du standard HTML5 qui gère les données structurées par le biais d'attributs supplémentaires ajoutés aux balises HTML existantes sur la page.
Microdata est une spécification HTML communautaire ouverte utilisée pour imbriquer des données structurées dans le contenu HTML. Comme RDFa, elle utilise également des attributs de balises HTML à cette fin.
Ceci n'est qu'une introduction sur les données structurées. Voici la suite :
D'ici peu, vous pourrez continuer avec les dossiers suivants :
Les données structurées sont des informations destinées aux machines (robots des moteurs de recherche) fournissant des détails sur les entités présentes dans un contenu (et leurs relations), présentes dans la page dans un format normalisé, basées sur un référentiel (schema.org par exemple).
Google supporte 3 formats : JSON-LD, RDFa et les microdonnées. Pour plusieurs raisons, le format JSON-LD est celui qui est recommandé (en savoir plus).
JSON-LD est un code de type Javascript qui décrit les entités contenues dans la page, avec leurs propriétés, selon un référentiel (ce dernier étant schema.org pour ce qui concerne le SEO).
Les données non structurées n'indiquent pas clairement aux machines à quoi elles correspondent, alors que les données structurées respectent un référentiel précis.
Posez vos autres questions en commentaires ou ici par email.
Crédit : certaines icônes de l'image de couverture proviennent de flaticon.
Cet article vous a-t-il plu ?
Remarques :
Si vous souhaitez poser une question ou détailler un problème technique, il ne faut pas utiliser le formulaire ci-dessous qui est réservé aux avis. Posez votre question directement dans le forum Gmail de WebRankInfo. L'inscription est gratuite et immédiate.
En postant un avis, vous acceptez les CGU du site WebRankInfo. Si votre avis ne respecte pas ces règles, il pourra être refusé. Si vous indiquez votre adresse email, vous serez informé dès que votre avis aura été validé (ou refusé…) ; votre adresse ne sera pas utilisée pour vous envoyer des mailings et ne sera pas revendue ou cédée à des tiers.
2 commentaires
Bonjour Olivier,
En tant qu'autodidacte, je me demandais s'il était possible d'avoir plusieurs @type dans les données structurées. Je m'occupe d'un moniteur d'escalade qui ne coche pas exactement la case du SportsActivityLocation ni de EntertainmentBusiness … Merci pour vos lumières
Oui c'est possible, mais je doute que ce soit très utile/efficace.
Inscription à la newsletter
Catégories
Consulting SEO
Envie d'améliorer votre référencement ?
Consultant SEO depuis 2003, j'ai une très grande expérience en audit et consulting. Que ce soit pour une demande ponctuelle, pour un audit ou du long terme, je peux vous aider.
WebRankInfo / Tous droits réservés 2022 – Mentions légales – Me contacter
L