Données structurées : le langage que les IA lisent pour vous citer

Vous pouvez écrire la plus belle page « À propos » du monde : si les informations essentielles de votre commerce ne sont pas dans un format que les machines comprennent sans effort, une IA hésitera à s'appuyer dessus. Les données structurées sont ce format. Ce sont elles qui transforment un joli paragraphe en une information exploitable — celle que ChatGPT, Perplexity ou Google reprennent pour vous citer.

1Pourquoi les IA préfèrent une donnée structurée à un paragraphe

Une machine ne lit pas comme nous. Devant la phrase « on vous accueille tous les jours sauf le lundi, en continu à partir de midi », un humain comprend instantanément. Une IA, elle, doit interpréter : quel jour exactement, quelle heure d'ouverture, quelle heure de fermeture ? L'interprétation est une source d'erreurs — et une IA prudente préfère souvent citer un concurrent dont l'information est certaine.

La donnée structurée supprime cette incertitude. Au lieu de laisser la machine deviner, on lui livre la valeur exacte dans un format qu'elle connaît : le standard Schema.org, le plus souvent écrit en JSON-LD dans le code de la page. « Ouvert du mardi au samedi de 12h à 22h » devient une propriété OpeningHoursSpecification avec le jour, l'ouverture et la fermeture, chacun dans son champ.

Google le recommande officiellement pour ses résultats enrichis, et les assistants génératifs exploitent la même logique : plus vos informations sont explicites et normalisées, moins l'IA a de raisons de se tromper ou de vous écarter. C'est le cœur du GEO : être compréhensible par une machine avant d'espérer être choisi par elle.

2Le socle : LocalBusiness et ses propriétés

Pour un commerce, le type de départ est LocalBusiness. Mais la vraie force vient du type le plus précis possible : Restaurant, HairSalon, Physician, Hotel, LegalService, Store… Un type générique comme Organization prive l'IA d'une partie du sens : elle sait que vous êtes une entreprise, pas que vous êtes un restaurant japonais avec terrasse.

Autour de ce type, quelques propriétés font l'essentiel du travail :

• L'adresse (PostalAddress) et le téléphone, écrits une bonne fois de manière normalisée.
• Les horaires (OpeningHoursSpecification), jour par jour, ouverture et fermeture séparées.
• La note (AggregateRating) — uniquement si elle est réelle et sourcée, jamais inventée.
• Les identifiants officiels : le SIRET en identifier, qui ancre votre identité et vous distingue d'un homonyme.
• Les liens vérifiés (sameAs) vers votre site, votre fiche Google, vos réseaux et vos plateformes métier : ils disent à l'IA « ces profils, c'est bien moi ».
• Les caractéristiques (amenityFeature, paymentAccepted…) : terrasse, livraison, accès PMR, paiement par carte. C'est ce qui permet de répondre à une question précise comme « un restaurant avec terrasse et options végétariennes ».

Ce n'est pas une question de longueur, mais de précision. Une fiche courte et exacte bat une belle page vague.

3Au-delà du site : la cohérence entre toutes vos sources

Le balisage de votre site est important, mais il ne vit pas seul. Une IA recoupe plusieurs sources : votre site, votre fiche Google Business, vos plateformes métier, les registres officiels. Chacune porte, à sa manière, des données structurées. Et ce que l'IA cherche avant tout, c'est de la concordance.

Si votre adresse est écrite « 83 rue Félix Faure » ici et « 83 Cours Félix Faure » là, si votre téléphone change de format d'un profil à l'autre, si un ancien nom d'enseigne survit sur un annuaire, la machine doute — et le doute vous coûte la citation. C'est le fameux NAP cohérent : le même nom, la même adresse et le même téléphone, partout, au caractère près. Sur les audits que nous menons, on relève en moyenne 3 à 7 divergences par commerce.

Bonne nouvelle : un commerce sans site n'est pas condamné. Sa fiche Google, ses plateformes et les registres portent déjà des données structurées exploitables. L'enjeu se déplace alors entièrement sur la cohérence de ces sources entre elles.

4Les erreurs qui rendent vos données illisibles

Un type générique. Se déclarer Organization ou LocalBusiness quand un type précis existe : l'IA perd le sens de votre métier.

Un contenu affiché uniquement en JavaScript. Certains sites n'affichent horaires, menu ou module de réservation qu'après exécution du JavaScript. Beaucoup de robots lisent surtout le HTML de départ : l'information existe pour l'œil humain, pas pour la machine.

Des robots d'IA bloqués par erreur. Un robots.txt mal réglé peut interdire GPTBot, PerplexityBot, ClaudeBot ou Google-Extended. Vos données sont parfaites, mais personne ne vient les lire. Vérifiez que ces robots sont autorisés.

Une note ou des informations inventées. Baliser une note que vous n'avez pas, ou des horaires « au cas où », se retourne contre vous : l'incohérence avec les autres sources détruit la confiance. La règle est simple — mesuré ou inconnu, jamais inventé.

Un balisage jamais mis à jour. Des horaires structurés datant d'il y a deux ans valent à peine mieux que pas d'horaires. La fraîcheur fait partie du signal.

5Déclaré, vérifié, daté : l'approche Happia

Happia part de ce constat pour bâtir un référentiel d'entreprises vérifié, conçu pour être lu par les IA. Chaque commerce y dispose d'une fiche publique où les informations sont structurées (JSON-LD LocalBusiness, horaires, attributs, sameAs, SIRET) — et surtout sourcées et datées.

Concrètement, chaque information porte sa provenance : déclarée par l'entreprise, vérifiée sur le site officiel, ou issue d'un registre. Et la fiche affiche sa date de dernière confirmation. Une IA peut ainsi savoir non seulement ce que vous proposez, mais d'où vient l'information et si elle est récente. C'est la différence entre un annuaire de plus et une base de connaissances fiable.

En amont, l'audit Happia interroge ChatGPT, Gemini, Perplexity et Claude sur vos vraies requêtes cibles pour mesurer si vous êtes cité, puis analyse une dizaine de sources et signale ce qui n'est pas lisible plutôt que de le supposer. La même règle nous tient partout : mesurer, jamais supposer — et aucune garantie de place dans une réponse d'IA, parce que nous ne pourrions pas la tenir honnêtement.