Structured data pour les LLMs : ce qui marche réellement en 2026

Le JSON-LD ajouté sur une page ne garantit presque jamais qu’un LLM la cite. Le structured data pour les LLMs reste utile, mais pas pour la raison qu’on lit partout. Son rôle se joue à l’indexation. Résultat, des dizaines de sites ajoutent du schema sans voir le moindre effet sur leurs citations IA.

Ce que racontent la plupart des articles sur le sujet

Le même chiffre revient partout : +40% de visibilité, citations multipliées par deux ou trois, taux de citation qui grimpe de 30%. Aucune méthodologie derrière. Aucun échantillon vérifiable, aucun lien vers une étude, aucun nom d’auteur qui a réellement mesuré quoi que ce soit. Ces chiffres circulent d’article en article, recopiés sans jamais être questionnés.

Deux mesures indépendantes existent pourtant. Et elles disent l’inverse de ce discours marketing.

Ce qu’une vraie mesure montre : l’étude Ahrefs sur 1 885 pages

Entre août 2025 et mars 2026, Ahrefs a suivi 1 885 pages ayant ajouté du JSON-LD, comparées à 4 000 pages témoins n’ayant rien changé. Mesure sur 30 jours avant et après l’ajout du balisage, via l’historique de crawl de l’outil.

Le verdict est net : sur Google AI Overviews, léger recul (-4,6%), statistiquement réel mais marginal. Sur Google AI Mode et sur ChatGPT, une hausse de respectivement +2,4% et +2,2%, trop faible pour être fiable. Ajouter du schema n’a produit aucun gain significatif de citation, sur aucune des plateformes testées.

Ce résultat dérange ceux qui vendent le balisage structuré comme un levier magique. C’est pourtant la seule mesure à grande échelle et à méthodologie publique disponible aujourd’hui.

Pourquoi le JSON-LD est invisible au moment où ça compte

Cette absence de résultat a une explication technique. Un LLM ne lit pas une page une seule fois. Quatre moments distincts existent : 

• L’entraînement du modèle, 
• L’indexation par un crawler, 
• La recherche déclenchée par une requête. 
• Et la récupération en direct d’une page, pendant la conversation elle-même.

Ce que voient vraiment ChatGPT, Claude, Gemini et Perplexity 

Des tests menés en direct sur cinq systèmes IA en octobre 2025 apportent la réponse. Aucun des cinq n’a réussi à extraire une donnée présente uniquement en JSON-LD lors d’une récupération directe de page. Gemini a retrouvé l’information dans 4 cas sur 8, ChatGPT dans 3 sur 8, Claude dans aucun. Dans les trois cas, la donnée venait du texte visible ou du JavaScript exécuté, jamais du balisage seul.

Le schéma technique se répète : les crawlers d’indexation (Googlebot, le crawler de Perplexity, celui d’AI Mode) exécutent le JavaScript et parcourent le balisage en amont. Les assistants conversationnels qui vont chercher une page pendant que vous discutez avec eux ne font pas ce travail. Ils lisent ce qui s’affiche à l’écran.

La conséquence est simple à retenir : toute information encodée en JSON-LD doit aussi exister dans le texte visible de la page. Sinon, elle n’atteint que la phase d’indexation, jamais la citation en direct.

Ce qui marche réellement aujourd’hui en 2026

Le structured data n’est pas inutile, il joue juste un rôle plus modeste que promis. Quelques schémas gardent une vraie utilité.

Le schéma Organization établit l’identité de la marque, sa cohérence sur le web, ses liens vers les profils officiels. C’est la carte d’identité que les moteurs et les modèles recoupent pour évaluer la fiabilité d’une source.

Le schéma Article avec sa propriété dateModified signale la fraîcheur du contenu, un critère que les moteurs génératifs pondèrent fortement. Encore faut-il que la date affichée corresponde à une vraie mise à jour du texte, pas à un simple rafraîchissement technique.

Product, Offer, LocalBusiness et Review gardent leur intérêt pour l’e-commerce et les entreprises locales. À une condition : que les données collent exactement à ce qui existe ailleurs, la fiche Google Business Profile, les prix réels affichés. Un décalage entre le schema et la réalité de la page fait plus de mal qu’une absence de balisage.

Le vrai levier est souvent ailleurs. Une hiérarchie de titres H1 à H3 cohérente, un contenu qui répond directement à la question posée. Un travail de rédaction SEO, pensé pour être lu autant par un humain que par un modèle. Le balisage vient renforcer ce texte, jamais le remplacer.

Sur quoi prioriser un audit structured data cette année

Face à un budget limité, l’ordre de priorité change par rapport à 2023 ou 2024. C’est aussi le bon moment pour y penser si une refonte de site est déjà au programme :

• Vérifier que chaque donnée présente dans le schema existe aussi dans le texte visible de la page.
• Poser une base Organization et Article propre, avec une date de modification tenue à jour honnêtement.
• Aligner Product, LocalBusiness et Review sur les données réelles, sans en rajouter pour faire joli.
• Garder FAQPage seulement si le contenu apporte une vraie valeur au lecteur, sans compter dessus pour la visibilité IA.
• Tester directement dans ChatGPT, Perplexity ou Gemini ce que ces outils restituent d’une page, plutôt que de se fier uniquement à un validateur de schema.

Ce suivi mérite d’entrer dans le même reporting SEO que le reste, plutôt que de rester un chantier isolé.

Un audit concurrentiel permet souvent de voir où se situent réellement les écarts avant d’investir du temps sur le balisage. L’IA générative fait déjà partie de votre veille ? Notre article sur ChatGPT et le référencement naturel complète bien celui-ci, côté recherche et rédaction assistées.

Le structured data pour les LLMs continuera d’évoluer avec les moteurs génératifs eux-mêmes. Une chose ne changera pas, en revanche. Un balisage qui ment sur le contenu réel d’une page finit toujours par se voir, chez Google comme dans une réponse de ChatGPT.