Si vous avez toujours compté sur les données structurées pour augmenter vos chances d’être cité dans les réponses IA, les résultats d’une récente étude d’Ahrefs risquent de vous surprendre.
Dans le cadre d’un test, la plateforme a ajouté un balisage Schema sur près de 2 000 pages afin de mesurer son impact réel sur les citations générées par les IA. Contre toute attente, l’effet observé s’est révélé très limité. Plus étonnant encore, les chercheurs ont constaté une baisse de 4,6 % des citations dans Google AI Overviews. Personnellement, je m’attendais tout de même à une légère amélioration.
Faut-il pour autant conclure que le balisage Schema ne sert plus à rien ? Comment Ahrefs a-t-il mené son étude ? Pourquoi Google AI Overviews est-il le seul à afficher une baisse statistiquement significative ? Et dans quels cas le balisage Schema reste-t-il pertinent ? C’est ce que nous allons découvrir dans ce guide.
Comment Ahrefs a-t-il mené son étude ?
L’étude a porté sur un échantillon de 1 885 pages qui ne possédaient initialement aucun balisage Schema. Leur taux de citation par les IA a ensuite été mesuré avant et après l’ajout de données structurées.
Pour s’assurer que les résultats soient réellement représentatifs, Ahrefs ne s’est pas limité à un seul site ou à une seule thématique. Les pages provenaient de plusieurs sites couvrant des sujets variés.
La période d’observation a également été suffisamment longue pour suivre les évolutions sur plusieurs cycles de crawl, et non sur un simple instantané. Ce point est important, car le nombre de citations des IA peut varier naturellement d’une semaine à l’autre. Une période trop courte risquerait donc de confondre une fluctuation normale avec un véritable signal.
Afin d’isoler au mieux l’effet du balisage Schema, Ahrefs a également tenu compte des principaux facteurs susceptibles d’influencer les citations, notamment les mises à jour de contenu, l’acquisition de nouveaux backlinks et les évolutions de l’autorité des pages. Sans ces précautions, il serait difficile de déterminer si une variation des citations provient réellement des données structurées ou d’un autre changement intervenu au même moment.
L’analyse s’appuyait également sur un groupe témoin composé de 4 000 pages comparables n’ayant reçu aucun balisage Schema durant la même période. Cette comparaison permet de distinguer l’effet potentiel des données structurées des évolutions propres aux plateformes IA.
Source : Ahrefs.com
Enfin, Ahrefs a confronté ses résultats à quatre méthodes d’analyse distinctes, qui aboutissent toutes à une conclusion similaire. Sans constituer une preuve définitive, cette convergence renforce la solidité des observations et justifie d’examiner de plus près ce que les résultats révèlent réellement.
Quels résultats pour ChatGPT, AI Overviews et Google AI Mode ?
C’est ici que les choses deviennent encore plus intéressantes. Cet effet quasi nul n’était pas uniforme selon les plateformes IA. Certaines ont affiché une légère hausse, d’autres une baisse, mais une seule présente un résultat statistiquement significatif.
| Plateforme | Évolution des citations | Résultat statistiquement significatif ? |
| Google AI Overviews | -4,6 % | Oui |
| Google AI Mode | +2,4 % | Non |
| ChatGPT | +2,2 % | Non |
Comme on peut le voir, Google AI Mode et ChatGPT enregistrent une légère hausse du nombre de citations. Toutefois, ces variations restent trop faibles pour être considérées comme statistiquement significatives. Elles s’inscrivent dans la marge de variation normale et ne permettent donc pas d’affirmer que l’ajout de données structurées influence réellement la manière dont ces moteurs de réponse sélectionnent leurs sources.
Les AI Overviews font exception, mais pas dans le sens souhaité. La baisse de -4,6 % est le seul résultat statistiquement significatif observé par Ahrefs. Pour autant, ce chiffre doit être relativisé : il représente à une poignée de citations quotidiennes en moins sur des pages qui en recevaient généralement plusieurs centaines. Ce résultat mérite donc un examen plus approfondi, sans forcément constituer d’emblée une preuve que le balisage Schema pénalise les pages.
Ce n’est donc pas une raison pour paniquer et commencer à retirer toutes les données structurées de vos pages. L’étude ne conclut pas que les AI Overviews pénalisent le balisage Schema. Elle met plutôt en évidence un effet secondaire dont l’origine reste incertaine, probablement lié à la manière dont Google sélectionne ses sources ou à d’autres facteurs observés pendant l’expérience. Autrement dit, mieux vaut éviter toute conclusion hâtive.
Pourquoi seul Google AI Overviews affiche une baisse de 4,6 % ?
À première vue, une baisse de 4,6 % peut sembler préoccupante. Pourtant, Ahrefs invite à replacer ce chiffre dans son contexte avant de conclure que le balisage Schema a pénalisé les pages concernées.
Source : Ahrefs.com
Premièrement, l’ampleur réelle de cette baisse reste limitée. En moyenne, elle représente une douzaine de citations quotidiennes perdues sur des pages qui en obtenaient généralement plusieurs centaines. L’écart est bien réel, mais on est loin d’un effondrement de visibilité.
Deuxièmement, les pages ayant reçu des données structurées et celles du groupe témoin (sans données structurées) suivaient déjà une tendance baissière avant même l’ajout du balisage Schema. Cette tendance s’explique généralement par d’autres facteurs indépendants des données structurées. Il s’agit souvent d’une modification des critères de sélection des AI Overviews, d’ une mise à jour de Google, d’un contenu devenu moins pertinent ou encore d’une fréquence de réexploration insuffisante.
C’est toutefois ce qui distingue les AI Overviews des autres plateformes qui rend le résultat intéressant. Si le balisage Schema n’avait eu absolument aucun effet, les pages du groupe testé et celles du groupe témoin auraient dû évoluer au même rythme. C’est effectivement ce qui a été observé sur Google AI Mode et ChatGPT. En revanche, dans les AI Overviews, les pages ayant reçu des données structurées ont reculé légèrement plus vite que les pages témoins.
Ce faible écart pourrait indiquer un léger effet négatif du balisage Schema… mais il pourrait tout aussi bien s’expliquer par d’autres variables que cette étude ne permet pas d’isoler complètement. Ahrefs ne tranche donc pas entre ces différentes explications.
La conclusion reste volontairement prudente. La baisse observée est bien statistiquement significative, mais cela ne signifie pas que sa cause est connue. Autrement dit, un résultat peut être statistiquement fiable sans que l’on puisse affirmer avec certitude ce qui l’a provoqué. Des analyses complémentaires, notamment selon le type de données structurées (Article, Product, FAQ…) ou la catégorie de contenu, seront nécessaires pour déterminer si cet effet est réellement lié au balisage Schema. D’ici là, cette observation constitue un signal à surveiller, et non une raison de supprimer les données structurées de vos pages.
Les quatre tests qui confirment les résultats de l’étude
Un seul test peut être trompeur, surtout avec des données de citations qui varient naturellement d’une semaine à l’autre. Ahrefs a analysé les résultats de quatre manières différentes, chacune posant une version légèrement différente de la même question : l’ajout de données structurées Schema a-t-il réellement changé quelque chose ?
Test n° 1 : comparaison à deux échantillons. Ce test a permis de comparer l’évolution moyenne du nombre de citations des pages ayant intégré des données structurées Schema à celle d’un groupe témoin qui ne l’avait pas fait. Il s’agit de la vérification la plus simple, et d’une référence utile avant de mener des analyses plus complexes.
Test n° 2 : la méthode des différences dans les différences (DiD). Il s’agit du test auquel Ahrefs accorde le plus de crédit, et c’est celui qui sous-tend les chiffres phares présentés dans cet article. Il élimine les tendances observées à l’échelle de la plateforme qui n’ont aucun rapport avec une page en particulier ; ainsi, une tendance générale de la fréquence à laquelle les AI Overviews citent des contenus n’est pas confondue avec un effet lié au balisage Schema lui-même.
Test n° 3 : étude d’événement. Avant de se fier à une comparaison « avant-après », il faut s’assurer que les pages du groupe traité et celles du groupe témoin ne divergeaient pas déjà avant l’ajout des données structurées. Ce test a permis de représenter graphiquement les citations semaine après semaine afin de vérifier précisément ce point, et les deux groupes ont suivi une évolution très similaire jusqu’à l’ajout des données structurées Schema.
Test n° 4 : DiD avec une fenêtre symétrique. L’ajout de données structurées Schema déclenche souvent une nouvelle exploration (re-crawl) de la page et, selon la manière dont on définit la limite entre « avant » et « après », cette période de réexploration peut discrètement fausser les résultats. Ce test l’a entièrement exclue, simplement pour s’assurer que les résultats n’étaient pas un artefact lié au choix de cette limite.
Les quatre tests ont abouti à la même conclusion : aucune augmentation du nombre de citations dans les réponses AI Mode, aucune augmentation du nombre de citations sur ChatGPT. Quant aux Aperçus AI, une légère baisse a bien été observée, mais elle reste suffisamment modeste pour qu’Ahrefs s’abstienne de l’attribuer de manière définitive à l’ajout du balisage Schema, plutôt qu’aux évolutions de la plateforme intervenues en parallèle.
C’est cette cohérence qui constitue le principal enseignement de cette étude, bien plus qu’un chiffre pris isolément. Lorsque quatre approches différentes d’une même question aboutissent toutes au même résultat, il ne s’agit plus d’un simple hasard. On est face à un effet; ou plus précisément, à une absence d’effet, qui semble bien réelle
Quand les données structurées peuvent-elles encore être utiles ?
Voici une précision importante concernant l’ensemble de l’étude : toutes les pages du jeu de données étaient déjà citées par l’IA avant le début du test. Chacune comptait plus de 100 citations dans les AI Overviews dès février 2025, bien avant l’ajout de données structurées Schema. Il ne s’agissait donc pas de pages obscures espérant obtenir une première visibilité. Elles faisaient déjà partie des pages prises en compte, avaient déjà été explorées et étaient régulièrement citées par les modèles de langage (LLM).
Ce point est essentiel, car il limite précisément ce que les résultats permettent de conclure. Si une page est déjà citée par l’IA, l’ajout d’un balisage Schema ne semble pas améliorer sa visibilité. En revanche, pour les pages que les systèmes d’IA n’ont pas encore découvertes, les données structurées pourraient toujours jouer un rôle dans leur exploration, leur interprétation ou leur indexation. L’étude d’Ahrefs n’a toutefois pas été conçue pour tester ce scénario.
Une expérience menée par searchVIU s’en rapproche davantage. Les chercheurs ont cherché à déterminer si cinq modèles de langage (ChatGPT, Claude, Perplexity, Gemini et Google AI Mode) utilisaient réellement les données structurées lors de la récupération d’une page en temps réel. La réponse est la même pour les cinq : non. Lors de cette récupération directe, chaque système s’est limité au contenu HTML visible. Le JSON-LD, les microdonnées masquées (Microdata) et le RDFa masqué ont été entièrement ignorés.
Source : Searchviu
Ce résultat mérite qu’on s’y attarde. Si les robots d’exploration des systèmes IA ne lisent pas les données structurées au moment où ils récupèrent une page, il est difficile d’imaginer comment le balisage Schema pourrait influencer une décision de citation prise à cet instant, même s’il est parfaitement implémenté.
Quelques questions restent néanmoins ouvertes dans l’étude d’Ahrefs :
- Les pages auxquelles on ajoute du JSON-LD font souvent l’objet d’autres modifications simultanées (nouveaux liens, mises à jour de contenu, corrections techniques), ce qui complique l’isolation complète de l’effet du balisage Schema.
- Tous les types de Schema ont été regroupés. Les balisages Article, FAQ, Product et HowTo pourraient produire des effets différents et mériteraient d’être étudiés séparément.
- La période d’observation de 30 jours est peut-être trop courte pour mettre en évidence un effet qui n’apparaîtrait qu’après 60 ou 90 jours.
- Seul le format JSON-LD a été testé. Les Microdata, le RDFa ainsi que le Schema injecté via JavaScript pourraient être interprétés différemment par les robots d’exploration des systèmes IA que le Schema intégré directement dans le HTML.
Aucune de ces limites ne remet en cause la conclusion principale. Elles indiquent simplement les pistes que de futures études devront approfondir.
Erreurs courantes et idées reçues concernant le balisage Schema
Avant même d’écrire une seule ligne de JSON-LD, il est utile de revenir sur quelques idées reçues, d’autant plus que l’affirmation « ajoutez du balisage Schema pour améliorer votre SEO dans les moteurs de réponse IA » est aujourd’hui répétée si souvent qu’elle finit par passer pour une évidence.
“Le balisage Schema me permettra d’être davantage cité par l’IA.” C’est l’idée reçue la plus répandue, et c’est précisément celle que cette étude cherchait à vérifier. La corrélation est bien réelle (les pages citées utilisent des données structurées Schema environ trois fois plus souvent), mais corrélation ne signifie pas causalité. Les sites les mieux gérés combinent généralement un contenu de qualité et un balisage correctement implémenté.
“Plus j’ajoute de types de Schema, meilleurs seront les résultats.” Empiler les balisages Article, FAQ, Product et HowTo sur une même page n’est pas plus efficace que de choisir celui qui correspond réellement au contenu. Les données d’Ahrefs regroupent tous les types de Schema, mais rien n’indique que leur quantité soit un facteur déterminant.
“Si le nombre de citations n’augmente pas, c’est que mon balisage est défectueux.” Pas nécessairement. Un balisage Schema invalide ou dupliqué reste un problème technique qu’il faut corriger, mais une absence d’évolution des citations ne signifie pas automatiquement que votre implémentation est en cause. Cela peut simplement indiquer que le balisage Schema n’est pas la variable qui influence les citations.
“Les données structurées injectées via JavaScript fonctionnent comme celles intégrées directement dans le HTML.” Rien ne permet de l’affirmer. Les robots d’exploration des systèmes d’IA semblent traiter ces deux approches différemment, et cette étude n’a évalué que les données structurées présentes dans le HTML brut. Si votre balisage est injecté via JavaScript, ne supposez donc pas qu’il sera interprété de la même manière.
“Supprimer le balisage Schema est une bonne réponse à cette étude.” Non. Les résultats enrichis (Rich Results), les assistants vocaux et l’éligibilité au Knowledge Graph reposent toujours sur les données structurées. Renoncer à ces bénéfices pour tenter d’améliorer un effet sur les citations que l’étude ne démontre pas serait un mauvais compromis.
En résumé, validez votre balisage Schema parce qu’il s’agit d’une bonne pratique SEO, et non parce que vous espérez obtenir davantage de citations de la part des IA. Ce sont deux objectifs différents, et un seul est aujourd’hui étayé par des preuves.
Comment reproduire cette étude sur votre propre site ?
Vous souhaitez savoir si le balisage Schema a réellement un impact sur votre site, plutôt que de vous fier aux résultats d’un échantillon externe ? Réalisez vous-même une version simplifiée de cette étude. L’outil Brand Radar d’Ahrefs est particulièrement adapté pour suivre les citations IA dont vous aurez besoin.
Commencez par sélectionner entre 5 et 10 pages de test auxquelles vous prévoyez d’ajouter du JSON-LD. Dans l’idéal, choisissez des pages qui obtiennent déjà quelques citations de l’IA afin de disposer d’un véritable point de référence. Avec des pages qui n’ont encore aucune citation, il devient presque impossible de distinguer « le balisage Schema n’a eu aucun effet » de « cette page n’aurait de toute façon jamais été citée ». Vous pouvez vérifier le nombre actuel de citations dans le rapport Cited Pages.
Sélectionnez ensuite 5 à 10 pages témoins présentant un niveau de citations similaire, que vous ne modifierez pas. N’y ajoutez pas de données structurées et n’apportez aucune autre modification. C’est ce qui vous permettra de distinguer un effet du balisage Schema d’une tendance globale sur ChatGPT ou d’autres plateformes, un risque bien réel compte tenu des nombreuses variations observées à leur échelle.
Avant toute modification, relevez le nombre de citations des deux groupes dans Google AI Overviews, Google AI Mode et ChatGPT. Filtrez les résultats par URL dans Brand Radar afin d’isoler précisément ces données.
Ajoutez ensuite les données structurées à vos pages de test et notez la date exacte. Cette étape est plus importante qu’il n’y paraît : ne modifiez rien d’autre sur ces pages pendant toute la durée du test. Un nouveau lien interne ou une mise à jour du contenu réalisée au même moment pourrait fausser les résultats, tout comme ces facteurs avaient initialement biaisé la corrélation observée par Ahrefs.
Attendez 30 jours, ou davantage si possible, puis comparez les deux groupes. La question est simple : les pages de test ont-elles davantage progressé que les pages témoins ?
Si les deux groupes évoluent dans des proportions similaires, il s’agit probablement d’une tendance propre à la plateforme, et non d’un effet du balisage Schema. En revanche, si les pages de test progressent nettement plus que les pages témoins, vous disposez d’un signal indiquant que les données structurées ont peut-être eu un effet positif… du moins sur votre site.
Enfin, si vous réalisez cette expérience et obtenez un résultat différent de celui d’Ahrefs, il sera intéressant de le partager. À ce jour, personne ne dispose encore de toutes les réponses sur le rôle exact des données structurées dans les citations des IA.
Glossaire des principaux types de données structurées
Voici un guide de référence rapide des principaux types de données structurées Schema mentionnés dans cet article, ainsi que de quelques autres qu’il est utile de connaître.
Le type Schema « Article » permet de baliser une page comme un article d’actualité, un billet de blog ou tout autre contenu rédactionnel. Il indique aux moteurs de recherche et aux systèmes IA le titre, l’auteur, la date de publication et le contenu principal de la page.
Le type Schema « FAQPage » structure une liste de questions-réponses sur une page. Il permet notamment d’afficher des résultats enrichis FAQ dans Google et facilite l’extraction de ces paires de questions-réponses par les systèmes d’IA.
Le type Schema « HowTo » décrit des instructions étape par étape, en précisant chaque étape, la durée estimée ainsi que les outils ou le matériel nécessaires. Le processus peut ainsi être présenté sous la forme d’une séquence structurée plutôt que comme un simple texte.
Le type Schema « Product » associe des informations structurées à une fiche produit, telles que le prix, la disponibilité ou les avis clients. C’est ce balisage qui permet notamment d’afficher les étoiles de notation et les prix dans les résultats de recherche liés aux achats.
Le type Schema « Organization » identifie une entreprise ou une organisation à l’aide d’informations telles que son nom, son logo, ses coordonnées et ses profils sur les réseaux sociaux. Il contribue souvent à alimenter les informations affichées dans le Knowledge Panel.
Le format JSON-LD est celui sur lequel s’est concentrée l’étude d’Ahrefs. Il s’agit d’un bloc de données structurées intégré au code HTML d’une page, mais séparé du contenu visible, que les moteurs de recherche et les robots d’exploration des systèmes IA peuvent interpréter directement. C’est aujourd’hui le format de données structurées le plus utilisé. Les formats Microdata et RDFa constituent des alternatives plus anciennes, qui intègrent les mêmes informations directement dans les balises HTML.
FAQ
L’ajout du balisage Schema améliore-t-il les citations des IA ?
D’après le test réalisé par Ahrefs sur 1 885 pages, pas de manière significative. Google AI Mode et ChatGPT ont affiché des variations impossibles à distinguer du bruit statistique, tandis que Google AI Overviews a enregistré une légère baisse statistiquement significative, sans qu’il soit possible de l’attribuer avec certitude au balisage Schema lui-même.
Dois-je supprimer le balisage Schema de mon site ?
Non. Les données structurées restent essentielles pour les résultats enrichis, la compatibilité avec les assistants vocaux et l’éligibilité au Knowledge Graph. Cette étude montre simplement qu’elles n’apportent pas de bénéfice mesurable en matière de citations par les IA ; elle ne constitue en aucun cas une raison de supprimer un balisage qui remplit d’autres fonctions importantes.
Pourquoi 53 % des pages citées par les IA utilisent-elles des données structurées ?
Parce que les sites qui implémentent le balisage Schema investissent généralement aussi dans un contenu de qualité, le SEO technique et le netlinking. Ce sont probablement ces autres signaux qui expliquent l’essentiel des performances, le balisage Schema étant simplement associé à ces bonnes pratiques.
Le type de Schema (FAQPage, Product, HowTo…) influence-t-il les citations des IA ?
L’étude d’Ahrefs a regroupé tous les types de Schema, ce point n’a donc pas été testé. Il est possible que les balisages FAQPage ou Product se comportent différemment du type Article, mais aucune donnée ne permet aujourd’hui de confirmer quels types, s’il y en a, auraient davantage d’influence.
Les robots d’exploration des IA lisent-ils réellement le JSON-LD lorsqu’ils récupèrent une page ?
Pas lors d’une récupération directe, selon les tests menés par searchVIU. Cinq grands modèles de langage (LLM), dont ChatGPT et Claude, ont complètement ignoré le JSON-LD, les formats Microdata et RDFa, pour ne récupérer que le contenu HTML visible lors de l’analyse d’une page en temps réel.
Les données structurées restent-elles utiles en 2026 ?
Oui, mais pour les bonnes raisons. Les Rich Results, l’accessibilité et la reconnaissance des entités restent des bénéfices bien établis. Si vous ne savez pas quelle place les données structurées doivent encore occuper sur votre site, c’est précisément le type d’audit que l’agence Twaino réalise régulièrement.
Les données structurées peuvent-elles aider les pages que les IA n’ont pas encore découvertes ?
C’est possible. Ahrefs n’a testé que des pages recevant déjà plus de 100 citations. Pour des pages qui ne figurent pas encore dans l’ensemble des pages prises en compte par les IA, le balisage Schema pourrait toujours faciliter leur exploration et leur indexation, même si cette étude n’a pas été conçue pour le démontrer.
Combien de temps faut-il attendre avant d’évaluer l’impact de Schema sur les citations ?
Ahrefs a mesuré les résultats sur une période de 30 jours. Si vous réalisez votre propre test, il peut être pertinent de prolonger l’observation jusqu’à 60 ou 90 jours, afin de détecter un éventuel effet plus progressif.
Quelle est la différence entre JSON-LD et Microdata ?
Le JSON-LD est un bloc de données structurées intégré au HTML, mais séparé du contenu visible. Microdata et RDFa intègrent les mêmes informations directement dans les balises HTML. Le JSON-LD est aujourd’hui le format le plus répandu et le plus simple à maintenir.
Puis-je réaliser ce type de test de citations sur mon propre site ?
Oui, et cela vaut la peine de le faire plutôt que de supposer que les résultats d’Ahrefs s’appliquent exactement à votre site. Si vous préférez ne pas mettre en place le suivi vous-même, Twaino peut vous accompagner dans la conception et l’exécution de cette comparaison.
Cette étude signifie-t-elle que les recommandations SEO autour de Schema étaient erronées ?
Pas totalement, mais elles étaient probablement surestimées. La corrélation entre le balisage Schema et les citations est bien réelle ; en revanche, le lien de causalité n’avait jamais été démontré jusqu’à présent. Cette étude rappelle l’importance de distinguer une corrélation d’une pratique dont l’efficacité est réellement démontrée.
Si Schema n’augmente pas les citations des IA, sur quoi devrais-je plutôt me concentrer ?
La qualité du contenu, les backlinks et la crawlabilité technique semblent jouer un rôle bien plus important, au regard des caractéristiques communes des pages les plus citées. Si vous souhaitez identifier précisément ce qui limite la visibilité de votre site, c’est un sujet qui mérite d’être étudié avec notre équipe.
Conclusion
S’il y a bien une chose que cette étude devrait changer, c’est la manière dont vous abordez désormais le balisage Schema. Il ne constitue pas un levier permettant d’obtenir davantage de citations de la part des IA, du moins pas pour les pages déjà prises en compte par leurs systèmes de sélection. Les résultats obtenus sur 1 885 pages et au travers de quatre tests distincts sont suffisamment cohérents pour être pris au sérieux.
Cela ne rend toutefois pas le balisage Schema facultatif. Les résultats enrichis, la compatibilité avec la recherche vocale et la reconnaissance des entités restent des bénéfices bien réels, toujours précieux et qui justifient, à eux seuls, sa mise en œuvre.
La leçon la plus importante est peut-être d’ordre méthodologique. Une corrélation aussi forte (53 % des pages citées utilisent des données structurées et près de trois fois plus de JSON-LD) est exactement le type de statistique qui finit par être répétée comme une vérité avant même d’avoir été correctement testée. Voilà pourquoi il est toujours préférable de se méfier des affirmations SEO séduisantes qui ne reposent sur aucune comparaison avec un groupe témoin.
Si vous ne savez pas encore quelle place les données structurées doivent occuper dans votre stratégie de visibilité auprès des IA, Twaino peut vous aider à répondre à cette question à partir de vos propres données, plutôt que de vous appuyer uniquement sur les résultats d’une étude générale.
