Knowledge graph : réponses directes à Google
L'année 2023 a été celle de la consécration de ChatGPT, rapidement copié par Google avec Bard. Si cette faculté d'apporter des réponses immédiates aux utilisateurs a fortement impressionné, l'idée est déjà très ancienne, puisqu'il s'agissait de l'objectif de Google, dès 2012. A cette époque, les éditeurs de sites étaient déjà inquiets du fait que Google cherchait à utiliser leur contenu pour apporter des réponses, sans les citer ni leur envoyer le moindre trafic.
Principe du Knowledge Graph
Le Knowledge Graph (ou « graphe de connaissance ») est un encadré affiché dans les résultats de recherche de Google, présentant un certain nombre d’informations factuelles lorsque la requête correspond à une «entité nommée». C'est un moyen programmatique de modéliser un domaine de connaissances à l'aide d'experts en la matière, d'interconnexion de données et d'algorithmes d'apprentissage automatique. Il est construit au-dessus des bases de données existantes pour relier toutes les données du web en combinant des informations structurées ou non structurées.
La conexion des ensembles de données de manière significative est stratégique pour toutes les entreprises, car cela aide à trouver un contexte dans les connaissances existantes d'une organisation. C'est pourquoi des géants de la technologie comme Google, Facebook et Amazon ont investi des centaines de millions de dollars pour créer leurs propres graphes de connaissances.
Le Knowledge Graph de Google a été introduit en 2012 pour fournir des résultats plus utiles et plus pertinents pour les recherches utilisant des techniques de recherche sémantique. Son alimentation nécessite l'usage d'extraits enrichis de type schema.org. Le knowledge graph utilise les relations entre les mots et les concepts pour comprendre le contexte d'une requête et attribuer une signification spécifique aux intentions de l'utilisateur.
Thème connexe : la recherche universelle
La recherche universelle (universal search en anglais) est la possibilité de rechercher dans le contenu de plusieurs bases de données à l'aide d'une seule boîte de recherche. Elle affiche dans ses SERP des résultats émanant d’autres bases de données que l’index classique de pages web. Bien que les sources de contenu puissent se trouver à différents endroits, par exemple dans un index différent pour des types ou des formats de contenu spécifiques, elles apparaissent dans un ensemble unique et intégré de résultats de recherche. L’idée de la recherche universelle est donc, pour le moteur de recherche, de proposer des SERP diversifiées affichant, selon la requête, des liens émanant de sources diverses.