Entity Map
Tous les chapitres précédents portaient sur l’analyse de la situation. Celui-ci porte sur le fait de la changer. L’Entity Map (ou carte des entités) est le premier levier de ce guide qui agit directement sur les systèmes qui produisent les réponses sur votre marque. Non pas en publiant davantage de contenu. Mais en fournissant aux systèmes de récupération une carte déclarée de qui vous êtes, de ce que vous affirmez et de la façon dont vos concepts s’articulent. Il agit avant même que la récupération commence
La version courte
- Votre contenu est utilisé sans que votre marque ne soit créditée ou citée. Lorsque les systèmes récupèrent vos pages, suppriment le HTML et découpent le texte en fragments, l’identité de l’éditeur ne survit pas toujours. C’est un problème structurel, pas un problème de politique.
- L’Entity Map est un standard ouvert qui règle ce problème à la source. Un fichier lisible par les machines, placé à la racine de votre domaine, qui déclare les entités sur lesquelles il s’appuie, les preuves de cette affirmation et les relations qui lient ces entités entre elles, dans un format que tout système de récupération peut lire directement.
- Le lien avec les hallucinations est direct. Lorsqu’un système s’appuie sur des relations déclarées plutôt qu’induites, il a moins de latitude pour combler les lacunes avec des connexions inventées. La carte contraint donc ce que le système peut déduire et générer.
- Il agit sur la récupération en temps réel, et non sur les données d’entraînement. Pour les moteurs de recherche et les outils qui récupèrent votre contenu en direct, l’Entity Map améliore dans l’instant l’attribution et la qualité du raisonnement. Mais il ne peut pas corriger les associations déjà intégrées dans les poids du modèle.
- Il existe des preuves concrètes que ça fonctionne. Installé sur waikay.io à une date précise, un seul fichier Entity Map a inversé un déclin de score de compréhension de trois mois en 48 heures, et a été cité 2 à 3 fois plus souvent que la page À propos du site par Gemini et Sonar.
Pourquoi publier davantage de contenu n’est pas toujours une bonne solution
Arrivé à ce chapitre, vous disposez d’un score de Share of Voice, d’une carte de présence topique et d’un tableau de la précision factuelle. Vous savez à quelle fréquence votre marque apparaît, à quoi elle est associée, et si ce qui est dit est exact. La question naturelle est : et maintenant ?
La stratégie classique, c’est le contenu. Publier davantage, pour couvrir plus de sujets et obtenir plus de citations. Ce n’est pas faux. Mais cela passe à côté d’une couche sous-jacente. Si un système de récupération représente mal votre marque, ce n’est pas forcément parce que le bon contenu n’existe pas. Souvent, le contenu existe, mais n’est pas lisible par le système qui le récupère.
Voilà ce qui se passe lorsqu’un système de récupération récupère une page de votre site. Il supprime le HTML. Il découpe le texte restant en fragments de quelques centaines de caractères. Il transmet ces fragments à son modèle sans conserver aucune information sur qui les a publiés, quel concept ils sont censés soutenir, ni comment ce concept s’articule avec les autres pages de votre site. Cinq ans de contenus d’expert deviennent un amas de textes décontextualisés. Le modèle reconstitue le sens à partir de ces passages du mieux qu’il peut.
L’Entity Map s’attaque à ce problème structurel. Il se trouve à une URL prévisible sur votre domaine, sous forme d’index lisible par les machines : vos concepts, vos définitions, vos preuves et votre graphe de raisonnement. Le système lit toujours vos pages mais il part d’une position bien meilleure.
En 2005, les moteurs de recherche exploraient des milliards de pages mais peinaient à comprendre lesquelles étaient importantes et à quelle fréquence elles changeaient. La convention sitemap.xml a résolu le problème de la découverte. En deux ans, tous les grands CMS en généraient un automatiquement. L’Entity Map appartient à la même catégorie d’intervention, appliquée au sens plutôt qu’à la découverte : un simple fichier déclaratif qui résout un problème structurel que le format existant est incapable de traiter.
Ce qui se dégrade lorsque la récupération ne dispose d’aucune structure
La récupération par fragments crée trois problèmes spécifiques. Chacun nécessite une partie différente de l’Entity Map pour y remédier. Les comprendre séparément est important car ils produisent des types d’erreurs différents dans les résultats et appellent des correctifs différents dans le fichier.
La désambiguïsation échoue, et votre expertise se fragmente
Votre site utilise peut-être « AI SOV » dans la navigation, « AI Share of Voice » dans le corps du texte, et « artificial intelligence share of voice » dans un glossaire technique. Pour un système effectuant une récupération par fragments, ce sont trois signaux textuels distincts sans relation déclarée. Aucun mécanisme ne lui indique que ces formes de surface renvoient toutes au même concept, celui autour duquel vous avez passé des années à construire votre autorité.
La conséquence est une dilution. Au lieu d’un signal concentré sur un concept, vous avez des signaux partiels dispersés entre les fragments. Les concurrents qui traitent du même sujet avec un vocabulaire plus homogène apparaîtront souvent plus clairement, non pas parce que leur réflexion est meilleure, mais parce que leur texte est moins varié.
L’Entity Map résout cela avec des identifiants d’entité canoniques et le champ alternateName. Toutes les variantes se résolvent en une seule entité. Chaque fragment de preuve qui soutient le concept référence l’identifiant de cette entité. Le système part de la forme canonique, et non du fragment qu’il a récupéré en premier par hasard.
L’attribution échoue, et vous devenez une citation fantôme
Un système de récupération extrait du contenu de votre site, synthétise une réponse et fait apparaître une URL en note de bas de page. Le nom de votre entreprise n’apparaît pas dans la réponse. Un lecteur qui agit sur la base de cette information n’a aucune idée que l’expertise vient de vous. C’est directement lié à ce que vous avez mesuré au chapitre 4.
Ce n’est pas que le système ignore l’attribution. C’est que l’identité de l’éditeur n’est tout simplement pas intégrée dans le contenu des pages de façon à survivre au processus de fragmentation. Lorsqu’un passage est extrait d’une page et dépouillé de son HTML, le nom de votre marque ne le suit que s’il apparaît dans ce fragment spécifique avec une fréquence suffisante pour résister à la dilution. Pour la plupart des corps de texte, ce n’est pas le cas.
L’Entity Map résout cela avec un champ publisher explicite sur chaque fragment de preuve. Ce champ est conçu pour faire voyager le nom de votre marque à travers les traitements en aval. Il doit correspondre exactement au nom de l’éditeur déclaré à la racine du fichier, et c’est cette cohérence qui le rend fiable. Vous n’espérez pas que le système déduise votre identité à partir de votre URL. Vous la déclarez sur chaque élément de preuve que vous publiez.
Si les citations fantômes sont si répandues, c’est parce qu’il s’agit d’un problème structurel, pas politique. L’Entity Map apporte une réponse structurelle.
Le raisonnement échoue, et les hallucinations comblent le vide
Lorsqu’un système reçoit une question qui nécessite de relier plusieurs concepts, il doit reconstruire la chaîne logique qui les relie, à partir d’un texte non structuré. Parfois, il y parvient. Souvent, il la rate partiellement, ou invente une connexion vraisemblable qui ne correspond pas à ce que vous affirmez réellement.
Prenons une question qui nécessite de relier un problème de données à un risque réglementaire via une fonctionnalité produit spécifique. Si les relations entre ces concepts n’existent que dans la prose, dispersées entre les pages, le système doit reconstituer lui-même la chaîne. Il signale cette inférence par un langage de prudence : « probablement », « vraisemblablement », « pourrait contribuer à ». Lorsque l’inférence est incorrecte, ce langage de prudence disparaît et l’affirmation erronée paraît assurée. C’est de là que viennent les hallucinations : non pas d’une invention aléatoire, mais d’un comblement trop confiant des lacunes.
« La couche de relations de l’Entity Map répond directement à ce problème. Vous déclarez les prédicats explicitement : ce concept CONFLICTS_WITH celui-là, ce produit IMPROVES tel résultat. La chaîne est lue à partir de vos propres déclarations, et non inférée à partir de la prose. Le système ne comble pas une lacune. Il parcourt un graphe que vous avez construit. Comme le graphe contraint ce que le système peut conclure, l’espace pour les hallucinations se réduit.
C’est pourquoi la couche de relations de l’Entitymap n’est pas optionnelle. C’est le mécanisme par lequel votre raisonnement, et pas seulement votre contenu, entre dans la couche de récupération.
Si un modèle a déjà été entraîné sur des données qui associaient votre marque à des affirmations incorrectes, l’Entity Map ne change rien à cela. Les poids du modèle sont figés après l’entraînement. La seule façon de corriger une association ancrée lors de l’entraînement est un ré-entraînement, qui échappe au contrôle de tout éditeur. L’Entity Map corrige la moitié “recherche ancrée” du problème : ce qui se passe lorsque les systèmes récupèrent votre contenu en ce moment. Il ne corrige pas la moitié “entraînement” : ce que le modèle a appris il y a plusieurs mois. Les deux comptent. Une seule est corrigeable en temps réel.
Ce qui s’est passé lorsque nous avons installé l’Entitymap sur waikay.io
Le 25 avril 2026, nous avons installé un Entity Map sur waikay.io. C’était le seul changement effectué pendant la fenêtre de mesure. Nous avons suivi les AI Knowledge Score sur cinq sujets pendant les cinq semaines suivantes. Le score mesure dans quelle mesure ce qu’un LLM dit d’une marque, correspond à ce que cette marque publie réellement : 0 signifie aucun chevauchement, 100 signifie un alignement parfait.
Les résultats n’étaient pas uniformes. C’est important car des résultats uniformes suggéreraient une erreur de mesure. Ce qui s’est produit à la place était le schéma attendu : les scores déjà proches de leur plafond ont à peine bougé. Les scores sur les sujets où les systèmes de récupération s’appuyaient sur des sources plus faibles ou fragmentées se sont améliorés significativement et rapidement
Topic “hallucinations IA”, en 48 heures
Le score baissait d’environ 10 points par mois depuis trois mois consécutifs. Les systèmes de récupération s’appuyaient de plus en plus sur des sources de moindre qualité pour répondre aux questions sur Waikay et les hallucinations. Quarante-huit heures après la mise en ligne de l’Entity Map, l’ensemble du déclin s’est inversé. Le score est passé de 58 à 84.
Les nouveaux contenu prennent des semaines à être indexés et les backlinks se construisent sur plusieurs mois. Un retournement en 48 heures montre que c’est directement le mécanisme de récupération en temps réel qui est impacté. Les effets de l’Entity Map sont donc très rapides.
Topic “optimisation pour la recherche IA”, en 10 jours
Trois mesures stables u peu au-dessus de 80, légèrement orientées à la baisse. La tendance laissait prévoir une prochaine mesure aux alentours de 80. Elle s’est établie à 92. Rien dans la dynamique préexistante n’explique un bond de 10 points. C’est exactement le schéma attendu d’une correction structurelle : un sujet dont les signaux fragmentés donnaient une existance dégradée, corrigée en fournissant aux LLM un point de départ déclaré.
Topic “vue d’ensemble de la marque”, sans changement significatif
Ce score oscillait entre 91 et 96 pendant les trois mois précédant l’installation, et entre 94 et 97 après. Aucun changement significatif. C’est le résultat attendu pour un sujet déjà proche de son plafond, et c’est ce qui donne de la crédibilité aux autres résultats. Si tout s’était amélioré uniformément, cela indiquerait une erreur de mesure.
Le constat sur les citations
Au-delà des scores, nous avons suivi les URL citées par les systèmes de récupération lorsqu’ils répondaient à des requêtes sur la marque. Le fichier EntityMap, un simple fichier structuré de 30 Ko, a été cité plus souvent que la page “À propos”, aussi bien sur Gemini (2,2 fois plus) que sur Sonar (3,0 fois plus).
La page À propos est l’URL que tous les guides SEO conventionnels désignent comme devant dominer les requêtes sur la marque. Un fichier de connaissances structuré, existant depuis quelques semaines à peine, l’a surpassée sur les deux plateformes. La raison est simple : les systèmes de récupération qui cherchent des informations structurées, attribuées et au niveau des entités trouvent exactement cela dans l’Entity Map. Ils ne trouvent que de la prose générale sur une page “À propos”.
ChatGPT, Copilot et Claude n’ont jamais cité l’Entity Map pendant la fenêtre de mesure. Non pas parce qu’ils ont rejeté le format, mais parce que Bing n’avait pas indexé le fichier. Ces modèles s’appuient fortement sur les signaux issus de Bing. Nous n’avions pas soumis le fichier via Bing Webmaster Tools, ne l’avions pas ajouté à notre sitemap, ni lié depuis la page d’accueil avant le déploiement. C’est une tâche de 20 minutes que nous avons omise. Elle a produit un groupe de contrôle accidentel. Les signaux de découverte couverts dans la section d’implémentation ci-dessous ne sont pas optionnels.
Une URL hallucinée est un signal, un brief de contenu
Lorsqu’un système de récupération cite une URL de votre site qui n’existe pas, il ne dysfonctionne pas. Il vous dit quelque chose de précis. Il s’attendait à ce que ce contenu soit là, sur la base du schéma de ce qui l’entoure. L’URL hallucinée est un signal directionnel sur ce que le système cherchait et n’a pas trouvé.
Cette lacune mérite d’être comblée. L’affirmation hallucinée est souvent une ébauche raisonnable de ce qui devrait exister : l’argument que le système voulait formuler, dans la forme qu’il voulait lui donner, pointant vers une page qui devrait exister mais n’existe pas.
Si vous rédigez ce contenu manquant, si vous le référencez dans votre Entity Map comme fragment de l’entité concernée, et que vous donnez au fragment l’URL source correcte, vous faites trois choses à la fois. Vous comblez la lacune de contenu. Vous fournissez aux systèmes de récupération un passage faisant autorité à citer. Et vous supprimez l’une des conditions spécifiques qui ont produit l’hallucination. Le système peut désormais formuler l’affirmation qu’il cherchait à faire, correctement, attribuée à vous.
C’est l’une des connexions les plus directes entre la dimension “mesure” de ce guide et la dimension “influence”. Votre audit de précision factuelle du chapitre 4 n’est pas seulement un rapport sur ce qui ne va pas. Chaque URL hallucinée qu’il contient est une instruction spécifique et actionnable de contenu manquant ou inadéquate.
Lancez votre audit de précision factuelle et notez chaque URL hallucinée. Regroupez-les selon le concept qu’elles cherchaient à soutenir. Chaque groupe est un brief de contenu et un fragment d’Entity Map en attente d’être rédigé. Traitez les groupes par ordre de fréquence d’apparition de l’hallucination. Les plus fréquentes sont les lacunes de récupération les plus urgentes.
Comment vos données de mesure vous indiquent ce qu’il faut mettre dans votre Entity Map
The measurement chapters are not separate from EntityMap. Each metric is a specific instruction about what belongs in the file.
La carte concurrentielle vous indique quelles entités prioriser
Si les LLM vous placent dans une sphère concurrentielle qui ne correspond pas à votre marché réel, votre Entity Map doit déclarer les concepts qui définissent votre catégorie réelle et les relier explicitement à votre marque. Vous fournissez ainsi les preuves d’une image corrigée
La présence topique vous indique quelles relations déclarer
Chaque lacune topique dans votre score de présence topique est une relation implicite que le système n’a pas établie. Si vous avez une forte présence pour « AI Share of Voice » mais une présence faible pour « AI Topical Presence » malgré une couverture du sujet, le lien entre les deux est probablement enfoui dans la prose plutôt que déclaré. C’est une relation à ajouter : AI Share of Voice CONSISTS_OF AI Topical Presence.
La notion de précision factuelle vous indique où ajouter des fragments correctifs
Chaque erreur factuelle identifiée par votre audit est un écart entre ce que les LLM trouvent dans votre contenu et ce que vous affirmez réellement. Pour chaque erreur, trouvez l’entité concernée dans votre Entity Map et ajoutez un fragment qui énonce l’affirmation exacte de façon claire et directe. Vous donnez ainsi aux systèmes de récupération quelque chose de bien meilleur que le passage qu’ils interprétaient mal jusqu’alors.
Comment construire et publier votre Entity Map
La spécification complète est disponible sur entitymap.org. Ce qui suit est la logique stratégique derrière la structure : à quoi sert chaque partie et pourquoi elle compte. Pour la spécification technique, le schéma JSON et la référence des prédicats, consultez la source. La façon la plus rapide de générer les fichiers automatiquement est l’implémentation de référence Waikay, disponible en accès anticipé sur waikay.io/entitymap.
Ce que contient le fichier
Votre entitymap.json comporte quatre parties. Un bloc publisher déclarant qui vous êtes : votre nom, votre URL et votre identifiant Wikidata si vous en avez un. Une liste d’objets entité, chacun représentant un concept que votre site couvre de façon autoritaire. Une section evidence sur chaque entité, avec 1 à 5 de vos meilleurs passages, chacun portant votre nom d’éditeur. Et une section relations déclarant comment vos entités se connectent entre elles et à des concepts externes.
Le nom d’éditeur sur chaque fragment de preuve doit correspondre exactement au nom d’éditeur dans l’objet racine. Pas approximativement. Exactement. Copiez-collez-le, ne le retapez jamais, pour éviter les fautes de frappe. Une seule incohérence et les systèmes en aval ne peuvent plus vous attribuer de façon fiable. Ce champ unique est le mécanisme d’attribution dont dépend l’ensemble du système.
Ce qui fait un bon objet entité
Chaque entité a besoin d’un identifiant stable (e_001, e_002, etc., jamais réutilisé), d’un nom qui reflète la façon dont votre site utilise le concept plutôt que la façon dont un dictionnaire le définirait, et d’une description de 1 à 3 phrases spécifique à votre contexte. « AI Share of Voice est un indicateur qui mesure la proportion de réponses générées par l’IA dans lesquelles une marque apparaît » est utile. « Share of voice est un indicateur marketing » ne l’est pas.
Pour les fragments de preuve, choisissez vos passages les plus précis, pas les phrases d’introduction. Les passages qui expriment le plus précisément ce que vous affirmez sur chaque concept. Quinze entités bien étayées valent bien plus que quatre-vingts avec des preuves superficielles. La profondeur signale l’autorité. L’étendue sans preuves ne le fait pas.
Deux façons de générer les fichiers
Prompt de référence
Le repo GitHub de l’Entity Map maintient un prompt de référence. Collez des sections de votre contenu dans le LLM de votre choix avec ce prompt et générez des objets entité conformes. Un site avec 10 à 30 entités peut être rédigé en quelques heures. Aucun compte requis.
Deux fichiers, une seule source de vérité
Vous publiez à la fois entitymap.json et entitymap.html. Le HTML est une reproduction “crawlable” du JSON avec des données structurées intégrées. Ne les maintenez jamais séparément. Le JSON est la source de vérité. Générez toujours le HTML à partir de lui.
Comment faire découvrir le fichier aux LLM
Lien dans le footer vers entitymap.html
Le signal le plus fiable disponible aujourd’hui. Tout crawler qui suit les liens HTML le trouvera : GPTBot, PerplexityBot, ClaudeBot, GoogleOther. Un footer sitewide signifie que chaque page de votre site porte un chemin vers votre couche de connaissance, quelle que soit la page par laquelle le crawler entre. Liez vers le fichier HTML, pas vers le JSON. Le HTML s’affiche comme du contenu lisible avec des données structurées intégrées.
Balise link dans le HTML de chaque page
Ajoutez <link rel="entitymap" type="application/json" href="https://yourdomain.com/entitymap.json" /> dans le de chaque page. C’est le signal pour les systèmes qui consomment les métadonnées structurées depuis le plutôt qu’en suivant les liens visibles.
Indication dans le robots.txt et entrée dans le sitemap
Ajoutez EntityMap: https://yourdomain.com/entitymap.json dans votre robots.txt, et listez entitymap.html dans votre sitemap avec une priorité de 0,9 et une fréquence de mise à jour hebdomadaire. La fréquence hebdomadaire signale la fraîcheur, qui entre de plus en plus en compte dans ce que les systèmes de récupération choisissent d’explorer.
Par où continuer
L’Entity Map se situe dans la couche 3 aux côtés de Citation Data, car ces deux chapitres portent sur l’influence, pas sur la mesure. Le chapitre 6 (Données de citation) vous indique quelles sources externes façonnent ce que les systèmes de récupération disent de vous. Ce chapitre vous indique comment faire de votre propre contenu une source plus solide et plus citable que ces signaux externes. Ce sont les deux faces d’un même problème.
Le chapitre 9 (NLP and Entity Analysis) est la couche théorique sous-jacente. Il explique comment les systèmes construisent des associations conceptuelles à partir du texte. L’Entity Map est le mécanisme pratique pour rendre ces associations explicites plutôt que de les laisser sujettes à l’inférence. Le chapitre 9 explique le territoire. L’Entity Map est la carte que vous publiez pour le cartographier. »
Si vous souhaitez agir immédiatement : lancez votre audit de précision factuelle, collectez chaque URL hallucinée, regroupez-les par concept, et construisez votre premier ensemble d’entités Entity Map à partir de cette liste. C’est le chemin le plus direct entre mesure et influence dans ce guide. Vous utilisez les erreurs du système lui-même pour définir exactement ce qu’il faut construire.
Spécification complète
La spécification complète de l’Entity Map, la référence des prédicats et le schéma JSON sont disponibles sur entitymap.org. Standard ouvert, CC BY 4.0. À consulter avant d’entreprendre quoi que ce soit !
Générateur Waikay
L’implémentation de référence Waikay génère automatiquement votre entitymap.json et entitymap.html à partir de votre site. Accessible sur sur waikay.io/entitymap.
GitHub
La spécification, l’implémentation de référence et les modèles de prompt sont open source. Le standard évolue à travers son utilisation réelle.
