Le problème : un SEO “mot-clé” qui ne colle plus à la recherche moderne
Beaucoup d’équipes continuent d’optimiser leurs contenus comme si le moteur faisait encore une simple correspondance “requête ↔ mot”. Or la recherche sur Google s’est largement déplacée vers une logique de compréhension : le système essaie d’identifier de quoi vous parlez (une entite unique), dans quel contexte, et avec quelles relations à d’autres concepts.
Ce décalage crée trois effets très concrets côté business :
Cannibalisation : plusieurs pages ciblent les mêmes mots ou des variantes proches, se concurrencent, et dégradent les resultats.
Pertinence limitée : vous répondez à des requêtes simples, mais vous perdez les intentions complexes (comparaison, choix, contraintes sectorielles, localisation).
Autorité difficile à “prouver” : sans structuration sémantique, Google comprend moins bien votre expertise, donc classe moins bien, même si le fond est excellent.
Le point de bascule : passer d’une optimisation “lexicale” à une optimisation “entité / concept” — cœur du referencement semantique et de l’entity oriented search.
À l’échelle produit, l’objectif est simple : améliorer l’expérience de l’utilisateur et des utilisateurs en rendant le sujet plus clair, ce qui peut aussi stabiliser le classement sur des requêtes variées.
Intention de recherche : à qui sert l’approche « entités + Wikidata » ?
Si vous êtes ici, votre besoin est informationnel : comprendre comment les entités nommées et Wikidata peuvent améliorer votre SEO, et comment l’appliquer sans tomber dans une usine à gaz. L’objectif de l’article est donc de vous donner une méthode exploitable (audit → priorisation → implémentation → mesure), avec des repères concrets pour éviter les erreurs courantes.
Définition : qu’est-ce qu’une entité nommée ?
Une entite nommee (ou entites nommees) est une unité “nommable” et identifiable de manière univoque : une personne, une organisation, un lieu, un produit, un événement, parfois un concept. En NLP (traitement du langage naturel, souvent abrégé Nlp), la tâche de reconnaissance entites nommees (ou entites nommees ner, Ner) consiste à détecter ces entités dans un texte et à les typer (personne, lieu, organisation…).
On parle aussi de différents types d’entités (marque, lieu, œuvre, organisation) : bien identifier les types aide à choisir les bons schémas et à éviter les confusions.
En SEO, l’enjeu n’est pas seulement de “citer” des entités, mais de rendre votre page compréhensible comme un ensemble de concepts reliés, afin que les moteurs (et en particulier les moteurs recherche) puissent :
désambiguïser (résoudre la polysémie),
relier votre contenu à d’autres sources fiables du web,
évaluer l’autorité et la cohérence thématique,
mieux classer vos pages web dans les resultats recherche.
Exemple didactique : mots-clés vs entités (polysémie + contexte)
Le mot-clé “Apple” peut désigner l’entreprise Apple ou le fruit. Une page qui “empile” des occurrences d’apple risque d’être ambiguë. Une page qui associe l’entité Apple (entreprise) à des entités voisines (iPhone, Tim Cook, Cupertino, “NASDAQ”, etc.) clarifie le sujet. Même logique avec “Nike” (marque) vs la déesse, ou “Paris” (ville) vs Paris Hilton.
Autre illustration : “tour eiffel”. Le mot-clé n’est pas le sujet : le sujet est l’entité “Tour Eiffel” (monument) reliée à Paris, France, tourisme, architecture, horaires, billets, etc. Google cherche à comprendre ces relations, pas seulement une répétition d’expressions.
Pourquoi les entités nommées comptent pour le référencement (et l’IA)
Google a progressivement renforcé une lecture sémantique des requêtes et des contenus, via le knowledge et le knowledge graph. L’idée : représenter des entités et des relations (qui est qui, où, quoi, quand, comment c’est lié). C’est ce qui alimente, entre autres, le Knowledge panel sur certaines requêtes et une partie des résultats enrichis.
Pour un décideur, l’intérêt n’est pas “technique”. Il est stratégique :
Meilleure couverture d’intentions : une même entité se décline en multiples besoins (définition, cas d’usage, comparatif, prix, intégration…). Vous captez une longue traîne qualifiée sans multiplier artificiellement les pages.
Moins de gaspillage éditorial : vous arrêtez de produire 10 contenus quasi identiques pour 10 variantes de mots-clés.
Signal de qualité et d’expertise : un contenu qui relie correctement les concepts, cite des sources fiables, et structure ses informations “ressemble” davantage à une ressource de référence.
Compatibilité IA : les assistants (type Gpt) et la recherche conversationnelle exploitent fortement la structure, le contexte, et des représentations de type graphe. Une stratégie entité-first facilite la réutilisation et la citation de votre marque dans ces environnements.
Au final, vous capitalisez sur un socle de connaissances : définitions, relations et attributs qui rendent votre site plus lisible, autant pour Google que pour l’utilisateur.
Knowledge Graph, E-E-A-T : l’entité comme “preuve” de cohérence
Le knowledge graph google (souvent appelé aussi knowledge graph ou google knowledge graph) n’est pas une “base magique” où l’on s’inscrit. C’est une façon de modéliser le monde et de relier les sources. Votre objectif : être interprété comme une source cohérente et fiable sur un ensemble d’entités et de relations.
Cette approche aide indirectement à soutenir les signaux d’expertise (dans l’esprit des critères E‑E‑A‑T) : contenu aligné, définitions claires, contexte riche, et preuves (références, données, auteurs). Attention : ce n’est pas une formule automatique. Sans qualité éditoriale et sans crédibilité off-site, l’ancrage entitaire ne compensera pas un contenu faible.
Ancienne approche vs nouvelle approche : tableau comparatif pour décider
Prise de position : en B2B, l’approche entité-first est plus “rentable” à moyen terme, car elle réduit les coûts de contenu redondant et renforce l’autorité thématique. En contrepartie, elle demande plus de méthode (et parfois plus d’alignement interne).
Comment optimiser le contenu pour les entités nommées ? (méthode en 7 étapes)
Optimiser pour les entités ne veut pas dire ignorer les mots-clés. Les mots restent la surface d’accès. La différence : vous utilisez les mots-clés comme symptômes d’une intention, puis vous structurez la réponse autour d’entités et de relations.
Avant de commencer : la check-list “SEO sémantique” (pratique et sans jargon)
Pour que l’approche entités fonctionne vraiment, gardez 5 réflexes simples : (1) une page = une intention principale, (2) une entité centrale clairement définie dès l’intro, (3) des relations explicites (exemples, comparaisons, attributs), (4) un maillage interne qui reflète ces relations, (5) des données structurées cohérentes (et testées). Si vous ne pouvez pas résumer votre page en “cette page explique X (entité) et comment X est lié à Y et Z”, vous risquez de retomber dans un SEO « mots-clés » déguisé.
1) Choisir l’entité centrale (et la formaliser)
Identifiez l’entité principale de la page : une marque, une offre, un lieu, un concept métier. Puis documentez :
son type (organisation, logiciel, méthode… — entite nommee type),
ses synonymes et variantes,
les confusions possibles (désambiguïsation),
ses relations clés (problèmes résolus, industries, intégrations, concurrents, normes, etc.).
Pensez aussi aux types de pages qui portent ces informations (page pilier, comparatif, FAQ, cas client) : cette cartographie des types simplifie la gouvernance.
Exemple B2B : une page “SEO sémantique” doit clarifier l’entité “SEO sémantique” vs “SEO” au sens large, puis relier à “Knowledge Graph”, “données structurées”, “traitement du langage naturel”, etc.
2) Construire un champ sémantique par co-occurrences (sans forcing)
Google utilise la distribution des termes et la cohérence contextuelle. Concrètement : un bon texte “fait apparaître” naturellement des co-occurrences attendues autour de l’entité. Le but n’est pas de placer des cles de manière artificielle, mais d’assurer que votre contenu pages web couvre les sous-thèmes qui prouvent la compréhension du sujet.
Définition + limites
Cas d’usage concrets
Comparaison d’approches
Implémentation (technique + éditorial)
Mesure et gouvernance
3) Désambiguïser : lever les ambiguïtés avant Google
La désambiguïsation n’est pas un détail ; c’est souvent la différence entre une page “à peu près” comprise et une page bien classée. Utilisez :
des définitions en ouverture,
des exemples contrastés (ex. Apple entreprise vs fruit),
des ancrages de contexte (secteur, pays, usage),
des liens sortants vers des sources de référence (ex. Wikipedia), quand cela aide à préciser le concept.
4) Structurer en topic clusters : une stratégie de contenu orientée entités
Le cluster thématique (topic cluster) n’est pas un “plan de maillage” cosmétique. C’est une architecture où :
une page pilier traite l’entité centrale et ses relations majeures,
des contenus satellites approfondissent une relation / intention (ex. “données structurées SEO”, “Wikidata pour les marques”, “Google NLP pour analyser un texte”, etc.),
le maillage interne explicite la hiérarchie (pilier → satellites) et les dépendances (satellites → pilier).
Ce modèle réduit la cannibalisation et aide à classer sur une multitude de requêtes en recherche semantique.
Stratégie d’intégration dans le contenu : où placer les entités pour maximiser la clarté
Dans la pratique, l’intégration des entités se joue sur des zones “fortes” : title, H1/H2, intro, ancres de liens internes, légendes d’images, et FAQ. Faites apparaître l’entité centrale dès les 80–120 premiers mots, puis introduisez 4 à 8 entités « voisines » utiles (attributs, outils, normes, acteurs) dans les sections correspondantes, au lieu de les éparpiller.
Pour chaque entité secondaire importante, ajoutez au moins une relation explicite (ex. “Wikidata sert d’identifiant”, “Schema.org permet de déclarer”, “Search Console mesure la visibilité”), sinon elle ressemble à une simple co-occurrence. Enfin, alignez vos liens internes : une entité = une page canonique (quand c’est pertinent), pour éviter que plusieurs URL se disputent le même rôle dans le cluster.
5) Déclarer vos entités via des données structurées (Schema.org)
Les donnees structurees n’améliorent pas toujours le ranking directement, mais elles réduisent l’incertitude : vous “déclarez” ce qu’est la page, ce qu’est l’entité, et comment elle se relie à d’autres éléments.
Recommandations pragmatiques :
Utilisez JSON-LD (le format le plus courant recommandé par Google).
Déployez Organization, LocalBusiness (si pertinent pour seo local), Person (auteurs), Article/BlogPosting, FAQPage si vous avez une FAQ réelle.
Renseignez les propriétés qui connectent : sameAs (profils sociaux, Wikipedia/Wikidata), knowsAbout, areaServed, etc.
Ajoutez aussi des médias : une image pertinente (et une image cohérente dans vos balises et vos schémas) aide parfois à la compréhension, notamment lorsque Google réutilise des éléments visuels dans Discover.
Sur le plan technique, ces schémas s’appuient sur des standards de représentation comme Rdf (au sens large du web sémantique). Vous n’avez pas besoin de “faire du RDF” à la main, mais comprendre l’idée (identifiants + relations) aide à mieux concevoir la stratégie.
6) Aligner avec Wikidata : l’identifiant qui change la donne
Wikidata agit comme un référentiel d’identifiants : une entité y a un ID unique, des libellés multilingues, et des relations. Pour Google et d’autres systèmes, cet ancrage peut faciliter la validation d’une entité (surtout si votre marque est déjà notable et documentée).
Ce qu’il faut comprendre côté décision :
Créer ou enrichir une entrée Wikidata n’est pas une tactique “growth” rapide : il faut respecter les règles de notoriété et sourcer.
En revanche, quand c’est légitime, l’alignement Wikidata via sameAs et un écosystème de sources cohérentes aide à réduire les erreurs d’attribution et à renforcer la “lisibilité” de votre marque.
Dans une logique de gestion de la connaissance, l’ID Wikidata devient un pivot : il facilite l’agrégation de connaissances (alias, attributs, relations) entre vos pages, vos profils et vos sources.
Ajout concret : pour les entités clés (entreprise, produit, lieu), conservez en interne un tableau “entité → URL canonique → liens sameAs (Wikidata/Wikipedia) → pages qui la mentionnent”, afin d’industrialiser la cohérence sur tout le site.
Mini-protocole (safe) pour utiliser Wikidata sans vous faire perdre du temps
Si vous voulez rester pragmatique : commencez par exploiter Wikidata comme référentiel (ID, labels, relations) avant de chercher à le modifier. Vérifiez si l’entité existe, récupérez son identifiant (QID) et ses liens (site officiel, réseaux, Wikipedia), puis utilisez cet ancrage dans sameAs.
Si l’entité n’existe pas ou est incomplète, ne “forcez” pas : assurez d’abord la cohérence on-site (page marque, mentions légales, profils sociaux, citations presse), puis demandez un avis à quelqu’un qui maîtrise les règles Wikidata/Wikipedia. L’idée est de protéger votre énergie : le SEO gagne surtout quand l’identifiant confirme une notoriété réelle, pas quand il tente de la créer.
7) Mesurer autrement : suivre l’entité, pas seulement le mot-clé
Si vous continuez à piloter uniquement par positions sur 10 mots, vous sous-estimerez l’impact. Ajoutez :
la diversité des requêtes (Search Console) autour d’une entité,
le trafic sur un cluster (pilier + satellites),
les conversions et la contribution au pipeline (B2B),
l’apparition dans des surfaces comme google discover (quand pertinent),
la cohérence des extraits (snippets) et des PAA (People Also Ask — Paa).
Pour compléter, surveillez aussi le classement par groupe d’intentions (informationnelle, comparaison, transactionnelle) et l’exposition dans discover sur vos pages piliers.
Applications pratiques : entités, NLP et moteurs de recherche Les moteurs recherche google utilisent des briques de compréhension (classification, extraction d’entités, relations). Sans prétendre connaître les détails internes, on peut s’appuyer sur des pratiques observables : Google investit dans le traitement langage naturel et la compréhension d’intention depuis des années. Pour travailler “comme” un moteur, vous pouvez simuler une partie du processus : extraire les entités de vos textes (NER), vérifier la cohérence entre pages d’un même cluster, identifier les entités manquantes chez vous vs les pages leaders, tester l’ambiguïté : votre page est-elle claire sur le “qui/quoi/où” ? Et surtout : validez ces choix avec le comportement de l’utilisateur (temps de lecture, clics internes, conversions) plutôt qu’uniquement avec une métrique de position. Exemple : une page B2B sur “SEO sémantique”
Si votre page parle de seo “sémantique” sans citer google, sans expliquer le knowledge graph, sans aborder les donnees structurees ou les relations entre pages, elle a peu de chances d’être perçue comme une ressource complète. À l’inverse, une page structurée par entités, avec exemples, définitions, limites et mise en œuvre, construit un signal de maîtrise.
Quels outils utiliser pour analyser les entités en SEO ?
Il n’existe pas “un” outil miracle. Les entreprises performantes combinent des outils SEO, des outils NLP, et une couche d’analyse (souvent dans un tableur ou un notebook). Voici une sélection de solutions réelles, avec les arbitrages.
Outils Google (indispensables, mais pas suffisants)
Google Search Console : pour relier entités ↔ requêtes ↔ pages, détecter cannibalisation, mesurer la longue traîne.
Rich Results Test et Schema Markup Validator : valider vos données structurées.
Google NLP (API Cloud Natural Language) : extraction d’entités et analyse, utile pour auditer des lots de contenus.
Google Maps et votre profil d’établissement : critique en seo local (entité “entreprise” + localisation).
Pour augmenter vos chances d’éligibilité à discover, soignez aussi les signaux éditoriaux : une image de qualité, une image au bon format et un titre clair, car ce sont des éléments souvent déterminants pour les utilisateurs.
Ce qu’il faut regarder dans ces outils (et pas seulement “les avoir”)
Pour que ces outils servent à une stratégie entité-first, focalisez-vous sur des sorties actionnables : dans Search Console, isolez les requêtes qui contiennent l’entité (et ses variantes) et vérifiez si elles “atterrissent” sur la bonne page canonique. Dans Google NLP, regardez la liste d’entités extraites et leur saillance : si l’entité centrale n’est pas dominante, votre introduction/structure est probablement à clarifier.
Enfin, sur Rich Results Test/Validator, ne cherchez pas seulement “zéro erreur” : assurez-vous que vos propriétés de connexion (sameAs, author, publisher, mainEntity) sont cohérentes entre pages, sinon vous déclarez des entités… mais vous ne les reliez pas bien.
Outils SEO pour cartographier sujets et entités
Semrush / Ahrefs : analyse de SERP, topics, contenus concurrents ; utile pour inférer les entités attendues dans un cluster.
Screaming Frog : crawl des pages web, extraction de balises, inventaire des schémas, détection de duplications.
Oncrawl : pour des sites plus volumineux, analyse de logs, maillage et performance technique.
Ressources entités et graphes
Wikidata : recherche d’ID d’entité, propriétés, relations.
Wikipedia : pour clarifier un concept et aligner le vocabulaire (avec prudence : ce n’est pas une “preuve” business, mais un repère sémantique).
Trade-offs à connaître (sinon vous perdez du temps)
Google NLP : puissant mais nécessite une exploitation (scripts, exports) pour être utile à l’échelle.
Semrush/Ahrefs : très efficaces pour la recherche concurrentielle, mais ne “comprennent” pas vos spécificités business ; il faut cadrer avec vos ICP, offres et marges.
Wikidata : utile quand la notoriété est réelle ; sinon, vous risquez de perdre du temps (ou de vous faire reverter des modifications).
Cas d’usage : réduire la cannibalisation grâce aux entités
La cannibalisation apparaît souvent quand une équipe produit plusieurs pages autour d’un même concept sans hiérarchie : “SEO sémantique”, “référencement sémantique”, “SEO entités”, “entités SEO”…
Une approche entité-first consiste à :
définir une page pilier pour l’entité centrale (ex. “SEO sémantique”),
attribuer aux pages satellites une relation précise (ex. “données structurées”, “Wikidata”, “Google Knowledge Graph”, “entity oriented search”),
réécrire les introductions et titres pour clarifier l’intention,
renforcer le maillage interne,
ajouter un balisage cohérent.
Résultat attendu : un ensemble plus stable, mieux “compris”, qui peut classer resultats recherche sur plus de requêtes, avec moins de pages.
Avec une entité bien définie, vous améliorez le classement non seulement sur une requête tête, mais aussi sur des requêtes de précision — et vous rendez la navigation plus fluide pour les utilisateurs.
Projection : vers une ingénierie linguistique du SEO
La tendance de fond est claire : la recherche google se rapproche d’une interaction en langage naturel. Les moteurs et les IA ne consomment plus seulement des documents ; ils consomment des représentations (entités, relations, attributs) et réassemblent des réponses.
Pour les organisations B2B, cela implique :
une gouvernance de contenu (glossaire d’entités, owners, règles de nommage),
des templates de pages qui imposent la désambiguïsation,
une stratégie de données structurées maintenable,
une discipline de cluster (priorisation par valeur business).
Ce n’est pas “gratuit” : il faut du temps, des compétences (SEO, contenu, parfois data), et une vision. Mais c’est précisément ce qui crée un écart durable : beaucoup d’acteurs restent bloqués sur l’optimisation de surface (mots), alors que le jeu se déplace sur la compréhension (entités).
Gouvernance (concrète) : le mini-système à mettre en place en interne
Pour que l’approche tienne dans la durée, créez un référentiel simple (un tableur suffit au début) : Entité → type → URL canonique → variantes → entités liées → pages autorisées → sameAs (Wikidata/Wikipedia/reseaux). Ensuite, définissez une règle : toute nouvelle page doit choisir son entité centrale et déclarer à quel cluster elle appartient. C’est souvent ce petit rituel qui élimine 80% de la cannibalisation.
FAQ
Qu'est-ce qu'une entité nommée ?
Une entité nommée est un objet identifiable de façon unique (personne, lieu, organisation, produit, etc.) détectable dans un texte et interprétable par les moteurs. En SEO, elle sert de “point d'ancrage” sémantique : Google peut relier votre page à un concept précis plutôt qu’à une simple suite de mots.
Comment optimiser le contenu pour les entités nommées ?
Commencez par choisir l’entité centrale de la page, puis couvrez ses relations clés (sous-thèmes) avec une structure claire et des exemples. Ensuite, renforcez la désambiguïsation (définitions, contexte) et déclarez vos entités via des données structurées, idéalement en les alignant avec des identifiants externes (Wikipedia/Wikidata via sameAs quand c’est légitime).
Quels outils utiliser pour analyser les entités en SEO ?
Google Search Console reste la base pour relier requêtes et pages, et Google NLP permet d’extraire des entités à l’échelle. Complétez avec Screaming Frog (inventaire et technique), Semrush/Ahrefs (analyse SERP et contenus), et Wikidata/Wikipedia pour vérifier et désambiguïser les concepts.
Par quoi commencer si je veux une démarche simple dès cette semaine ?
Choisissez une page pilier stratégique, listez l’entité centrale + 6 à 10 entités liées “incontournables”, puis vérifiez : (1) l’entité centrale est claire dès l’intro, (2) chaque entité liée apparaît dans une section logique avec une relation explicite, (3) la page a des liens internes vers 3 à 5 satellites, (4) le balisage sameAs pointe vers des profils cohérents (dont Wikidata si pertinent). Ensuite, suivez dans Search Console si les requêtes se concentrent mieux sur la bonne URL.
Conclusion : l’entité comme unité stratégique de visibilité
Le vrai changement n’est pas d’ajouter quelques mots “sémantiques” à vos textes. Il est de concevoir votre stratégie SEO autour d’entités nommées : des concepts clairement définis, reliés entre eux, et explicitement déclarés via des données structurées. Cette approche améliore la compréhension, réduit la cannibalisation, renforce l’autorité thématique et prépare vos contenus aux usages IA.
En structurant vos connaissances (et votre connaissance métier) autour d’entités stables, vous facilitez aussi la réutilisation des contenus par les systèmes de recommandation et par discover.
Prochaines étapes (concrètes) :
choisir 3 à 5 entités business prioritaires (offres, expertises, catégories),
cartographier les relations et intentions associées,
construire un cluster par entité,
déployer un socle de données structurées, puis mesurer à l’échelle du cluster.
Pour aller plus loin (et gagner du temps)
Si vous voulez accélérer, appuyez-vous sur des ressources et experts qui maîtrisent à la fois SEO et web sémantique : la documentation Schema.org et les guidelines Google sur les données structurées, les ressources Wikidata (modèle, propriétés, notoriété), et des praticiens SEO spécialisés en sémantique/entités. C’est souvent là que vous évitez les faux débats (ex. “faut-il absolument une page Wikidata ?”) et que vous priorisez les actions qui bougent vraiment la Search Console.
CTA (optionnel) : se faire accompagner sur une stratégie entité-first
Chez Junto, nous accompagnons des équipes marketing B2B pour passer d’un SEO centré mots-clés à une stratégie sémantique orientée entités : cadrage des clusters, gouvernance éditoriale, données structurées, et pilotage par impact business. Si vous cherchez une méthode robuste plutôt qu’une suite de tactiques, c’est typiquement le bon moment pour structurer ce chantier.
En pratique, ce type d’accompagnement vise aussi à mieux convertir les utilisateurs : un contenu plus clair, des images mieux intégrées, et une cohérence d’entités qui soutient le classement et la découverte via discover.
Checklist rapide : surveillez discover dans Search Console, testez plusieurs formats d’image, et maintenez un référentiel de connaissance (entités + relations) pour garder une cohérence à grande échelle.
Enfin, au-delà de Google, cette base de connaissances rend vos contenus plus faciles à exploiter par des IA internes (recherche documentaire) et à maintenir dans le temps.
discover peut devenir un relais de visibilité si vos pages combinent actualité/valeur, entités claires et signaux médias ; suivez discover régulièrement pour ajuster.
Astuce gouvernance : documentez les types d’entités prioritaires, les types de sources acceptées, et les types de pages où l’entité doit apparaître explicitement (titre, intro, données structurées).
Pour mieux servir l’utilisateur, vérifiez que chaque page pilier répond à la question principale, propose une image explicative, et renvoie vers les bonnes pages satellites : ce parcours aide les utilisateurs et soutient le classement.
Enfin, gardez une boucle de retour : analysez les retours des utilisateurs (questions, objections, PAA) pour enrichir votre base de connaissance et alimenter vos améliorations SEO.
Dernier point : l’optimisation pour discover se pilote aussi par l’angle éditorial ; quand votre entité est bien définie, il est plus simple de produire des contenus “news-like” sans perdre la cohérence sémantique, et d’augmenter la surface de visibilité dans discover.
Un dernier mot (amical) avant de vous lancer
Si tout ça vous semble dense, c’est normal : vous ne changez pas juste une “optimisation”, vous changez une façon de penser le contenu. Commencez petit (une entité, un cluster, une page pilier), testez, puis étendez. Et si vous hésitez entre deux options, choisissez celle qui rend la page plus claire pour un humain : c’est très souvent celle qui rend aussi la page plus claire pour Google.