Données structurées sur les 1,000 premières pages d’accueil : ce que voient les crawlers IA

Résultats clés

• 47.5 % des grandes pages d’accueil contiennent du JSON-LD dans le HTML qu’elles servent, et 51.9 % des données structurées d’un type ou d’un autre, microdata et RDFa compris.
• Seules 31.3 % identifient l’entreprise derrière le site avec un nœud Organization ou Corporation. Parmi elles, 85 % renvoient vers leurs profils ailleurs avec sameAs.
• WebSite est le type le plus courant, sur 29.8 % des pages d’accueil, et 96 déclarent encore une SearchAction.
• FAQPage est rare sur les pages d’accueil : 13 sur 486.
• 22.8 % des pages d’accueil affichent moins de 100 mots avant l’exécution du JavaScript. Un crawler qui n’effectue pas le rendu voit une page presque vide. La page d’accueil médiane compte 709 mots dans son HTML brut.
• Les bases sont presque universelles : 95 % ont un titre, 87 % déclarent une langue, 83 % une meta description et 70 % une URL canonique.

Pourquoi le HTML brut est le chiffre qui compte

L’analyse du trafic des crawlers publiée par Vercel en décembre 2024 a conclu que « none of the major AI crawlers currently render JavaScript », y compris GPTBot, ClaudeBot et PerplexityBot (Vercel). Googlebot effectue le rendu des pages ; les crawlers IA, selon cette analyse, prennent ce que le serveur envoie. Un JSON-LD injecté par un gestionnaire de balises, ou une page d’accueil construite entièrement dans le navigateur, peut donc sembler complet dans votre navigateur et vide pour eux. Tout sur cette page a été mesuré ainsi : une requête, sans JavaScript.

Le tableau complet

Les données structurées vous font-elles citer ?

Personne ne l’a démontré. Google dit qu’aucun balisage particulier n’est nécessaire pour apparaître dans AI Overviews ou AI Mode (Google Search Central), et la documentation des crawlers des entreprises d’IA ne mentionne pas schema. Ce que fait un nœud Organization avec des liens sameAs, c’est déclarer, en un seul endroit lisible par machine, qui vous êtes et où vous existez ailleurs, le genre de fait sur lequel les assistants se trompent. Notre guide sur le balisage schema et les citations IA passe en revue les preuves.

Ce qu’il faut vérifier sur votre propre page d’accueil

1. Regardez le code source, pas l’inspecteur. Si votre JSON-LD n’apparaît qu’après l’exécution des scripts, les crawlers qui n’effectuent pas le rendu ne le verront pas.
2. Ajoutez un nœud Organization avec votre nom, votre URL, votre logo et des liens sameAs vers vos vrais profils.
3. Mettez votre affirmation principale en texte, dans le HTML. Une phrase simple sur ce que vous vendez et à qui, lisible sans JavaScript.
4. Lancez le vérificateur de données structurées, qui lit votre page de la même façon que cette étude.

Méthode et limites

Nous avons pris les 10,000 premiers domaines de la liste Tranco GQ3LK (un classement de recherche qui combine des données Chrome UX Report, Cloudflare Radar, Cisco Umbrella, Majestic et Farsight du 28 septembre au 27 octobre 2026). Le 28 octobre 2026, notre crawler a demandé la page d’accueil de chaque domaine en HTTPS, en suivant les redirections. Beaucoup d’entrées Tranco sont des domaines de CDN, d’API ou de tracking sans site web : 2,155 n’ont donné aucune réponse HTTP et 1,415 ont répondu 403. Nous avons gardé les 5,480 domaines dont la page d’accueil renvoyait une page HTML avec le statut 200, comptés une fois par nom d’hôte final après redirections. Cette partie de l’étude porte sur les 486 sites classés dans le top 1,000 ; 3 pages d’accueil de plus de 3 MB ont été écartées.

Chaque page d’accueil a été lue avec le parseur de notre vérificateur de données structurées : blocs JSON-LD, leurs types schema.org, attributs microdata et RDFa, balises meta robots et en-tête X-Robots-Tag, et nombre de mots de texte visible dans le HTML tel que servi. Les types sont comptés une fois par page d’accueil, nœuds imbriqués compris. Seules les pages d’accueil ont été mesurées ; les pages produit et article contiennent généralement plus de balisage. Notre crawler s’est identifié comme Mentioned-Research/1.0. Les sites qui refusent les bots inconnus au pare-feu sont absents de l’échantillon, et ces sites sont probablement plus stricts avec les crawlers IA aussi, donc considérez chaque taux de blocage ici comme un plancher plutôt qu’une estimation pour tout le web.

Citer cette page

Vous pouvez citer ces chiffres et en faire des graphiques avec un lien vers cette page. Citation suggérée : Mentioned, « Structured Data on the Top 1,000 Homepages: What AI Crawlers See », 28 octobre 2026, https://mentioned.at/learn/homepage-structured-data-study. Données et texte publiés sous licence CC BY 4.0.

Questions

Lancer un check gratuit