Entity disambiguation : définition

Actualité : Depuis le 15 mai 2026, Google publie un guide officiel d'optimisation pour ses fonctionnalités d'IA générative dans la Recherche, où l'entreprise démonte plusieurs croyances du GEO : ni fichier llms.txt, ni balisage particulier, ni découpage du contenu ne sont nécessaires pour être repris dans ses réponses (Search Engine Land, 15 mai 2026).

Deux entreprises portent le même nom. Un mot désigne à la fois un fruit et une multinationale. Pour un moteur, ce n'est pas une coquetterie de langage : c'est une décision à prendre avant de classer quoi que ce soit. Cette décision porte un nom, l'entity disambiguation, et elle explique pourquoi certaines marques sont décrites de travers par les IA alors que leur site va très bien.

Définition de l'entity disambiguation

L'entity disambiguation, ou désambiguïsation d'entités, est l'étape où un moteur décide à quelle entité précise renvoie un nom ambigu. Elle transforme une chaîne de caractères en un identifiant unique dans une base de connaissances.

Le mot que vous tapez et la chose dont vous parlez sont deux objets différents. « Cicéro » peut désigner l'orateur romain, une unité typographique, et notre agence. Tant qu'un moteur manipule des lettres, il ne sait pas laquelle des trois vous intéresse. La désambiguïsation est le moment où il choisit, et où il attache la mention à une fiche stable : un identifiant Wikidata, un nœud du Knowledge Graph, une entrée de sa base interne.

Google a posé le problème publiquement en mai 2012, en lançant son Knowledge Graph. Amit Singhal, alors patron de la Recherche, résume l'enjeu en une phrase restée célèbre : « Language can be ambiguous, do you mean Taj Mahal the monument, or Taj Mahal the musician ? » La réponse de Google tient dans un slogan, « things, not strings » : des choses, pas des chaînes de caractères. Le graphe contenait dès son lancement plus de 500 millions d'objets et plus de 3,5 milliards de faits et de relations entre ces objets.

Un nom, plusieurs entités : d'où vient le problème

L'ambiguïté vient du décalage entre la forme de surface, autrement dit le nom écrit, et l'entité réelle qu'elle désigne. Un même nom peut renvoyer à plusieurs entités, et une même entité peut porter plusieurs noms.

Le problème se décline en trois cas que je croise sans arrêt sur le terrain. L'homonymie d'abord : deux sociétés françaises portent le même nom commercial dans deux secteurs sans rapport, et le moteur doit trancher. Les variantes ensuite : « Cicéro », « Cicero Studio » et « cicero.studio » désignent la même chose, mais rien ne le dit à une machine tant qu'on ne l'écrit pas quelque part. Le vide enfin : la marque est trop jeune ou trop discrète pour exister dans la base de connaissances, et le système la range dans la catégorie « aucun candidat », ce que la littérature appelle une résolution NIL.

Ces trois cas produisent le même symptôme visible : votre site se positionne correctement, mais quand un utilisateur ou une IA parle de vous, la description part de travers. Mauvaise ville, mauvais secteur, dirigeant qui n'est pas le vôtre. Ce n'est pas un problème de ranking, c'est un problème d'identité.

Cicero Studio a réalisé 1212 audits SEO/GEO à ce jour. Ce que ce volume m'a appris sur ce point précis : le défaut d'identité ne saute jamais aux yeux du dirigeant, parce qu'il cherche sa marque avec son propre contexte en tête, celui que le moteur n'a pas. Il tape le nom, reconnaît son site en première position, et conclut que tout va bien. La confusion se révèle ailleurs, dans une réponse d'assistant ou dans un panneau de connaissance qui mélange deux sociétés.

Comment une machine tranche

Les systèmes de liage d'entités procèdent en trois temps : générer des candidats plausibles, encoder le contexte de la mention, puis classer les candidats et retenir le meilleur. Si aucun ne convient, le système conclut à une entité absente de sa base.

La mécanique est documentée depuis longtemps côté recherche. La synthèse de référence sur les modèles neuronaux, « Neural Entity Linking: A Survey of Models Based on Deep Learning » (Sevgili et al., 2022), décrit une architecture générique en trois composants : la génération de candidats, l'encodage du contexte de la mention, et le classement des entités. Traduit en langage de tous les jours, ça donne ceci.

Étape 1, les candidats. Le système récupère toutes les entités connues qui pourraient correspondre au nom rencontré. Pour « Apple », il sort la marque, le fruit, le label de musique. Une marque absente de la base ne figure dans aucune liste de candidats, donc ne peut jamais gagner.

Étape 2, le contexte. Il regarde ce qui entoure la mention. Un texte qui parle de verger et de variété penche vers le fruit. Un texte qui parle de Cupertino et d'iPhone penche vers l'entreprise. Ce sont les co-occurrences, et elles font l'essentiel du travail.

Étape 3, le classement. Chaque candidat reçoit un score, le meilleur gagne. En dessous d'un certain seuil de confiance, aucun candidat ne l'emporte. La mention reste alors non résolue. C'est le cas le plus fréquent pour une PME qui n'a laissé aucune trace structurée sur le web.

Désambiguïsation, entity SEO, knowledge graph

L'entity SEO est la discipline complète. Le knowledge graph SEO vise l'entrée dans la base de connaissances de Google. La désambiguïsation est l'étape de résolution : le moment où le moteur choisit entre plusieurs candidats portant le même nom.

Ces trois notions se recouvrent, et les confondre fait perdre du temps. Voici comment je les sépare quand je travaille un dossier.

L'ordre compte. On ne désambiguïse pas une entité qui n'existe pas dans la base : il faut d'abord y entrer, ce qui relève du knowledge graph. Et on ne travaille pas sérieusement l'un sans l'autre, puisque les signaux se recoupent largement. Le SEO sémantique fournit la couche au-dessus : les sujets, et la façon dont ils se relient.

Les signaux qui font pencher la balance

Trois familles de signaux comptent : les identifiants externes déclarés en balisage Organization, la cohérence stricte de la description partout où la marque apparaît, et les co-occurrences avec des entités déjà connues.

Le premier levier est explicite dans la documentation de Google. Sa page sur les données structurées Organization, mise à jour le 15 avril 2026, précise que certaines propriétés sont utilisées en coulisses pour distinguer votre organisation des autres, et cite nommément iso6523 et naics. Elle documente aussi le numéro duns et le leiCode, plus les identifiants fiscaux vatID et taxID. Autrement dit, Google offre un moyen de dire « c'est cette société-là, avec ce numéro-là », et presque personne ne l'utilise.

Le deuxième levier est la propriété sameAs de schema.org, qui relie votre page à d'autres URL décrivant la même entité. C'est le pont entre votre site et les points d'ancrage externes : un profil LinkedIn, un registre officiel. Le plus décisif reste Wikidata, la base de connaissances libre où chaque entité porte un identifiant unique de type Q312. Un identifiant Wikidata correct est le raccourci le plus net vers une résolution propre.

Le troisième levier ne se code pas. Il s'écrit. Un moteur désambiguïse par le contexte, donc les mots qui entourent votre nom sur le web comptent autant que votre balisage. Si votre marque apparaît toujours à côté de votre métier et de votre ville, entourée des noms de vos dirigeants comme de vos clients, la machine finit par apprendre le rattachement. Si elle apparaît dans du texte creux et interchangeable, il n'y a rien à apprendre. C'est un des points que Google défend depuis 2012 avec ses brevets sur les entités et les modèles de langage, et que l'on retrouve dans les travaux plus récents sur les formats ouverts de connaissance.

Ce que ça change dans les réponses IA

Un assistant qui n'a pas résolu votre entité produit soit une réponse générique, soit une réponse sur un homonyme. Comme la réponse est unique et rédigée avec assurance, l'erreur circule sans contradiction.

Dans une page de résultats classique, dix liens cohabitent et l'utilisateur corrige lui-même. Dans une réponse générée, il n'y a qu'une version, et elle est affirmative. C'est ce qui rend une confusion d'identité beaucoup plus coûteuse qu'avant : elle ne se dilue plus. J'ai vu des dirigeants découvrir en réunion que ChatGPT attribuait à leur société l'activité d'une homonyme située à 400 kilomètres.

La forme des requêtes aggrave le phénomène. On ne dicte pas un mot-clé à un assistant, on lui pose une question longue et située. Ces formulations tapent dans la longue traîne, là où les données de contexte sont rares. Selon les données internes de Cicero Studio, sur les 4887 mots-clés français analysés, 34 % pèsent moins de 100 recherches par mois. Ce sont précisément ces requêtes peu documentées qui laissent le moteur choisir seul, et donc se tromper. Nous avons comparé ce comportement entre assistants dans notre comparatif des assistants sur les marques françaises.

Le contenu joue le rôle de fournisseur de contexte. L'étude fondatrice « GEO: Generative Engine Optimization » (Aggarwal et al., 2023), menée sur un banc de 10 000 requêtes par des équipes de Princeton, Georgia Tech, l'Allen Institute for AI et l'IIT Delhi, montre que citer des sources et intégrer des statistiques augmente nettement la visibilité d'un contenu dans une réponse générée. Une page qui nomme ses sources et ses chiffres donne aussi, mécaniquement, plus de matière pour rattacher l'entité au bon dossier.

Tester votre propre résolution en 20 minutes

Cherchez votre nom seul, puis votre nom suivi de votre métier, et comparez. Demandez ensuite à trois assistants de décrire l'entreprise sans leur donner votre site. Une erreur sur le secteur ou sur la ville signale une résolution ratée.

1. Le nom nu. Tapez le nom commercial seul sur Google, en navigation privée. Notez ce qui sort en premier et si un panneau de connaissance apparaît.
2. Le nom plus le métier. Refaites la recherche avec votre activité. Si les résultats changent radicalement de nature, le moteur ne rattache pas votre nom à votre secteur.
3. Le test aveugle. Demandez à trois assistants (ChatGPT, Perplexity, Gemini) de décrire l'entreprise en donnant uniquement son nom, sans URL. Vous verrez immédiatement quelle entité ils ont retenue.
4. La contre-épreuve. Cherchez vos homonymes. Une société qui porte votre nom dans un autre secteur, avec un site plus ancien, est votre concurrent direct sur l'identité, pas sur le marché.
5. Le balisage. Vérifiez que votre page d'accueil déclare bien un bloc Organization avec un sameAs renseigné, et un identifiant officiel si vous en avez un.

Je teste ces cinq points avant de toucher au moindre balisage, parce que la correction à mener dépend entièrement de ce qu'ils révèlent. Ce protocole ne demande aucun outil payant. Il donne un diagnostic honnête en une vingtaine de minutes, et il suffit souvent à révéler que le problème n'était pas là où l'on croyait.

Ce que la désambiguïsation ne fait pas

Trois limites méritent d'être posées franchement, parce qu'elles sont systématiquement gommées par les discours commerciaux.

Elle ne fait pas ranker. Résoudre correctement une entité aide un moteur à parler juste de vous. Cela ne remplace ni le contenu, ni la pertinence, ni la qualité technique du site. Une marque parfaitement identifiée sur une page vide reste une page vide.

Elle ne s'achète pas par le balisage seul. C'est le point le plus mal compris, et Google l'écrit noir sur blanc dans son guide d'optimisation pour les fonctionnalités d'IA générative : les données structurées ne sont pas requises pour ces fonctionnalités, et il n'existe pas de balisage schema.org spécial à ajouter. Le balisage Organization sert à lever une ambiguïté d'identité. C'est utile et mesurable. Ce n'est pas un bouton de citation. Le même guide écarte au passage le fichier llms.txt et le découpage artificiel du contenu, deux recettes qui circulent beaucoup, comme on l'a détaillé sur l'étude Ahrefs sur schema markup et citations IA.

Elle ne se règle pas en une semaine. Les bases de connaissances se mettent à jour à leur rythme, et les sources externes qui vous décrivent aussi. Le travail consiste à rendre l'information cohérente partout et à attendre que le système apprenne. Quiconque promet une correction de panneau de connaissance sous quinze jours vous vend une certitude qu'il n'a pas. La contrainte s'accentue quand les sources de référence se ferment aux robots, comme l'a montré la restriction de Wikipédia sur les contenus générés par IA.

L'approche Cicéro

Chez Cicéro, la désambiguïsation n'est pas un chantier séparé : elle tombe dans le même flux que le reste, celui d'une agence GEO. On commence par un audit qui regarde ce que Google et les assistants disent réellement de la marque, homonymes compris. Vient ensuite la production éditoriale, qui installe le nom dans un contexte stable et répété, avec des sources nommées et vos données propres. Le maillage sémantique automatisé referme la boucle en reliant ces pages pour que le territoire soit lisible d'un bloc. La promesse tient en une phrase : la qualité d'une agence, la productivité d'un software.

Alexis Dollé

Fondateur de Cicéro

Fondateur de Cicéro et consultant en visibilité organique, j'aide les entreprises à exister sur Google comme dans les réponses des IA. Les confusions d'identité sont l'angle mort que je rencontre le plus souvent en audit : une marque bien positionnée, décrite de travers par un assistant parce qu'un homonyme occupe la place dans la base de connaissances. C'est un problème d'entité, pas de ranking. Il se traite autrement.

LinkedIn