ChatGPT
Claude
Perplexity
Gemini
GrokPourquoi le balisage Schema.org décide si les LLM citent vos formations
Quand un lycéen tape « meilleure école de marketing digital à Lyon » dans ChatGPT, le moteur IA ne lance pas une recherche de liens. Il reconstruit une réponse à partir de sa base de connaissance — et cette base inclut les données structurées qu'il a extraites de votre site lors de ses cycles d'indexation. Si votre page programme n'est pas balisée, elle est un bloc de texte parmi des milliers. Si elle l'est correctement, elle devient une entité nommée, avec un niveau, des débouchés, un coût et une accréditation : exactement le format dont un LLM a besoin pour formuler une recommandation.
Ce guide s'inscrit dans une stratégie GEO plus large — consultez notre guide de la visibilité IA pour les écoles pour le cadre complet. La checklist BOFU des pages programme couvre les signaux éditoriaux ; cet article se concentre sur l'implémentation technique du balisage.
Les chiffres sont sans ambiguïté : seulement 23 % des réponses IA mentionnent au moins une école du panel Skolbot (Source : Monitoring GEO Skolbot, 500 requêtes × 6 pays × 3 moteurs IA, fév. 2026). Les établissements qui ont implémenté Schema.org structuré obtiennent en moyenne +12 points de visibilité dans les réponses IA (Source : Monitoring GEO Skolbot, fév. 2026). L'écart entre ces deux groupes n'est pas une question de notoriété — c'est une question de lisibilité machine.
Le balisage Schema.org est l'un des 15 signaux que les LLM évaluent pour recommander un établissement — notre analyse des signaux LLM de recommandation d'école détaille leur poids relatif. Schema.org est le seul signal entièrement sous votre contrôle technique direct, déployable en une journée sur l'ensemble de votre catalogue de formations.
EducationalOccupationalProgram vs Course : quel type choisir ?
Schema.org propose deux types principaux pour décrire vos formations. Le choix entre les deux n'est pas anodin : un mauvais type réduit la précision des données exploitables par les LLM.
EducationalOccupationalProgram pour vos formations diplômantes
EducationalOccupationalProgram est le type adapté à tout programme menant à un titre ou une certification reconnue : bachelor, master, MBA, MSc, BTS, licence professionnelle, titre RNCP. C'est lui qui expose les propriétés les plus utiles aux moteurs IA pour répondre à des requêtes du type « meilleure formation bac+3 en commerce à Bordeaux » ou « master marketing reconnu RNCP niveau 7 Paris ».
Ce type inclut des propriétés absentes du type Course : educationalCredentialAwarded, occupationalCategory, programType, programPrerequisites et numberOfCredits. Ce sont précisément les champs que ChatGPT, Perplexity et Gemini utilisent pour qualifier un programme dans leurs réponses.
Course pour vos modules et formations courtes
Course s'applique aux modules isolés, aux formations courtes, aux blocs de compétences, aux formations d'éducation continue et aux executive education non diplômantes. Il convient également pour les MOOCs et micro-certifications.
La règle pratique : si le programme aboutit à un titre enregistré au RNCP ou à un diplôme d'État, utilisez EducationalOccupationalProgram. Dans les autres cas, Course suffit — mais enrichissez-le avec hasCourseInstance pour préciser les dates et modalités de chaque session.
Les 8 propriétés Schema.org qui déclenchent les citations IA
Voici un exemple JSON-LD complet pour un bachelor en marketing digital, directement intégrable dans la balise <head> ou le <body> de votre page programme :
{
"@context": "https://schema.org",
"@type": "EducationalOccupationalProgram",
"name": "Bachelor Marketing Digital",
"description": "Programme bachelor 3 ans axé sur le marketing digital, l'e-commerce et l'analyse de données. Diplôme visé RNCP niveau 6, grade licence.",
"url": "https://www.ecole-exemple.fr/formations/bachelor-marketing-digital",
"provider": {
"@type": "EducationalOrganization",
"name": "École de Commerce Exemple",
"sameAs": "https://www.ecole-exemple.fr"
},
"programType": "Bachelor",
"educationalCredentialAwarded": "Bachelor Marketing Digital — RNCP niveau 6, grade licence délivré par l'État",
"numberOfCredits": "180",
"creditUnit": "ECTS",
"timeToComplete": "P3Y",
"applicationDeadline": "2026-06-15",
"offers": {
"@type": "Offer",
"price": "8900",
"priceCurrency": "EUR",
"description": "Frais de scolarité annuels — financement CPF, alternance et bourses disponibles"
},
"occupationalCategory": [
"Chef de projet digital",
"Traffic manager",
"Social media manager",
"Data analyst marketing",
"Responsable e-commerce"
],
"courseMode": "onsite",
"inLanguage": "fr",
"programPrerequisites": {
"@type": "EducationalOccupationalCredential",
"credentialCategory": "Baccalauréat ou équivalent — niveau 4 RNCP"
}
}
Ce bloc couvre les 8 propriétés déterminantes. Voici pourquoi chacune compte :
1. name — L'intitulé exact du programme, avec le niveau (Bachelor, Master, MSc, MBA). Évitez les formulations marketing : « Bachelor Marketing Digital » est indexable ; « La formation qui transforme vos ambitions digitales » ne l'est pas. L'intitulé dans le schema doit correspondre exactement au <h1> de la page — les divergences entre balise et titre dégradent la cohérence de l'entité.
2. description — Entre 150 et 300 caractères. Commencez par les mots-clés que vos prospects utilisent (filière, durée, diplôme, spécialisation), pas par une accroche éditoriale. Cette propriété est souvent directement extraite par les LLM pour formuler leur réponse sur un programme.
3. educationalCredentialAwarded — La propriété la plus importante pour les requêtes de type « formation reconnue par l'État ». Incluez le niveau RNCP (niveau 6, 7…), le grade (licence, master), l'organisme certificateur. Une valeur générique comme « diplôme de bachelor » prive l'IA des données de comparaison qu'elle cherche.
4. occupationalCategory — Un tableau d'intitulés de postes précis. C'est le champ que les LLM interrogent sur les requêtes « meilleure formation pour devenir [métier] ». Des valeurs génériques comme « management » ou « commerce » ne déclenchent aucune correspondance ; « Traffic manager », « Responsable acquisition SEA », « Data analyst marketing » en déclenchent.
5. offers / price — Le coût de la formation avec la devise. Les LLM utilisent cette donnée pour répondre aux requêtes filtrées par budget (« école de commerce moins de 10 000 € par an »). L'absence de tarif laisse votre programme hors des comparaisons tarifaires — un angle que les candidats explorent de plus en plus via les IA.
6. courseMode — Valeurs valides : onsite, online, blended. Ce champ répond directement aux requêtes « formation en alternance 100 % à distance » ou « master en présentiel Paris ». Pour une formation en alternance, combinez courseMode: "blended" avec une mention explicite dans la description.
7. programPrerequisites — Décrit le niveau d'entrée requis. Utilisez EducationalOccupationalCredential pour structurer la réponse : niveau RNCP, type de baccalauréat, ou prérequis de compétences. Cette propriété répond aux requêtes de type « peut-on intégrer ce master sans licence dans la même filière ».
8. numberOfCredits / creditUnit — Le volume en ECTS (European Credit Transfer System). Pour un bachelor 3 ans : 180 ECTS. Pour un master 2 ans : 120 ECTS. Ce champ est utilisé par les LLM pour les comparaisons entre programmes européens et les requêtes sur la reconnaissance internationale des diplômes.
Baliser les accréditations françaises dans Schema.org
Le système d'accréditation français — RNCP, grade de master, CTI, CEFDG, AACSB — est une source majeure de signaux de légitimité pour les LLM. Notre article dédié aux accréditations et citations IA couvre la stratégie globale ; voici comment les encoder en Schema.org.
Pour une certification RNCP, utilisez educationalCredentialAwarded avec le niveau et le numéro de fiche :
"educationalCredentialAwarded": {
"@type": "EducationalOccupationalCredential",
"name": "RNCP niveau 7 — Manager Marketing et Communication",
"credentialCategory": "degree",
"recognizedBy": {
"@type": "GovernmentOrganization",
"name": "France Compétences",
"url": "https://www.francecompetences.fr"
},
"url": "https://www.francecompetences.fr/recherche/rncp/RNCP37999"
}
Pour les accréditations institutionnelles (CTI, CEFDG, AACSB, EQUIS), utilisez hasCredential au niveau du provider (EducationalOrganization) :
"hasCredential": [
{
"@type": "EducationalOccupationalCredential",
"name": "Accréditation CEFDG",
"credentialCategory": "institutional accreditation",
"recognizedBy": {
"@type": "Organization",
"name": "Commission d'Évaluation des Formations et Diplômes de Gestion"
}
},
{
"@type": "EducationalOccupationalCredential",
"name": "Accréditation AACSB",
"credentialCategory": "institutional accreditation",
"recognizedBy": {
"@type": "Organization",
"name": "AACSB International"
}
}
]
Ajoutez la propriété sameAs avec l'URL de la fiche France Compétences pour relier votre entité programme à la source de référence officielle. Cette liaison entre votre domaine et francecompetences.fr est un signal de vérifiabilité fort pour les LLM : ils peuvent croiser votre déclaration avec la source gouvernementale.
Les débouchés métiers — le signal le plus cité par les LLM
La propriété occupationalCategory est systématiquement le champ le plus corrélé aux citations IA sur les requêtes de type « meilleure formation pour devenir [métier] ». Un LLM construit ses recommandations par correspondance d'entités : si un prospect demande « comment devenir data analyst marketing », il cherche des formations dont le schema déclare explicitement "Data analyst marketing" dans occupationalCategory.
Trois règles pour maximiser l'efficacité de ce champ :
Utilisez les intitulés du marché de l'emploi, pas les libellés académiques. « Responsable acquisition digitale » correspond aux offres d'emploi que vos diplômés vont postuler. « Professionnel du numérique » ne correspond à rien d'indexable.
Visez 4 à 6 intitulés spécifiques. En dessous de 4, votre programme paraît trop étroit pour les requêtes génériques. Au-delà de 6, le signal se dilue et le schema perd en précision.
Croisez avec les données d'insertion. Si votre enquête CGE ou alumni montre que 34 % de vos diplômés deviennent traffic managers, c'est l'intitulé à mettre en premier. Les LLM n'ordonnent pas le tableau, mais la mention de données chiffrées dans le texte visible de la page renforce la crédibilité de chaque intitulé déclaré dans le schema. Pour les données d'enquête CGE de référence, consultez cge.asso.fr.
Tester et valider votre balisage
Avant de déployer votre JSON-LD en production, trois types de validation sont nécessaires : syntaxique (le JSON est valide), sémantique (les propriétés existent dans le vocabulaire Schema.org) et opérationnelle (Google peut générer des rich results à partir de votre balisage).
| Outil | URL | Ce qu'il vérifie |
|---|---|---|
| Rich Results Test (Google) | https://search.google.com/test/rich-results | Validité du JSON-LD, éligibilité aux rich results |
| Schema.org Validator | https://validator.schema.org | Conformité au vocabulaire Schema.org |
| Google Search Console | https://search.google.com/search-console | Erreurs de données structurées en production |
| Structured Data Linter | https://linter.schema.org | Détection des erreurs de syntaxe |
Le Rich Results Test de Google est le point d'entrée systématique : copiez l'URL de votre page programme ou collez directement le JSON-LD. S'il affiche des erreurs, corrigez-les avant de passer aux outils suivants. Une page qui passe le Rich Results Test avec zéro erreur est correctement interprétable par les crawlers qui alimentent les corpus des LLM.
Testez chaque page programme individuellement — un schema valide sur la page principale n'implique pas que les autres pages sont correctement balisées.
Erreurs fréquentes (et comment les corriger)
Erreur 1 : utiliser des valeurs génériques dans occupationalCategory. « Management », « business », « commerce » ne correspondent à aucune requête métier précise dans ChatGPT ou Perplexity. Remplacez par des intitulés de poste réels : « Directeur commercial », « Business developer », « Key account manager ». Vérifiez avec la base ROME de France Travail pour trouver les appellations standardisées.
Erreur 2 : omettre le niveau RNCP dans educationalCredentialAwarded. Écrire "educationalCredentialAwarded": "Diplôme de Master" prive l'IA de l'information de niveau. La formulation correcte inclut le niveau et la référence : "Master Marketing — RNCP niveau 7, grade national de master délivré par arrêté MESRi".
Erreur 3 : oublier l'objet provider avec EducationalOrganization. Sans provider, votre programme flotte sans rattachement à une entité école. Les LLM ne peuvent pas construire de recommandation institutionnelle — ils citent des écoles, pas juste des programmes. L'objet provider avec name et sameAs (URL principale de votre école) est obligatoire.
Erreur 4 : utiliser Course pour des formations diplômantes. Un master en alternance balisé comme Course perd les propriétés educationalCredentialAwarded, occupationalCategory et programPrerequisites — les trois champs les plus lus par les LLM. Vérifiez le type de chaque page programme dans votre audit de balisage.
Erreur 5 : ne pas renseigner offers avec le tarif. Les candidats posent de plus en plus à ChatGPT des questions filtrées par coût : « école de design moins de 8 000 € par an à Paris ». Un programme sans offers.price est absent de ces requêtes comparatives. Ajoutez le tarif annuel et la devise, même si vous proposez des aides (mentionnez-les dans offers.description).
Erreur 6 : incohérence entre le name du schema et le <h1> de la page. Si le schema déclare « Bachelor Marketing Digital » et que le titre de la page est « Bachelor en Marketing & Numérique », les LLM traitent ces deux chaînes comme deux entités distinctes potentiellement différentes. L'alignement exact entre le schema et le contenu visible est un prérequis de l'identification d'entité fiable.
FAQ
Faut-il un balisage Schema.org pour chaque formation ou seulement les principales ?
Un schema par page programme, sans exception. Les LLM lisent chaque page de façon indépendante — un schema présent sur votre page bachelor n'apporte rien à votre page master. Si votre catalogue comprend 12 formations, chacune doit avoir son propre JSON-LD EducationalOccupationalProgram avec ses propriétés spécifiques. Commencez par vos programmes à plus fort volume de candidatures, puis étendez à l'ensemble du catalogue.
Mon CMS peut-il générer le JSON-LD automatiquement ?
Oui, la plupart des CMS le permettent avec les bons outils. Sous WordPress, les plugins RankMath et Schema Pro génèrent le JSON-LD EducationalOccupationalProgram à partir de champs personnalisés. Sous Webflow, injectez le JSON-LD via le champ « Custom code » de la page (section head). Avec un CMS headless (Contentful, Sanity, Strapi), créez un composant de template qui génère le bloc JSON-LD à partir des champs programme. Dans tous les cas, validez le rendu final avec le Rich Results Test avant de déployer — les générateurs automatiques produisent parfois des schémas incomplets ou syntaxiquement incorrects.
Quel est le délai avant que le balisage soit pris en compte par les LLM ?
Pour Google (rich results et AI Overviews) : 1 à 4 semaines après le prochain crawl. Pour Perplexity, qui indexe le web en temps réel : 1 à 3 semaines. Pour ChatGPT en mode standard (sans navigation web) : les données proviennent des cycles d'entraînement du modèle, avec un délai de 1 à 3 mois. ChatGPT avec navigation web intègre les changements plus rapidement, en quelques semaines. Déployez le balisage dès que possible — les effets s'accumulent, et un schema en place depuis 6 mois est structurellement plus fiable qu'un schema récent pour les crawlers qui alimentent les corpus.
Schema.org remplace-t-il les autres signaux GEO ?
Non. Schema.org est l'un des 15 signaux que les LLM évaluent — notre article sur les signaux LLM de recommandation d'école les classe par impact. Le balisage amplifie vos autres signaux (liens d'autorité, avis, accréditations mentionnées en prose, taux d'insertion cités dans le texte) mais ne les remplace pas. Une page programme avec un schema parfait mais sans contenu textuel structuré, sans données d'insertion, et sans mentions externes sera moins citée qu'une page qui cumule les deux.
Comment savoir si mes pages programme sont bien indexées par les IA ?
La méthode la plus directe : testez vous-même. Posez à ChatGPT, Perplexity et Gemini des questions sur votre école et vos programmes (requêtes génériques sur les métiers, requêtes avec votre nom, requêtes géographiques). Notre article sur le comparatif des outils d'audit de visibilité IA pour les écoles détaille les méthodes d'audit systématique et les outils disponibles pour suivre votre visibilité dans le temps.
Testez gratuitement la visibilité IA de votre école Demandez une démo personnalisée
