Vous tapez votre nom dans Google et vous voyez un encadré, quelques liens, parfois une photo qui n’est pas la vôtre. La réaction immédiate consiste à vouloir corriger cet affichage. C’est une erreur de diagnostic. Ce que le moteur projette à l’écran découle d’une représentation interne construite ailleurs, dans un graphe de connaissances que vous ne voyez jamais. Travailler sur la requête de nom propre sans mesurer cet écart revient à repeindre une façade en ignorant la structure du bâtiment. La méthode qui suit propose de regarder sous le capot avant de toucher au visible.
ce que Google a réellement retenu de vous
Le Knowledge Graph existe depuis 2012. Google l’a présenté cette année-là comme un graphe de connaissances reliant personnes, lieux, organisations et concepts, une façon de passer des chaînes de caractères aux choses qu’elles désignent. Depuis, tout ce que le moteur sait de votre entité vit dans cette structure, alimentée par des sources externes, des données structurées et des recoupements textuels. Sur michel-hunault.com, les articles techniques sur l’indexation et les audits de pages montrent bien cette mécanique : ce qui compte, c’est la lecture que fait la machine, pas la déclaration que fait le propriétaire du site.
Pour approcher cette lecture, il faut un outil qui découpe le texte en entités nommées. C’est exactement ce que fait un modèle NER, entraîné sur le français, capable de repérer dans vos pages les personnes, les lieux, les organisations et le reste.
L’outil d’analyse d’entités de SLASHR s’appuie sur ce type de modèle et sort quatre étiquettes : PER pour les personnes, LOC pour les lieux, ORG pour les organisations, MISC pour tout ce qui ne rentre pas dans les cases. La nomenclature est simple, la lecture qu’on en tire l’est beaucoup moins.
cartographier l’entité comprise, pas celle qu’on espère
La première étape consiste à faire tourner l’analyse sur votre site, puis sur les pages qui parlent de vous ailleurs. Vous obtenez une liste d’entités reconnues, avec leur type et leur fréquence. Le modèle ne lit pas ce que vous voulez dire, il lit ce qui est écrit et comment les mots s’enchaînent.
Si votre page « à propos » mentionne votre nom une fois et votre ville trois fois, le moteur en déduit une proximité géographique forte. Ça ne veut pas dire qu’il a tort, ça veut dire que votre texte dit ça.
La saillance complète cette lecture. Dans l’outil SLASHR, elle correspond au nombre de mentions d’une entité rapporté à la longueur du texte. Une entité citée souvent dans un article court pèse plus qu’une entité citée autant dans un pavé de trois mille mots. Vous pouvez donc comparer la saillance de votre nom, de votre entreprise et de votre ville sur chaque page, et voir laquelle écrase les autres. Souvent, la réponse surprend.
les écarts qui reviennent le plus souvent
Une fois la cartographie posée, la confrontation avec la page de résultats devient lisible. Voici les décalages que l’on retrouve régulièrement quand on prend la peine de mesurer les deux côtés.
- Votre nom est classé en ORG par le modèle, alors que vous êtes une personne physique qui exerce seule : le texte parle plus de la structure que de l’individu.
- Une ville reconnue en LOC avec une saillance très haute, signe que la page décrit un territoire plus qu’un métier.
- Pourquoi un homonyme apparaît-il dans le Knowledge Panel alors que vous n’apparaissez jamais dans les pages qui le citent ?
- Un ancien poste reste attaché à l’entité parce qu’un annuaire n’a jamais mis à jour sa fiche, et le modèle continue de le lire comme actuel.
- La page d’accueil et la page de contact racontent deux entités différentes : deux adresses, deux formulations de votre activité, parfois deux noms d’usage.
Chaque ligne de cette liste se vérifie dans les données, pas dans une intuition. Vous pouvez pointer la phrase exacte qui fait basculer une entité d’un type à l’autre, et c’est là que le travail devient concret. Sans cette étape, on corrige au hasard en espérant que l’encadré change.
répondre aux questions que tout le monde se pose sur le SEO
Les lecteurs qui arrivent sur ce sujet cherchent souvent des repères plus larges, et il faut y répondre sans détour. Le référencement naturel repose sur trois piliers historiques : la technique, le contenu et la popularité. Sur ce point, voir aussi notre article sur balise title google.
Un audit SEO consiste à examiner ces trois axes pour repérer ce qui bloque la lecture d’un site par les moteurs, de l’indexation à la structure des liens. Quant aux types de SEO, on distingue classiquement le technique, le sémantique et le hors-site, même si la frontière bouge avec les modèles de langage.

Sur les quatre piliers du SEO, la formulation varie selon les écoles : technique, contenu, netlinking, et expérience utilisateur. Ce découpage reste utile parce qu’il rappelle une chose simple, un site peut être parfait sur trois axes et invisible à cause du quatrième. Pour la requête de nom propre, c’est souvent le contenu qui pèche, rarement la technique.
Un consultant SEO & GEO indépendant depuis 2025 comme David Corroy, fondateur de Phonandroid et actif dans le métier depuis 2004, travaille ces angles à partir de Valenciennes, dans les Hauts-de-France, avec un diagnostic facturé 390 € HT puis un accompagnement mensuel à 490 € HT. Il propose aussi un diagnostic IA & automatisation à 1 200 € HT livré en deux semaines, utile quand il s’agit justement de passer les pages au crible d’un modèle NER.
des outils de mesure qui changent le diagnostic
Un NER français ne remplace pas un audit complet, mais il apporte ce qui manquait : une lecture machine de votre propre texte. Vous pouvez lancer l’analyse sur vos pages, puis sur trois ou quatre sources qui parlent de vous, et comparer les entités détectées de chaque côté.
L’écart entre les deux listes indique où le moteur puise son information, et donc où il faut intervenir en priorité. Parfois, la correction se limite à réécrire un paragraphe de présentation qui mélange allègrement personne, société et adresse.
La même logique s’applique aux données structurées, qui restent le moyen le plus direct de déclarer une entité, à condition qu’elles soient cohérentes avec le texte visible. Déclarer une organisation dans le balisage alors que la page parle d’une personne seule crée un conflit que le moteur arbitre à sa manière, pas forcément la vôtre. Franchement, c’est ce genre d’incohérence qui explique la plupart des encadrés bancals, bien plus que l’absence de netlinking ou de balises parfaites.

Il reste une part d’incertitude qu’aucun outil ne supprime. Le graphe se nourrit de sources que vous ne contrôlez pas, et certains recoupements mettent des mois à se propager. La mesure donne une direction, elle ne donne pas une garantie de résultat à date fixe. Un diagnostic honnête le dit clairement, quitte à décevoir ceux qui attendent un bouton magique pour faire disparaître un homonyme encombrant.
mesurer avant de corriger, toujours
La requête de nom propre se gagne sur ce que le moteur a compris, pas sur ce qu’il affiche. Tant que vous ne cartographiez pas les entités détectées, leurs types et leur saillance, vous corrigez à l’aveugle un symptôme dont la cause se trouve dans vos textes et dans les sources tierces.
La démarche demande un peu de méthode et un outil capable de lire le français correctement, mais elle replace le débat là où il se joue vraiment. La prochaine fois que vous taperez votre nom, regarderez-vous d’abord l’encadré ou les phrases qui l’ont produit ?

