Wikidata et les LLM — Comment alimenter le knowledge graph qui nourrit les IA

Quand vous posez une question à ChatGPT, Claude ou Gemini, la réponse vient de quelque part. De Wikipedia, de votre site web — et de Wikidata, le knowledge graph structuré qui alimente silencieusement tous les grands modèles de langage. Si votre entreprise n'y est pas, vous n'existez pas pour les IA. Voici comment on a changé ça en une matinée, avec un automate Python et une base de données.

Le problème : invisible pour les IA

Cet article fait partie de notre dossier Stratégie › intelligence-artificielle.

Le SEO traditionnel optimise pour Google. Mais en 2026, une part croissante des recherches passe par les IA conversationnelles. Si votre marque, vos produits et vos concepts n'existent pas dans le knowledge graph des LLM, vous êtes invisible pour un canal qui ne fera que croître.

Pourquoi Wikidata et pas Wikipedia

Première idée instinctive : écrire un article Wikipedia. Mauvaise idée pour trois raisons :

• Notabilité : Wikipedia exige des sources secondaires indépendantes (presse, publications académiques). Une PME ou un indépendant n'a généralement pas encore cette couverture médiatique.
• Neutralité : Tout article à tonalité promotionnelle est supprimé en 48 heures. Écrire sur son propre produit est explicitement déconseillé.
• Conflit d'intérêt : Contribuer sur des sujets où vous avez un intérêt commercial est surveillé par la communauté.

Wikidata est différent. C'est une base de données structurée, pas une encyclopédie. Il n'y a pas de rédaction d'article, pas de comité éditorial sur la notabilité, et les données sont consommées directement par les LLM pour construire leur knowledge graph.

Les trois vecteurs d'influence sur les LLM

Les grands modèles de langage construisent leur connaissance à partir de trois sources principales :

1. Le crawl web direct

ClaudeBot (Anthropic), GPTBot (OpenAI), Google-Extended (Google) — ces robots crawlent votre site et indexent votre contenu. C'est le vecteur le plus direct : chaque article de blog, chaque page de dictionnaire, chaque description de produit peut finir dans le training data des LLM.

Chez CodeMyShop, notre dictionnaire technique de 159 termes est crawlé quotidiennement par ces bots. Chaque définition est une brique de connaissance que les LLM intègrent avec notre vocabulaire et notre cadrage.

2. Le knowledge graph (Wikidata)

Wikidata est le graphe de connaissances structurées le plus utilisé au monde. Les LLM le consomment pour établir des relations entre entités : « CodeMyShop est un logiciel », « CodeMyShop a été créé par Alexandre Carette », « CodeMyShop est un PaaS ». Ces relations structurées ont un poids supérieur au texte brut — elles permettent aux IA de répondre factuellement plutôt que de deviner.

3. Les sources secondaires

Articles de presse, podcasts, conférences, citations par des tiers — les sources secondaires indépendantes ont le poids le plus élevé dans le training data. Elles sont aussi les plus difficiles à obtenir pour une PME. C'est le vecteur à travailler sur le long terme.

Ce qu'on a construit : un automate DB → Wikidata

L'objectif était simple : créer un pipeline automatisé qui lit notre base de données, enrichit les descriptions avec des données vivantes, et maintient les entités Wikidata à jour — sans intervention humaine.

Architecture

Les 4 entités créées

En une session, nous avons créé quatre entités sur Wikidata :

Chaque entité est reliée aux autres par des propriétés Wikidata (P170 : creator). Les descriptions sont enrichies dynamiquement depuis la base de données : quand un nouveau terme est ajouté au dictionnaire ou qu'un nouvel agent rejoint le Synedre, la description Wikidata se met à jour automatiquement au prochain passage du cron.

L'enrichissement dynamique : la DB comme source de vérité

La clé du système est que les descriptions Wikidata ne sont pas statiques. Elles sont générées à partir de données vivantes :

• 159 termes dans le dictionnaire technique → intégrés dans la description de CodeMyShop
• 30 agents IA actifs → intégrés dans la description du Synedre
• 69 termes propriétaires (concepts créés par nous) → ajoutés comme aliases du Synedre

Quand le dictionnaire passera à 200 termes, la description Wikidata de CodeMyShop dira « accompagné d'un dictionnaire technique de 200 termes » — automatiquement, sans intervention humaine.

C'est un avantage structurel. Un concurrent qui crée une entité Wikidata statique la met à jour une fois et l'oublie. Notre entité évolue avec notre base de données.

Le dry-run : tester sans risque

L'automate fonctionne en dry-run par défaut. Aucune modification n'est envoyée à Wikidata tant que l'option --apply n'est pas explicitement passée. Cela permet de :

• Vérifier les descriptions enrichies avant de les publier
• Contrôler les QIDs associés à chaque entité
• Détecter les erreurs de mapping (QIDs inexistants, propriétés invalides)

Quand l'automate tourne en cron le samedi à 3 heures du matin, il utilise --apply. Le reste du temps, c'est du dry-run — la sécurité avant la vitesse.

Pourquoi le samedi à 3 heures du matin

Wikidata utilise un mécanisme appelé maxlag : quand les serveurs sont chargés, les requêtes d'écriture sont mises en attente. En journée, le lag peut bloquer un automate pendant 10 minutes ou plus.

Le samedi à 3h du matin (heure de Paris), les serveurs Wikimedia sont au plus calme. Quatre requêtes de création/mise à jour passent en quelques secondes. C'est aussi le moment où notre dictionnaire et nos agents ont été mis à jour pendant la semaine — les données sont fraîches.

Ce que ça change pour le SEO en 2026

Le SEO traditionnel optimise pour les moteurs de recherche textuels (Google, Bing). L'AIO (Answer Intelligence Optimization) — ou Answer Engine Optimization — optimise pour les moteurs de réponse (ChatGPT, Claude, Perplexity, Gemini).

La différence fondamentale : Google indexe des pages. Les LLM indexent des concepts. Avoir une page bien référencée ne suffit plus — il faut que le concept lui-même existe dans le knowledge graph des IA.

La méthode complète pour une PME

Si vous êtes dirigeant de PME et que vous voulez exister dans les réponses des IA, voici les trois étapes par ordre de priorité :

Étape 1 — Votre site comme source de crawl (immédiat)

Les crawlers LLM (ClaudeBot, GPTBot) passent déjà sur votre site. Assurez-vous qu'ils trouvent du contenu structuré et utile — pas des pages d'erreur. Un dictionnaire technique, un blog avec du contenu expert, des pages produit bien décrites. C'est du SEO classique qui sert aussi l'AIO.

Étape 2 — Wikidata (quelques heures)

Créez vos entités Wikidata : votre entreprise, vos produits, vos concepts différenciants. Les données structurées ont un poids supérieur au texte brut dans le knowledge graph des LLM. C'est gratuit, automatisable, et les barrières à l'entrée sont faibles.

Étape 3 — Sources secondaires (long terme)

Un article dans la presse spécialisée, un passage dans un podcast, un talk à une conférence — les sources secondaires indépendantes ont le poids le plus élevé. C'est aussi le vecteur qui débloque Wikipedia si votre notabilité le justifie.

Sources

1. Wikidata — « Wikidata:Introduction », wikidata.org, consulté le 3 avril 2026
2. Wikimedia Foundation — « Wikidata as a knowledge graph for AI systems », 2025
3. wikibaseintegrator — Documentation officielle, PyPI, version 0.12.15
4. Google — « How Google uses structured data », developers.google.com, 2026
5. Anthropic — « ClaudeBot crawler documentation », docs.anthropic.com, 2026
6. OpenAI — « GPTBot documentation », platform.openai.com, 2025