Un Product Knowledge Graph (PKG) est une base de données structuree qui represente les produits d'un catalogue sous forme d'entites reliees par des relations (marque, catégorie, materiau, compatibilite, avis). En 2026, trois graphes dominent le retail mondial : Google Shopping Graph (45 milliards d'offres), Amazon Shopping Graph (19 milliards), et l'ecosysteme Schema.org (produit generique, public). Maîtriser sa présence dans ces graphes est devenu aussi stratégique que maîtriser son SEO il y a 10 ans.
Qu'est-ce qu'un Product Knowledge Graph ?
Contrairement a un catalogue plat (liste de SKU avec attributs), un Product Knowledge Graph modelise les relations entre produits et entites. Exemple : un smartphone iPhone 17 Pro est relié a la marque Apple (entite Organization), a la catégorie smartphone haut de gamme (entite ProductCategory), aux accessoires compatibles (entite Product), aux avis agregees (entite AggregateRating), aux retailers qui le vendent (entites Retailer avec Offers). Cette modelisation permet aux agents IA de répondre a des questions complexes ("quel smartphone autour de 800 € avec bonne autonomie et photo de nuit ?") en explorant le graphe plutot qu'en parcourant lineairement des listings. Le PKG est la couche d'abstraction qui rend les agents shopping possibles. Voir agentic commerce définition.
Les 3 graphes dominants en 2026
Trois graphes concentrent 90 % des transactions pilotees par agents en 2026. Google Shopping Graph : 45 milliards d'offres, consomme par Google Shopping, AI Overviews, Gemini Agents et ChatGPT Operator (via web search). Acces gratuit via Google Merchant Center. Amazon Shopping Graph : 19 milliards de produits mondialement, consomme par Amazon Rufus, Alexa et certains agents tiers via l'Amazon Product Advertising API. Acces limite aux vendeurs Amazon ou aux partenaires Affiliate. Schema.org Product : graphe public generique alimente par les schemas Product/Offer de chaque site, consomme par tous les moteurs generatifs. Gratuit et decentralisé. Une stratégie solide 2026 couvre les trois canaux avec des priorites selon le marche.
Architecture d'un Product Knowledge Graph
Un PKG repose sur une structure a 4 couches. Couche 1 — entites : Products, Brands, Catégories, Retailers, Reviews, Offers. Couche 2 — relations : hasManufacturer, isVariantOf, isCompatibleWith, hasOffer, hasReview. Couche 3 — attributs : chaque entite possède des champs typés (color, size, material, priceRange). Couche 4 — signaux de qualité : score de completude (% d'attributs renseignes), score de fraîcheur (dernière mise a jour), score de réputation (note + nb avis + anciennete). Les agents interrogent ce graphe via requetes structurees (SPARQL pour Schema.org, API REST pour Google et Amazon). Un e-commerce qui expose ses données complètes gagne en visibilité structurelle. Voir Schema.org pour GEO.
Les attributs qui comptent pour les agents
Les attributs ne se valent pas aux yeux des agents. Les audits Transacts sur 20 e-commerces français ont identifié les 12 attributs les plus discriminants : marque, modele, SKU/GTIN, catégorie précise, prix, disponibilite en stock, delai livraison, pays d'origine, certifications (bio, CE, RoHS), ingredients/composants (pour alimentation/cosmetique), compatibilite (pour électronique), aliments allergenes (pour food). Une fiche avec ces 12 attributs surclasse largement une fiche avec 4-5 attributs dans les agents. Pour les secteurs spécialisés, ajouter 3-5 attributs sectoriels : taille/matière pour la mode, puissance/format pour l'electromenager, age/genre pour les jouets. Voir optimiser e-commerce agents IA.
Comment nourrir le Shopping Graph Google
Trois méthodes. Méthode 1 : Google Merchant Center avec feed produit XML ou Google Sheets. Gratuit, ouvert a tous, exigences de conformite (taxes, GTIN, images). Permet de lister les produits dans Google Shopping, AI Overviews et Gemini Agents. Méthode 2 : Structured Data (Schema.org Product + Offer) sur chaque fiche produit du site. Complement automatique qui enrichit Google Shopping via le crawl. Méthode 3 : Google Content API (pour automatiser la synchronisation) ou partenariat avec un agregateur (Lengow, Channable, ProductsUp) qui gère le feed. La combinaison des trois méthodes donné la couverture maximale. Transacts recommandé Merchant Center + Schema.org en mini, et un agregateur pour les catalogues au-dessus de 1 000 SKU.
Amazon Shopping Graph : specificites et acces
Amazon Shopping Graph est plus ferme que Google. Pour exister dedans, il faut vendre sur Amazon (programme Vendor ou Seller) ou être partenaire via Amazon Associates / Product Advertising API (reserved to publishers et affiliates certifiés). Pour les marques qui ne veulent pas vendre sur Amazon, l'acces au graphe est indirect : via des syndications de prix et de stocks gérées par des agregateurs spécialisés. Le graphe est consomme par Amazon Rufus (assistant shopping lance en 2024), Alexa, et certains agents tiers. En France, l'intérêt d'Amazon Shopping Graph est majeur pour les secteurs ou Amazon est dominant (électronique, livres, jouets, consommables). Plus limite pour les secteurs ou Amazon a peu de part de marche (mode premium, alimentation bio). Voir API-first commerce.
Cas d'application : un retailer electromenager
Un retailer français d'electromenager (45 magasins + e-commerce, 8 000 SKU, 62 millions € CA) a lance un programme PKG en septembre 2025. Actions : (a) enrichissement des 8 000 fiches produit de 11 attributs a 22 attributs (classé energetique, volume, dimensions, consommation, bruit dB, garantie, compatibilite smart home, recyclabilite), (b) connexion Google Merchant Center avec feed XML quotidien, (c) agregateur Lengow pour Facebook Shop + Google Shopping + Cdiscount Marketplace, (d) déploiement Schema Product + Offer + AggregateRating sur toutes les fiches. Résultat mars 2026 : +42 % d'impressions Google Shopping, 2,1 % du trafic vient d'AI Overviews Google (contre 0,3 % en septembre), conversion +18 %.
Comment Transacts accompagne sur les PKG
Transacts proposé un audit PKG en 3 livrables : diagnostic de completude du catalogue (% d'attributs renseignes par catégorie, comparatif concurrents), plan d'enrichissement priorisé (les 20 attributs les plus discriminants a ajouter en premier), mise en place des canaux de syndication (Google Merchant, agregateur, Schema.org automatisé via CMS). Durée typique : 12-16 semaines pour un catalogue moyen de 2 000-10 000 SKU. ROI observe : +30 a +50 % de trafic agent-refere sur 9 mois. Voir page métier SEO IA & GEO.
Questions fréquentes Product Knowledge Graphs
Faut-il enrichir tous les produits ?
Non, prioriser par Pareto. Les audits Transacts montrent que 20 % des SKU génèrent typiquement 80 % du trafic agent. Concentrer l'enrichissement sur ces 20 % (soit 200 a 2 000 SKU selon le catalogue) produit l'essentiel du ROI. Les 80 % restants peuvent être enrichis progressivement via automatisation (scraping des fiches marque, utilisation d'APIs fournisseurs) ou laisses en l'état pour les SKU long tail. La stratégie : enrichissement manuel des top 200 SKU, enrichissement semi-automatique des suivants 2 000 via AI extraction, enrichissement automatique des restants via feed fournisseur. Voir 12 KPIs GEO.
Les GTIN sont-ils obligatoires ?
Presque. Google Merchant Center exige les GTIN (EAN/UPC/ISBN) pour la plupart des catégories depuis 2022, avec des exceptions pour les produits vintage, personnalises, ou fabriques maison. Sans GTIN, la fiche est souvent retrogradee ou exclue de Google Shopping. Amazon exige systématiquement les GTIN sauf pour les produits "Handmade". La stratégie recommandée : obtenir les GTIN aupres des fabricants (souvent disponibles sur les emballages), ou acheter des codes GS1 pour les produits en marque propre (environ 150 € pour 100 codes). L'absence de GTIN est un deal-breaker majeur dans le PKG moderne.
Quelle fréquence de mise a jour ?
Quotidienne au minimum pour le stock et le prix, hebdomadaire pour les attributs, mensuelle pour les avis. Google Merchant Center recommandé un refresh quotidien du feed XML avec horodatage. Les agents IA shopping penalisent les feeds obsoletes. Les e-commerces Shopify et BigCommerce beneficient d'une mise a jour en temps réel via l'API native Google Shopping. Pour les e-commerces Magento, WooCommerce ou custom, un cron quotidien qui regenere le feed est la solution standard. Les agregateurs (Lengow, Channable) automatisent ce rafraichissement avec monitoring des erreurs.
Les reviews doivent-ils être dans le graphe ?
Oui, les reviews agregees sont un signal critique. Schema.org AggregateRating doit être déployé sur chaque fiche produit avec les valeurs fraiches (ratingValue, reviewCount). Google et Amazon importent aussi les reviews via leur plateforme native (Google Seller Ratings, Amazon Product Reviews). Pour les e-commerces qui utilisent un provider externe (Trustpilot, Avis Vérifiés, Feefo), l'intégration automatique est généralement fournie par le provider. Ne pas exposer les reviews aux agents est une perte majeure : les audits Transacts montrent que les fiches avec reviews structures sont selectionnees 2,8x plus que les fiches sans. Voir optimiser e-commerce agents.
Schema.org suffit-il sans Merchant Center ?
Non pour Google. Schema.org Product est un complement mais pas un substitut a Merchant Center. Google Shopping Graph est alimente prioritairement par les feeds Merchant Center, avec Schema.org en enrichissement secondaire. Un e-commerce qui n'a que Schema.org sans Merchant Center apparait peu dans Google Shopping. Pour les autres canaux (ChatGPT Operator web search, Perplexity Shopping), Schema.org seul peut suffire car ces agents crawlent directement les sites. La configuration optimale en 2026 : Schema.org Product + Offer + Merchant Center + un agregateur pour syndication multi-canal. Coût total : 50-250 €/mois selon l'agregateur. Voir API-first commerce.