# Knowledge Graph > Un Knowledge Graph (graphe de connaissances) est une base de données qui organise l'information sous forme d'entités (personnes, lieux, marques, concepts) reliées entre elles par des relations sémantiques explicites. Popularisé par le Google Knowledge Graph en 2012, ce modèle permet aux moteurs et aux IA de comprendre le sens des choses, et non plus seulement de faire correspondre des mots-clés. Chaque entité y est identifiée de façon unique, dotée d'attributs et connectée à d'autres entités via des relations typées (« fondée par », « située à », « auteur de »). En GEO, le Knowledge Graph est central : les grands modèles de langage et les moteurs de réponse s'appuient sur ces graphes pour vérifier les faits, désambiguïser les entités et décider quelles marques citer. Être présent et cohérent dans un Knowledge Graph augmente donc fortement la probabilité d'être reconnu comme une entité de confiance par l'IA. [source]: https://luwiz.io/glossaire/knowledge-graph --- Un Knowledge Graph relie des entités plutôt que des mots. Là où un index classique stocke des pages contenant des termes, un graphe de connaissances stocke des faits : « LUWIZ est une agence », « LUWIZ est située à Albi », « LUWIZ a été fondée en 2023 ». Cette structure transforme la recherche en compréhension. ## Comment ça marche Un graphe repose sur trois éléments : des **entités** (nœuds), des **attributs** (propriétés d'une entité) et des **relations** (liens typés entre entités). On parle souvent de triplets « sujet – prédicat – objet ». Google construit le sien à partir de sources structurées (Wikidata, Wikipédia), de [données structurées](/glossaire/donnees-structurees) déclarées par les sites via Schema.org, et de l'extraction automatique d'[entités nommées](/glossaire/entite-nommee) dans le texte. Plus une entité accumule de signaux concordants, plus elle est considérée comme fiable et désambiguïsée. ## Pourquoi c'est important en GEO Les moteurs de réponse et les LLM ne citent pas des pages au hasard : ils privilégient des entités qu'ils savent identifier et relier. Une marque absente des graphes de connaissances reste invisible pour l'IA, même avec un bon contenu. À l'inverse, une entité bien établie est plus souvent reprise comme source dans ChatGPT, Perplexity ou les AI Overviews. Le Knowledge Graph est le pont entre votre marque et l'IA : sans présence d'entité cohérente, pas de citation. ## Exemple concret Imaginez deux agences au contenu équivalent. La première déclare un balisage Organization complet, possède une fiche Wikidata et des mentions cohérentes ; la seconde non. Quand un utilisateur demande « meilleures agences GEO en France », l'IA s'appuie sur les entités qu'elle reconnaît dans son graphe. La première agence devient candidate à la citation, la seconde reste un texte parmi d'autres. C'est tout l'enjeu d'une stratégie [GEO](/services/geo) centrée sur l'entité.