Catégorie : 641 Alimentation & cuisine

Par Steve Prud’Homme

Cet article a été généré grâce à l’aide de plusieurs outils d’intelligence artificielle.

Résumé

Ce rapport établit l’existence et l’importance d’un standard universel pour la description structurée des recettes de cuisine, piloté par l’initiative Schema.org et mis en œuvre préférentiellement via le format JSON-LD. Il détaille l’anatomie du schéma Recipe, en distinguant les propriétés obligatoires et recommandées qui permettent aux moteurs de recherche de générer des résultats enrichis, améliorant ainsi significativement la visibilité et le taux de clics. L’analyse couvre les bénéfices stratégiques en matière de SEO, d’expérience utilisateur et de compatibilité avec les technologies futures comme la recherche vocale. Un guide d’implémentation pratique est fourni, comparant les solutions automatisées pour les plateformes comme WordPress aux approches plus techniques utilisant des générateurs de sites statiques avec Markdown et GitHub Pages. Le rapport aborde également les procédures de validation et de débogage essentielles pour assurer la conformité et l’efficacité du balisage. Enfin, il explore l’impact de ces données structurées sur un écosystème plus large, incluant les réseaux sociaux, les applications de gestion de recettes et l’entraînement de modèles d’intelligence artificielle, positionnant le balisage sémantique comme une pierre angulaire de l’avenir des technologies culinaires.

Mots-clés : données structurées, Schema.org, JSON-LD, recette de cuisine, SEO, résultats enrichis, rich snippets, WordPress, GitHub Pages, Markdown, intelligence artificielle.

Section 1 : Le standard numérique pour les recettes : comprendre Schema.org et JSON-LD

L’existence d’un standard pour la description structurée des recettes de cuisine est non seulement une réalité, mais elle constitue un pilier fondamental du web sémantique moderne. Ce standard permet aux machines, notamment aux moteurs de recherche et aux assistants intelligents, de comprendre le contenu d’une recette avec une précision inégalée, bien au-delà de la simple analyse de mots-clés.

1.1 Introduction au balisage sémantique : parler le langage des moteurs de recherche

Pour répondre directement à la question, oui, il existe un standard universel et largement adopté pour la description des recettes de cuisine. Ce standard est défini par le vocabulaire de Schema.org, une initiative collaborative lancée et soutenue par les plus grands moteurs de recherche mondiaux, incluant Google, Bing, Yahoo! et Yandex (Schema.org, s.d.; WiziShop, s.d.). Cette collaboration est un point essentiel, car elle garantit l’universalité et la pérennité du standard, le distinguant de formats de niche ou propriétaires.

Les données structurées, ou balisage sémantique, sont une méthode permettant de fournir des « indices explicites » sur la signification du contenu d’une page web (Google, 2024; Keyword.com, s.d.). Au lieu de laisser un moteur de recherche deviner qu’une page parle d’une recette parce qu’elle contient les mots « ingrédients » et « temps de cuisson », les données structurées permettent d’étiqueter formellement chaque élément. Par exemple, on peut déclarer : « Ceci est le nom de la recette », « Ceci est la liste des ingrédients », « Ceci est le temps de cuisson », et « Ceci est le nombre de calories ». Cette approche transforme une page de texte lisible par l’homme en une base de données structurée et lisible par la machine.

1.2 Choisir son format : pourquoi JSON-LD est le standard recommandé

Le vocabulaire de Schema.org peut être implémenté sur une page web via trois formats principaux : JSON-LD, les Microdonnées (Microdata) et RDFa (Google, 2024; WiziShop, s.d.). Bien que les trois soient techniquement valides, le format JSON-LD (JavaScript Object Notation for Linked Data) est celui qui est explicitement et fortement recommandé par Google pour l’implémentation des données structurées (Google, 2024; Food Blogger Pro, s.d.).

La supériorité de JSON-LD ne réside pas seulement dans sa simplicité, mais dans son architecture. Les formats Microdata et RDFa sont intégrés directement dans le code HTML visible de la page. Par exemple, une balise HTML comme <span> ou <div> qui affiche le temps de cuisson sur la page contiendra également les attributs sémantiques qui l’identifient comme tel (WiziShop, s.d.). Cette approche lie intrinsèquement la donnée sémantique à sa présentation visuelle. Si un développeur ou un designer modifie la structure HTML de la page pour une refonte visuelle, il risque de casser ou d’altérer le balisage de données structurées.

JSON-LD, en revanche, est implémenté comme un bloc de script unique, généralement placé dans l’en-tête <head> de la page HTML, le rendant invisible pour l’utilisateur (Google, 2024; Food Blogger Pro, s.d.). Cette méthode dissocie la couche de données sémantiques de la couche de présentation. Cette « séparation des préoccupations » est un principe fondamental de l’ingénierie logicielle moderne. Elle permet aux équipes de développement backend ou aux extensions SEO de gérer les données structurées de manière programmatique, sans interférer avec le travail des designers frontend. Cette robustesse architecturale rend JSON-LD non seulement plus pratique, mais aussi plus évolutif et plus facile à maintenir pour les applications web modernes.

1.3 Perspective historique : de hRecipe à un standard unifié

Avant l’émergence de Schema.org, d’autres formats ont tenté de structurer les données de recettes. Le plus notable était le microformat hRecipe, une spécification ouverte qui utilisait les attributs de classe HTML pour baliser les informations d’une recette (par exemple, <span class="ingredient">farine</span>) (Microformats.org, 2024). Bien que fonctionnel et toujours supporté par certaines plateformes comme Samsung Food (Samsung Food, s.d.), ce format présentait des limites, notamment une moindre extensibilité et, surtout, l’absence d’un soutien unifié des grands moteurs de recherche (Microformats.org, 2024; Stack Exchange, 2011).

La transition de ces efforts communautaires disparates vers le standard unifié de Schema.org représente un moment charnière dans l’évolution du web. Ce n’était pas simplement une amélioration technique, mais un consensus stratégique entre des concurrents commerciaux. Les géants de la recherche ont reconnu qu’une couche de données structurées partagée était indispensable pour l’avenir de la recherche, des assistants vocaux et de l’intelligence artificielle. C’est ce soutien institutionnel qui confère à Schema.org son autorité et en fait aujourd’hui le seul choix viable pour les éditeurs de contenu souhaitant maximiser leur visibilité et leur interopérabilité.

Section 2 : Anatomie d’une recette : analyse détaillée des propriétés du schéma

Pour implémenter correctement les données structurées d’une recette, il est essentiel de comprendre en détail les différentes propriétés disponibles dans le type Recipe de Schema.org. Ces propriétés sont divisées en deux catégories : celles qui sont obligatoires pour être éligible aux résultats enrichis de Google, et celles qui sont recommandées pour enrichir l’expérience utilisateur et fournir un contexte plus complet aux machines.

2.1 Exigences fondamentales : le minimum pour l’éligibilité

Google définit un ensemble minimal de propriétés qui doivent être présentes pour qu’une recette puisse apparaître sous forme de résultat enrichi. Ces propriétés sont (Google, 2025) :

• name : Le nom du plat (par exemple, « Tarte aux pommes classique »).
• image : Une ou plusieurs URL menant à des photos du plat final. Il est crucial que ces images soient représentatives de la recette, et que leurs URL soient explorables et indexables par les moteurs de recherche (Google, 2025). Google recommande de fournir plusieurs images en haute résolution avec des ratios d’aspect de 16×9, 4×3 et 1×1 pour une compatibilité maximale (Google, 2025).

Bien que non listée comme obligatoire par tous les documents, la propriété recipeIngredient est dans la pratique indispensable. Elle liste chaque ingrédient et est requise pour des fonctionnalités clés comme la recherche par ingrédient ou l’affichage sur des assistants domestiques comme Google Home (SmartKeyword, s.d.).

2.2 Enrichir la recette : plongée dans les propriétés recommandées

Au-delà des exigences minimales, une multitude de propriétés recommandées permettent de décrire une recette de manière exhaustive, ce qui améliore considérablement sa valeur pour l’utilisateur et les moteurs de recherche.

• Identification et auteur :
  • author : L’auteur de la recette. Doit être une personne (Person) ou une organisation (Organization) valide, et non un texte promotionnel (Google, 2025).
  • datePublished : La date de publication de la recette, au format ISO 8601 (par exemple, « 2025-10-26 »).
  • description : Un bref résumé de la recette.
• Informations temporelles :
  • prepTime (temps de préparation), cookTime (temps de cuisson), et totalTime (temps total). Ces durées doivent impérativement être spécifiées au format ISO 8601 duration, par exemple, « PT1H30M » pour 1 heure et 30 minutes (Google, 2025; Schema.org, 2025). Il est important de noter que prepTime et cookTime doivent être utilisés conjointement. De plus, les directives récentes exigent des temps exacts et non des fourchettes (par exemple, « PT15M » et non « 10-15 minutes ») (Osumare, 2025).
• Catégorisation et mots-clés :
  • recipeCuisine : Le type de cuisine (par exemple, « Française », « Italienne »).
  • recipeCategory : La catégorie du plat (par exemple, « Dessert », « Plat principal »).
  • keywords : Des mots-clés supplémentaires. Une directive cruciale est de ne pas utiliser keywords pour des informations qui ont leur propre propriété dédiée. Par exemple, « dessert » doit être dans recipeCategory et non dans keywords (Google, 2025; Osumare, 2025).
• Rendement et nutrition :
  • recipeYield : La quantité produite par la recette (par exemple, « 8 portions », « 24 cookies »). Cette propriété devient obligatoire si des informations nutritionnelles sont fournies (Google, 2025).
  • nutrition : Un objet NutritionInformation contenant des détails comme les calories.
• Preuve sociale :
  • aggregateRating : Contient la note moyenne (ratingValue) et le nombre d’avis (ratingCount). C’est cette propriété qui permet d’afficher les étoiles dans les résultats de recherche, un facteur majeur pour augmenter le taux de clics.
  • review : Peut contenir des avis individuels.

2.3 Structurer les instructions pour les humains et les machines

La propriété recipeInstructions est particulièrement importante. Elle peut être formatée de trois manières : un simple bloc de Text, ou, de manière plus structurée, une liste d’objets HowToStep et HowToSection (Google, 2025; Schema.org, 2025).

Google recommande vivement d’utiliser un tableau d’objets HowToStep. Chaque objet HowToStep représente une seule étape de la recette, avec une propriété text décrivant l’action. Cette granularité n’est pas un simple choix de formatage. Alors qu’un humain peut lire un paragraphe d’instructions, un assistant vocal comme Google Assistant a besoin d’unités d’instruction discrètes et lisibles par machine pour guider un utilisateur étape par étape dans sa cuisine (Lemoal, 2024). L’utilisation de HowToStep n’est donc pas seulement destinée à améliorer l’affichage dans les résultats de recherche ; elle transforme la recette en une API prête à être consommée par des agents programmatiques. En structurant ainsi les instructions, les éditeurs préparent leur contenu pour des expériences de cuisine interactives et mains libres, assurant sa pertinence sur les plateformes futures au-delà du simple navigateur web.

Pour les recettes plus complexes, comme une tarte avec une pâte et une garniture, le type HowToSection permet de regrouper logiquement les objets HowToStep sous des titres distincts (par exemple, « Pour la pâte », « Pour la garniture »), offrant une clarté maximale (Google, 2025; Tech Fry, s.d.).

2.4 Intégrer le multimédia : la propriété video

Pour enrichir davantage la recette, il est possible d’intégrer un objet VideoObject directement dans le schéma Recipe via la propriété video (Google, 2025). Cet objet imbriqué possède ses propres propriétés requises et recommandées, telles que name, description, thumbnailUrl (URL de la miniature), contentUrl (URL du fichier vidéo) et uploadDate (Google Developers, 2025; Page One Formula, 2025; SEO Hacker, s.d.). L’ajout de ces informations permet à la recette d’apparaître dans les fonctionnalités de recherche vidéo, ce qui augmente considérablement sa visibilité et son attrait.

2.5 Exemples de code complets

Pour illustrer concrètement ces concepts, voici deux exemples complets de code JSON-LD.

Exemple 1 : Recette simple (tarte aux pommes)

Cet exemple montre une implémentation standard avec les propriétés requises et les plus recommandées.

JSON

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Recipe",
  "name": "Tarte aux Pommes Classique",
  "image": [
    "https://example.com/photos/1x1/tarte-pommes.jpg",
    "https://example.com/photos/4x3/tarte-pommes.jpg",
    "https://example.com/photos/16x9/tarte-pommes.jpg"
  ],
  "author": {
    "@type": "Person",
    "name": "Marie Dubois"
  },
  "datePublished": "2025-09-15",
  "description": "Une recette simple et délicieuse pour une tarte aux pommes classique, parfaite pour toutes les occasions.",
  "prepTime": "PT20M",
  "cookTime": "PT50M",
  "totalTime": "PT1H10M",
  "recipeYield": "8 portions",
  "recipeCuisine": "Française",
  "recipeCategory": "Dessert",
  "keywords": "tarte aux fruits, pâtisserie maison",
  "nutrition": {
    "@type": "NutritionInformation",
    "calories": "350 calories"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "ratingCount": "125"
  },
  "recipeIngredient": [
    "1 pâte brisée",
    "4 pommes Golden",
    "100g de sucre",
    "50g de beurre",
    "1 cuillère à café de cannelle"
  ],
  "recipeInstructions":
}
</script>

Exemple 2 : Recette complexe avec HowToSection (pizza maison)

Cet exemple illustre une utilisation avancée pour une recette en plusieurs parties, comme recommandé pour les assistants vocaux et une meilleure clarté (Google, 2025).

JSON

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Recipe",
  "name": "Pizza Margherita Maison",
  "description": "Apprenez à faire une authentique pizza Margherita avec une pâte et une sauce maison.",
  "image": "https://example.com/pizza.jpg",
  "recipeIngredient":,
  "recipeInstructions":
    },
    {
      "@type": "HowToSection",
      "name": "Préparation de la sauce et garniture",
      "itemListElement":
    },
    {
      "@type": "HowToSection",
      "name": "Assemblage et cuisson",
      "itemListElement":
    }
  ]
}
</script>

Tableau 2.1 : Propriétés clés du schéma Recipe

Le tableau suivant synthétise les propriétés les plus importantes du type Recipe de Schema.org, en précisant leur statut selon les directives de Google.

Propriété	Type(s) Attendu(s)	Statut Google	Description et Bonnes Pratiques
name	Text	Obligatoire	Le nom de la recette. Doit être clair et concis.
image	ImageObject ou URL	Obligatoire	URL(s) de l’image du plat. L’image doit être de haute qualité, indexable et représentative.
recipeIngredient	Text	Recommandé	Liste des ingrédients. Chaque ingrédient doit être sur une ligne distincte. Obligatoire pour Google Home.
recipeInstructions	Text, ItemList, HowToStep, HowToSection	Recommandé	Les étapes de préparation. L’utilisation d’une liste d’objets HowToStep est fortement conseillée.
author	Person ou Organization	Recommandé	L’auteur de la recette. Doit être un nom valide, non un texte promotionnel.
aggregateRating	AggregateRating	Recommandé	La note moyenne et le nombre d’avis. Essentiel pour afficher les étoiles dans les résultats de recherche.
cookTime	Duration	Recommandé	Temps de cuisson. Doit être au format ISO 8601 (ex: PT45M). À utiliser avec prepTime.
prepTime	Duration	Recommandé	Temps de préparation. Doit être au format ISO 8601 (ex: PT15M). À utiliser avec cookTime.
totalTime	Duration	Recommandé	Temps total (préparation + cuisson). Doit être au format ISO 8601. Peut remplacer cookTime + prepTime.
recipeYield	Text ou QuantitativeValue	Recommandé	La quantité produite (ex: « 6 portions »). Obligatoire si nutrition.calories est spécifié.
recipeCategory	Text	Recommandé	Type de plat (ex: « Entrée », « Dessert »). Ne pas utiliser keywords pour cette information.
recipeCuisine	Text	Recommandé	Type de cuisine (ex: « Italienne », « Mexicaine »). Ne pas utiliser keywords pour cette information.
nutrition	NutritionInformation	Recommandé	Informations nutritionnelles, notamment les calories.
video	VideoObject	Recommandé	Une vidéo montrant la préparation de la recette.
keywords	Text	Recommandé	Mots-clés pertinents qui n’entrent pas dans recipeCategory ou recipeCuisine.
datePublished	Date	Recommandé	Date de publication de la recette au format ISO 8601 (ex: 2025-10-26).
description	Text	Recommandé	Une courte description de la recette.

Section 3 : L’impératif stratégique : bénéfices en SEO et expérience utilisateur

L’implémentation des données structurées pour les recettes va bien au-delà d’une simple conformité technique. C’est une démarche stratégique qui génère des avantages tangibles et mesurables, tant en termes de visibilité dans les moteurs de recherche que d’amélioration de l’expérience utilisateur.

3.1 Obtenir des résultats enrichis : dominer la page de résultats

Le bénéfice le plus visible de l’utilisation du schéma Recipe est l’obtention de résultats enrichis (Rich Results), aussi appelés extraits enrichis (Rich Snippets) (SmartKeyword, s.d.; Studio GforCrea, s.d.). Contrairement aux « liens bleus » traditionnels, un résultat enrichi pour une recette peut afficher une photo du plat, une note sous forme d’étoiles, le temps de cuisson total, et même le nombre de calories, directement sur la page de résultats de recherche (SERP) (WiziShop, s.d.; SmartKeyword, s.d.).

Ces affichages peuvent prendre plusieurs formes, comme une fiche individuelle proéminente ou un carrousel interactif qui permet aux utilisateurs de faire défiler plusieurs recettes de différents sites (Lemoal, 2024). Pour être éligible à un carrousel, il est nécessaire d’utiliser la donnée structurée ItemList sur une page récapitulative qui liste plusieurs recettes (Google, 2025). Ces formats visuellement attractifs occupent plus d’espace sur la page et captent immédiatement l’attention de l’utilisateur.

3.2 L’impact sur les indicateurs de performance clés (KPI)

L’attrait visuel des résultats enrichis se traduit directement par une amélioration des indicateurs de performance. En fournissant des informations clés avant même le clic, ils permettent aux utilisateurs de qualifier la pertinence d’une recette, ce qui entraîne un taux de clics (CTR) significativement plus élevé (Lemoal, 2024; SmartKeyword, s.d.; Studio GforCrea, s.d.). Un utilisateur est bien plus susceptible de cliquer sur une recette de lasagnes notée 4.8 étoiles avec une photo appétissante que sur un simple lien textuel.

Cette amélioration du CTR déclenche un cercle vertueux puissant. Bien que les données structurées ne soient pas un facteur de classement direct, le comportement des utilisateurs l’est. Un CTR élevé envoie un signal fort aux algorithmes de Google, indiquant que la page est une réponse très pertinente à la requête de l’utilisateur (Lemoal, 2024). Au fil du temps, ces signaux positifs d’engagement peuvent contribuer à une amélioration du classement organique de la page. Le processus est le suivant : un balisage correct permet d’obtenir des résultats enrichis, qui génèrent un meilleur CTR, ce qui envoie des signaux positifs à Google, pouvant améliorer le classement, ce qui augmente encore la visibilité et le CTR.

De plus, en attirant un trafic plus qualifié, les données structurées peuvent aider à réduire le taux de rebond, car les visiteurs arrivent sur la page avec une meilleure idée de ce qu’ils vont y trouver (Studio GforCrea, s.d.). Pour les blogs culinaires monétisés par la publicité, cette augmentation du trafic qualifié se traduit directement par des revenus publicitaires plus élevés via des régies comme Mediavine ou Raptive (Bootstrapped Ventures, s.d.).

3.3 Construire l’autorité et la confiance (E-E-A-T)

Fournir des données structurées complètes et précises est en parfaite adéquation avec les directives E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness – Expérience, Expertise, Autorité, Fiabilité) de Google. Un balisage détaillé démontre un professionnalisme et une expertise dans le domaine culinaire (Google, 2024). En affichant des informations transparentes comme le nom de l’auteur, les détails nutritionnels ou les avis d’autres utilisateurs, un site construit un capital de confiance avant même que l’internaute n’ait visité la page (Studio GforCrea, s.d.; Bootstrapped Ventures, s.d.).

3.4 Alimenter la recherche vocale et l’avenir de la découverte

L’importance des données structurées transcende les écrans. Elles sont la source de données principale pour les assistants vocaux (Lemoal, 2024). Une requête comme « Ok Google, trouve-moi une recette de lasagnes végétariennes prête en moins d’une heure » ne peut être satisfaite que si un moteur de recherche peut analyser des champs de données structurées spécifiques : recipeCuisine ou keywords pour « lasagnes », suitableForDiet pour « végétariennes », et totalTime pour « moins d’une heure ». Sans un balisage sémantique précis, un site web est tout simplement invisible pour ce type de recherche conversationnelle, qui représente une part croissante du trafic (Bootstrapped Ventures, s.d.).

Section 4 : Guide d’implémentation pratique

L’intégration des données structurées de recettes peut être abordée de plusieurs manières, en fonction des compétences techniques et de la plateforme utilisée. Des outils existent pour simplifier le processus, le rendant accessible même sans connaissances avancées en développement.

4.1 Implémentation manuelle : pour les développeurs

Pour les sites web personnalisés ou les développeurs qui préfèrent un contrôle total, l’implémentation manuelle est une option viable. Le processus consiste à rédiger le script JSON-LD contenant toutes les propriétés de la recette, puis à l’insérer dans le code HTML de la page correspondante. Il est fortement recommandé de placer ce script dans la balise <head> du document pour garantir qu’il soit chargé et analysé rapidement par les moteurs de recherche, tout en le maintenant séparé du contenu visible <body> (Google, 2024; Momentic, s.d.).

4.2 Utiliser les générateurs de schéma : un code sans erreur en quelques minutes

Pour ceux qui ne sont pas à l’aise avec l’écriture de code, de nombreux outils en ligne gratuits permettent de générer automatiquement le script JSON-LD. Des plateformes comme Merkle Schema Generator ou le générateur de TechnicalSEO offrent une interface conviviale où l’utilisateur remplit un formulaire avec les détails de la recette (nom, ingrédients, temps de cuisson, etc.) (Facem Web, s.d.). L’outil compile ensuite ces informations en un script JSON-LD valide et formaté, prêt à être copié et collé sur le site web (Google, 2024). Cette méthode élimine presque entièrement le risque d’erreurs de syntaxe, qui est une cause fréquente de problèmes de validation.

4.3 L’écosystème WordPress : revue des meilleurs plugins de recettes

Pour la grande majorité des blogs culinaires et des sites de recettes utilisant WordPress, la solution la plus efficace et la plus durable est d’utiliser un plugin (Google, 2024; Food Blogger Pro, s.d.). Ces extensions automatisent non seulement la génération du JSON-LD, mais gèrent également sa mise à jour continue.

Opter pour un plugin de haute qualité et activement maintenu n’est pas seulement une question de commodité, c’est une décision stratégique de maintenance à long terme. Les directives de Google pour les données structurées évoluent ; de nouvelles propriétés sont ajoutées et les meilleures pratiques changent (Google, 2025; Osumare, 2025). Un éditeur avec des centaines de recettes codées manuellement ferait face à une charge de travail colossale pour maintenir la conformité de son site. Un plugin de qualité, en revanche, délègue cette responsabilité au développeur de l’extension. Lorsque Google met à jour ses recommandations, le développeur met à jour le plugin, et le propriétaire du site n’a qu’à effectuer cette mise à jour pour appliquer les changements à l’ensemble de ses recettes. Cela revient à externaliser la conformité technique, assurant la pérennité du balisage et permettant au créateur de contenu de se concentrer sur ce qu’il fait de mieux : créer des recettes.

On distingue deux catégories principales de plugins :

• Plugins de recettes dédiés : Des outils comme WP Recipe Maker (Bootstrapped Ventures, s.d.) et Tasty Recipes (WP Tasty, 2024) sont spécifiquement conçus pour les blogs culinaires. En plus de générer un balisage Recipe robuste et complet, ils offrent des fonctionnalités centrées sur l’utilisateur, telles que des fiches de recettes esthétiques et interactives, l’ajustement des portions, des minuteurs de cuisine, et l’affichage d’étiquettes nutritionnelles.
• Plugins SEO et schéma généraux : Des suites SEO complètes comme Schema Pro (Schema Pro, s.d.), All in One SEO (AIOSEO) (AIOSEO, s.d.), et Rank Math (Rank Math, s.d.) incluent le type Recipe parmi des dizaines d’autres types de schémas (Produit, Article, Événement, etc.). Ils sont une excellente option pour les sites qui publient une variété de contenus et souhaitent une solution de balisage centralisée.

4.4 L’approche statique : Markdown, générateurs de site et GitHub Pages

Pour les développeurs ou les créateurs de contenu à l’aise avec un flux de travail basé sur des fichiers texte, une alternative puissante aux systèmes de gestion de contenu (CMS) dynamiques comme WordPress consiste à utiliser des générateurs de sites statiques (SSG) et des plateformes comme GitHub Pages. Cette méthode consiste à rédiger des recettes dans de simples fichiers texte au format Markdown (.md) et à les transformer en un site web complet, rapide et sécurisé.

Le principe de fonctionnement

Contrairement à WordPress qui génère des pages dynamiquement à partir d’une base de données à chaque visite, un SSG prend vos fichiers de contenu (par exemple, des fichiers Markdown) et vos modèles, et génère à l’avance des fichiers HTML, CSS et JavaScript purs (Bejamas, 2024; Pressidium, s.d.). Ces fichiers statiques peuvent ensuite être hébergés sur n’importe quel serveur web, y compris des services gratuits comme GitHub Pages.

Jekyll, le moteur derrière GitHub Pages, est l’un des SSG les plus populaires pour cette tâche, mais d’autres options comme Hugo, Eleventy ou Pelican existent également (Jekyll, s.d.; Jamstack, s.d.).

Intégration du JSON-LD avec Markdown et les SSG

L’intégration des données structurées Recipe dans ce flux de travail est non seulement possible, mais peut être gérée de manière très propre et organisée. Voici les principales méthodes :

1. YAML Front Matter : C’est la méthode la plus élégante et la plus courante avec les SSG. Les métadonnées de la recette (nom, temps de cuisson, ingrédients, etc.) sont définies dans un bloc YAML au début du fichier Markdown. Le moteur de template du SSG (comme Liquid pour Jekyll) lit ensuite ces données pour générer dynamiquement le script JSON-LD dans le <head> de la page HTML finale. Cela sépare clairement les données structurées du contenu rédactionnel de la recette (Mincong.io, 2018; Cequencer, s.d.; alwillis, 2017).

Exemple dans un fichier .md avec Jekyll :

YAML

---
layout: post
title: "Tarte aux Pommes Classique"
recipe:
  "@context": "https://schema.org/"
  "@type": "Recipe"
  "name": "Tarte aux Pommes Classique"
  "prepTime": "PT20M"
  "cookTime": "PT50M"
  "recipeIngredient":
    - "1 pâte brisée"
    - "4 pommes Golden"
---

## Instructions
1. Préchauffez le four...

Le template Jekyll contiendrait alors un code pour convertir page.recipe en JSON-LD (Mincong.io, 2018).

2. Inclusion de fichiers : Une autre approche consiste à créer des fichiers .jsonld distincts pour chaque recette et à les inclure dans le modèle de page approprié. Cela permet de gérer les données structurées de manière centralisée, surtout pour les schémas complexes (alwillis, 2017).
3. Insertion directe : Il est également possible d’écrire la balise <script type="application/ld+json"> directement dans le fichier Markdown. La plupart des parseurs Markdown interpréteront ce bloc comme du HTML brut et le conserveront dans la sortie finale (Markdown Guide, s.d.). Bien que simple, cette méthode mélange les données et le contenu, la rendant moins maintenable.

Avantages et inconvénients de l’approche statique

Avantages	Inconvénients
Performance supérieure : Les sites statiques sont extrêmement rapides car ils servent des fichiers pré-construits, ce qui est un avantage majeur pour le SEO et l’expérience utilisateur (Bejamas, 2024; Pressidium, s.d.).	Barrière technique : Nécessite une familiarité avec Git, la ligne de commande et le Markdown. La mise à jour du contenu est moins intuitive pour les non-développeurs (HubSpot, 2024; Kinsta, s.d.).
Sécurité renforcée : L’absence de base de données et de traitement côté serveur réduit considérablement la surface d’attaque par rapport à un CMS dynamique (Bejamas, 2024; Pressidium, s.d.).	Fonctionnalités dynamiques limitées : L’implémentation de fonctionnalités comme les commentaires ou les évaluations des utilisateurs est plus complexe et nécessite des services tiers.
Contrôle et simplicité : Le contenu est géré dans des fichiers texte simples, ce qui permet un contrôle total et une gestion des versions via Git (Pointers Gone Wild, 2025).	Temps de compilation : Pour les très grands sites, la regénération de l’ensemble du site après chaque modification peut prendre du temps (Pressidium, s.d.).
Coût réduit : L’hébergement sur des plateformes comme GitHub Pages est souvent gratuit, et les exigences serveur sont minimes (Jekyll, s.d.; Pressidium, s.d.).	Moins de « prêt-à-l’emploi » : Contrairement à l’écosystème de plugins de WordPress, la mise en place de fonctionnalités spécifiques peut nécessiter un développement personnalisé.

En conclusion, pour un blog de recettes où la performance, la sécurité et le contrôle des versions sont prioritaires, et où le créateur de contenu est techniquement à l’aise, l’approche statique avec Markdown et GitHub Pages est une excellente alternative à WordPress.

4.5 Comment GitHub Pages transforme le Markdown en HTML avec JSON-LD : le rôle du « Front Matter » et des modèles

Le secret de l’intégration du JSON-LD dans un flux de travail basé sur Markdown et GitHub Pages réside dans la manière dont le générateur de site (Jekyll) traite les fichiers. Il ne s’agit pas d’une simple conversion ; c’est un processus en deux étapes qui utilise des « Front Matter » et des modèles.

Étape 1 : Définir les données dans le « Front Matter »

Au tout début de votre fichier .md, vous placez un bloc de métadonnées au format YAML, délimité par des triples tirets (---). C’est le « Front Matter ». Le moteur de GitHub Pages est programmé pour lire ce bloc non pas comme du contenu à afficher, mais comme des données associées à la page. C’est ici que vous structurez vos informations de recette.

Exemple de ma-recette.md :

YAML

---
layout: recette
title: "Tarte aux Pommes Classique"
recipe:
  "@context": "https://schema.org/"
  "@type": "Recipe"
  "name": "Tarte aux Pommes Classique"
  "author": "Marie Dubois"
  "prepTime": "PT20M"
  "cookTime": "PT50M"
  "recipeIngredient":
    - "1 pâte brisée"
    - "4 pommes Golden"
---

## Instructions
Ceci est le corps de ma recette, écrit en Markdown normal...

Ici, Jekyll identifie layout, title, et recipe comme des variables. La variable recipe contient l’intégralité de votre objet de données structurées.

Étape 2 : Injecter les données dans un modèle HTML

La ligne layout: recette indique à Jekyll d’utiliser un modèle HTML spécifique (par exemple, un fichier nommé recette.html situé dans un dossier _layouts). Ce modèle est une page HTML standard avec des emplacements réservés. C’est dans ce modèle que la magie opère.

Exemple du fichier de modèle _layouts/recette.html :

HTML

<!DOCTYPE html>
<html>
  <head>
    <title>{{ page.title }}</title>

    <script type="application/ld+json">
      {{ page.recipe | jsonify }}
    </script>

  </head>
  <body>
    <h1>{{ page.title }}</h1>

    {{ content }}
  </body>
</html>

Dans ce modèle, Jekyll effectue les actions suivantes :

• {{ page.title }} : Il remplace cette balise par la valeur de la variable title définie dans le Front Matter.
• {{ content }} : Il insère ici tout le contenu Markdown de votre fichier (les instructions, etc.), après l’avoir converti en HTML.
• {{ page.recipe | jsonify }} : C’est la commande cruciale. Elle demande à Jekyll de prendre la variable recipe du Front Matter, de la convertir en une chaîne de caractères JSON valide et propre (c’est le rôle du filtre jsonify), et de l’insérer à cet endroit précis, à l’intérieur de la balise <script>.

En résumé, le processus est entièrement automatisé. Vous gérez vos données structurées de manière claire dans le Front Matter de votre fichier .md, et le système de modèles de GitHub Pages se charge de les extraire et de les injecter correctement formatées dans le <head> de la page HTML finale, la rendant parfaitement lisible pour les moteurs de recherche.

Tableau 4.1 : Comparaison des principaux plugins WordPress pour le schéma de recette

Plugin	Cas d’Usage Principal	Fonctionnalités Schéma Clés	Interface Utilisateur	Prix (indicatif)
WP Recipe Maker	Dédié aux recettes	Génération automatique JSON-LD, support des recettes guidées, métadonnées ItemList pour les « roundups », intégration Yoast/Rank Math. (Bootstrapped Ventures, s.d.)	Bouton dédié dans l’éditeur WordPress, éditeur de modèles visuels.	Freemium, versions premium à partir de 49 $/an.
Tasty Recipes	Dédié aux recettes	Génération automatique JSON-LD, modèles de fiches recettes, intégration des publicités Mediavine, mises à jour automatiques du schéma. (WP Tasty, 2024)	Bloc Gutenberg simple, remplissage de champs intuitif.	Premium, à partir de 49 $/an.
Schema Pro	Schéma général	Plus de 20 types de schémas, y compris Recipe. Mappage automatique des champs, compatibilité avec Yoast, test en temps réel. (WP Tasty, 2024; Schema Pro, s.d.)	Assistant de configuration, règles de ciblage avancées pour l’application du schéma.	Premium, à partir de 69 $/an.
AIOSEO	SEO général	Boîte à outils SEO complète, support de 18+ types de schémas, générateur de schéma personnalisé (version Pro), intégration du Knowledge Graph. (AIOSEO, s.d.)	Intégré dans les réglages de chaque page/article, assistant de configuration SEO.	Freemium, versions Pro à partir de 49.60 $/an.

Section 5 : Validation, débogage et pièges courants

Une fois les données structurées implémentées, il est impératif de vérifier leur validité et leur reconnaissance par les moteurs de recherche. Un balisage incorrect ou invisible pour Google n’apportera aucun des bénéfices escomptés.

5.1 Le flux de validation : une approche multi-outils

Un processus de validation rigoureux se déroule en trois étapes clés, utilisant les outils fournis par Google :

1. Validation du code et de l’éligibilité : Avant même le déploiement, ou juste après, l’Outil de test des résultats enrichis de Google est l’outil principal à utiliser. Il permet de tester soit un extrait de code JSON-LD, soit une URL de page publiée. Cet outil vérifie non seulement la validité de la syntaxe du code, mais il indique également si la page est éligible aux fonctionnalités de résultats enrichis de Google, en signalant les erreurs critiques (qui empêchent l’affichage) et les avertissements (propriétés recommandées manquantes) (Google Search Central, s.d.; Tassos, 2025).
2. Validation générique du schéma : Pour une validation qui n’est pas spécifique aux fonctionnalités de Google mais qui vérifie la conformité avec le vocabulaire de Schema.org, l’Outil de validation du balisage Schema est l’outil de référence. Il est utile pour déboguer des schémas plus complexes ou des extensions personnalisées (Google Search Central, s.d.).
3. Inspection de la page en direct : Après le déploiement, l’Outil d’inspection d’URL dans la Google Search Console est indispensable. Il montre comment Googlebot « voit » la page après son rendu. Cela permet de s’assurer que le script JSON-LD est bien présent et découvert, et qu’il n’est pas bloqué par un fichier robots.txt, une balise noindex ou des problèmes de rendu JavaScript (Google, 2025).

5.2 Suivi des performances avec la Google Search Console

La Google Search Console est l’outil de suivi par excellence. Dans la section « Améliorations », des rapports spécifiques aux types de données structurées détectées sur le site (y compris « Recettes ») sont disponibles (Google, 2025). Ces rapports permettent de :

• Surveiller le nombre total d’éléments (recettes) valides et non valides détectés sur le site.
• Identifier les erreurs et avertissements spécifiques sur l’ensemble des pages concernées.
• Cliquer sur une erreur pour voir la liste de toutes les URL affectées.
• Lancer une demande de validation après avoir corrigé les erreurs, afin d’informer Google que les problèmes ont été résolus (Google, 2025).

5.3 Erreurs d’implémentation courantes et comment les éviter

Une attention particulière aux détails peut prévenir la majorité des erreurs de balisage. Voici une liste des pièges les plus fréquents :

• Erreurs de formatage : L’une des erreurs les plus courantes est l’utilisation d’un format incorrect pour les dates et les durées. Les propriétés comme datePublished exigent le format ISO 8601 (YYYY-MM-DD), tandis que prepTime, cookTime et totalTime exigent le format de durée ISO 8601 (PT...) (Google, 2025; Ovirank, s.d.).
• Contenu textuel superflu : Les valeurs des propriétés ne doivent contenir que la donnée elle-même. Il faut éviter d’inclure du texte d’enrobage comme « Étape 1 : » dans la propriété text d’un HowToStep, ou « Ingrédients : » avant la liste des ingrédients (Google, 2025).
• Utilisation incorrecte des propriétés : Placer des informations dans la mauvaise propriété est une erreur sémantique. Par exemple, mettre le type de cuisine (« Américaine ») dans le champ keywords au lieu du champ dédié recipeCuisine (Google, 2025).
• Ressources inaccessibles : Fournir une URL pour la propriété image qui est bloquée par le fichier robots.txt ou qui redirige vers une page non indexable empêchera l’image de s’afficher dans les résultats de recherche (Google, 2025).
• Balisage de contenu invisible (spam) : Toutes les données balisées dans le JSON-LD doivent correspondre à du contenu visible pour l’utilisateur sur la page. Baliser des informations cachées est considéré comme une pratique trompeuse et peut entraîner une pénalité manuelle de la part de Google, menant à la suppression de tous les résultats enrichis du site (Google, 2024; Studio GforCrea, s.d.).

Section 6 : L’écosystème élargi : où vont vos données structurées

L’impact des données structurées de recettes s’étend bien au-delà des résultats de recherche de Google. En adoptant ce standard, les éditeurs de contenu rendent leurs recettes interopérables et facilement consommables par un écosystème numérique en pleine croissance, allant des réseaux sociaux aux applications de gestion de recettes et aux technologies de cuisine du futur.

6.1 Pinterest Rich Pins : améliorer la découverte sociale

Pinterest, une plateforme majeure pour la découverte de recettes, utilise activement les données structurées pour créer des « Rich Pins » (« Épingles Enrichies ») (Lemoal, 2024; Search Influence, s.d.). Lorsqu’un utilisateur épingle une recette depuis un site qui a correctement implémenté le schéma Recipe (souvent en conjonction avec des balises Open Graph), Pinterest peut automatiquement extraire et afficher des informations clés comme la liste des ingrédients, le temps de cuisson et le titre directement sur l’épingle (Pinterest, s.d.; OCOYA, s.d.). Ces épingles sont plus informatives et engageantes, ce qui incite davantage les utilisateurs à les enregistrer et à cliquer pour visiter le site d’origine.

6.2 Alimenter les applications de recettes et les agrégateurs de contenu

Des applications populaires de gestion de recettes comme Paprika, AnyList ou Samsung Food dépendent des données structurées pour offrir une expérience utilisateur fluide (Samsung Food, s.d.; Paprika, s.d.; MacStories, 2014). Sans balisage sémantique, ces applications doivent recourir à des techniques de « web scraping » complexes et peu fiables pour tenter de deviner quelles parties d’une page HTML correspondent aux ingrédients, aux instructions ou au titre. Ce processus est fragile et échoue souvent lorsque la mise en page d’un site change.

En revanche, une page contenant un balisage Recipe en JSON-LD se comporte comme un point d’accès API propre et standardisé pour son propre contenu (IBM, 2024; Ovirank, s.d.). L’application peut alors analyser ce bloc de données structurées et importer la recette avec une précision quasi parfaite. L’implémentation de données structurées transforme ainsi une simple page web en un objet de données portable et interopérable, augmentant considérablement son utilité et sa valeur pour l’utilisateur final.

6.3 La fondation pour l’avenir : IA, graphes de connaissances et cuisines intelligentes

La vision à long terme pour les données de recettes structurées est encore plus ambitieuse. Elles constituent la matière première essentielle pour la prochaine vague d’innovations dans les technologies alimentaires.

• Entraînement des modèles d’IA : Des jeux de données massifs, comme Recipe1M+ qui contient plus d’un million de recettes, sont créés en agrégeant les données structurées de milliers de sites web (Marin et al., s.d.; Reddit, s.d.). Ces ensembles de données sont cruciaux pour l’entraînement de modèles d’intelligence artificielle capables d’effectuer des tâches complexes comme la génération de nouvelles recettes, la suggestion de substitutions d’ingrédients, ou la reconnaissance d’un plat à partir d’une photo (« image-to-recipe ») (Bień et al., 2020; RecipeGen, 2024).
• Construction de graphes de connaissances : Chaque recette structurée contribue à un « graphe de connaissances » (Knowledge Graph) mondial sur l’alimentation (SchemaApp, 2024; KnowledgeGraph.dev, s.d.). Dans ce graphe, chaque recette, ingrédient ou technique de cuisson est une entité connectée par des relations sémantiques. Cela permet des recherches et des raisonnements beaucoup plus complexes, comme « trouver des plats principaux végétariens de la cuisine italienne qui utilisent des tomates mais pas d’aubergines » (Crocker, 2023; NCBI, 2024).
• Intégration dans les cuisines intelligentes : L’essor des appareils de cuisine connectés (fours intelligents, robots cuiseurs comme upliance.ai) crée un besoin direct pour des recettes lisibles par machine (upliance.ai, s.d.; Matellio, s.d.). Ces appareils pourront télécharger une recette structurée pour automatiser des processus : préchauffer le four à la bonne température, régler les minuteurs pour chaque étape, et afficher les instructions sur un écran intégré (GAO Tek, s.d.; Dish Works, s.d.; IRJMETS, 2024).

En fin de compte, les créateurs de contenu qui publient aujourd’hui des données de recettes structurées, précises et complètes ne font pas que de l’optimisation pour les moteurs de recherche. Ils se positionnent comme des fournisseurs de données fondamentales pour tout l’écosystème futur des technologies alimentaires intelligentes. Leurs contenus ne sont plus de simples pages web ; ils deviennent le carburant de la prochaine révolution culinaire, alimentant des applications allant de la planification de repas personnalisés pour des conditions de santé spécifiques (IJMRASET, 2024; NCBI, 2023) à l’automatisation complète de la préparation des repas.

Section 7 : Bibliographie

AIOSEO. (s.d.). Best Schema Markup Plugins for WordPress. AIOSEO. Repéré à https://aioseo.com/seo-glossary/schema-markup/

alwillis. (2017, 14 novembre). How to add a schema for each blog post. Jekyll Talk. Repéré à https://talk.jekyllrb.com/t/how-to-add-a-schema-for-each-blog-post/1149

Bejamas. (2024, 18 novembre). WordPress Alternative. Bejamas. Repéré à https://bejamas.com/hub/guides/wordpress-alternative

Bień, M., O’Dwyer, R., Rinaldi, A., & Way, A. (2020). RecipeNLG: A Cooking Recipes Dataset for Semi-Structured Text Generation. Association for Computational Linguistics. Repéré à https://aclanthology.org/2020.inlg-1.4.pdf

Bootstrapped Ventures. (s.d.). SEO for Food Blogs. Bootstrapped Ventures. Repéré à https://bootstrapped.ventures/seo-for-food-blogs/

Bootstrapped Ventures. (s.d.). WP Recipe Maker. WordPress.org. Repéré à https://fr.wordpress.org/plugins/wp-recipe-maker/

BytePlus. (2025). AI-Generated Recipes: Pros, Cons & Best Tools 2025. BytePlus. Repéré à https://www.byteplus.com/en/topic/549110

Cequencer. (s.d.). Jekyll-JSON-LD: JSON-LD Liquid Tags in Jekyll. Jekyll Themes. Repéré à https://jekyll-themes.com/cequencer/jekyll-json-ld

Crocker, P. (2023). Semantic reasoning over an ontology provides an elegant solution, enriching a knowledge graph for fast, easy, and contextual search [Vidéo]. YouTube. Repéré à https://www.youtube.com/watch?v=120

Dish Works. (s.d.). Content for Smart Kitchen Appliances. Dish Works. Repéré à https://www.dish-works.com/cookware-appliance-content/

Facem Web. (s.d.). Données structurées : Schema.org, exemple et guide. Facem Web. Repéré à https://facemweb.com/blog/seo/donnees-structurees-schema/

Food Blogger Pro. (s.d.). What is recipe schema and how does it impact my food blog?. Food Blogger Pro. Repéré à https://www.foodbloggerpro.com/blog/what-is-recipe-schema/

GAO Tek. (s.d.). Smart Appliances for Home Automation. GAO Tek. Repéré à https://gaotek.com/smart-appliances-home-automation

Google. (2024). Présentation des données structurées sur Google. Google Search Central. Repéré à https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data

Google. (2025, 12 juin). Données structurées « Recipe ». Google Search Central. Repéré à https://developers.google.com/search/docs/appearance/structured-data/recipe?hl=fr

Google Developers. (2025). Video (VideoObject, Clip, BroadcastEvent) Schema Markup. Google Search Central. Repéré à https://developers.google.com/search/docs/appearance/structured-data/video

Google Search Central. (s.d.). Tester vos données structurées. Google Search Central. Repéré à https://developers.google.com/search/docs/appearance/structured-data?hl=fr

HubSpot. (2024). WordPress vs. HTML. HubSpot. Repéré à https://blog.hubspot.com/website/wordpress-vs-html

IBM. (2024). Jeu de données : définition. IBM. Repéré à https://www.ibm.com/fr-fr/think/topics/dataset

IJMRASET. (2024). Prompt Optimization for AI-Powered Recipe Generation: Challenges and Insights. IJMRASET. Repéré à https://www.ijraset.com/research-paper/prompt-optimization-for-ai-powered-recipe-generation

IRJMETS. (2024, mai). A WEB APPLICATION FOR RECIPE RECOMMENDATION SYSTEM USING MACHINE LEARNING. IRJMETS. Repéré à https://www.irjmets.com/uploadedfiles/paper//issue_5_may_2024/55504/final/fin_irjmets1715525141.pdf

Jamstack. (s.d.). Static Site Generators. Jamstack. Repéré à https://jamstack.org/generators/

Jekyll. (s.d.). Jekyll. Jekyll. Repéré à https://jekyllrb.com/

Keyword.com. (s.d.). SEO de données structurées : Guide du débutant. Keyword.com. Repéré à https://keyword.com/fr/blog/seo-de-donnees-structurees-guide-du-debutant/

Kinsta. (s.d.). WordPress vs Static HTML: Which Is Better for Your Website?. Kinsta. Repéré à https://kinsta.com/blog/wordpress-vs-static-html/

KnowledgeGraph.dev. (s.d.). How to design and build a knowledge graph from scratch. KnowledgeGraph.dev. Repéré à https://knowledgegraph.dev/article/How_to_design_and_build_a_knowledge_graph_from_scratch.html

Lemoal, K. (2024, 17 janvier). Guide : Les données structurées en 2024. Search Foresight. Repéré à https://www.search-foresight.com/guide-les-donnees-structurees-en-2024/

MacStories. (2014, 30 septembre). Saving Recipes with the AnyList Extension. MacStories. Repéré à https://www.macstories.net/reviews/saving-recipes-with-the-anylist-extension/

Markdown Guide. (s.d.). Extended Syntax. Markdown Guide. Repéré à https://www.markdownguide.org/extended-syntax/

Marin, J., et al. (s.d.). Recipe1M+: A Dataset for Learning Cross-Modal Embeddings for Cooking Recipes and Food Images. MIT CSAIL. Repéré à https://pic2recipe.csail.mit.edu/tpami19.pdf

Matellio. (s.d.). AI Food Recipe Generator. Matellio. Repéré à https://www.matellio.com/blog/ai-food-recipe-generator/

Microformats.org. (2024, 20 juin). hRecipe. Microformats.org. Repéré à https://microformats.org/wiki/hrecipe

Mincong.io. (2018, 22 août). Create JSON-LD Structured Data in Jekyll. Mincong.io. Repéré à https://mincong.io/2018/08/22/create-json-ld-structured-data-in-jekyll/

Momentic. (s.d.). SEO Tips for Adding Schema Markup to Your Content. Momentic. Repéré à https://momenticmarketing.com/content-academy/seo-structured-data

NCBI. (2023). Personalized Flexible Meal Planning for Individuals With Diet-Related Health Concerns: System Design and Feasibility Validation Study. National Center for Biotechnology Information. Repéré à(https://www.researchgate.net/publication/372889501_Personalized_Flexible_Meal_Planning_for_Individuals_With_Diet-Related_Health_Concerns_System_Design_and_Feasibility_Validation_Study)

NCBI. (2024). A Knowledge Graph Question Answering System for Personalized Nutrition and Recipes Recommendation. National Center for Biotechnology Information. Repéré à(https://www.researchgate.net/publication/391032665_A_Knowledge_Graph_Question_Answering_System_for_Personalized_Nutrition_and_Recipes_Recommendation)

OCOYA. (s.d.). Mastering Pinterest Rich Pins. OCOYA. Repéré à https://www.ocoya.com/blog/mastering-pinterest-rich-pins

Osumare. (2025). Google’s 2025 Recipe Structured Data Update – What You Need to Know. Osumare. Repéré à https://osumare.com/google-2025-recipe-structured-data-update-what-you-need-to-know

Ovirank. (s.d.). Générateur de Données Structurées (Recette). Ovirank. Repéré à https://www.ovirank.com/outils-seo/generateur-de-donnees-structurees-recettes-recipe

Page One Formula. (2025, 31 mars). Integrating Visual Content into Schema.org Markup. Page One Formula. Repéré à https://pageoneformula.com/integrating-visual-content-into-schema-org-markup/

Paprika. (s.d.). Paprika User Guide for iOS. Paprika. Repéré à https://www.paprikaapp.com/help/ios/

Pinterest. (s.d.). Product Rich Pins. Pinterest Developers. Repéré à https://developers.pinterest.com/docs/web-features/product-rich-pins/

Pointers Gone Wild. (2025, 10 janvier). So I rolled my own static site generator. Pointers Gone Wild. Repéré à https://pointersgonewild.com/2025-01-10-so-i-rolled-my-own-static-site-generator/

Pressidium. (s.d.). Static vs Dynamic WordPress Websites. Pressidium. Repéré à https://pressidium.com/blog/static-vs-dynamic-wordpress-websites/

Rank Math. (s.d.). Best Schema Plugins for WordPress. WPManageNinja. Repéré à https://wpmanageninja.com/schema-plugin-for-wordpress/

RecipeGen. (2024). RecipeGen: A Multimodal Recipe Generation Benchmark. arXiv. Repéré à https://arxiv.org/html/2506.06733v2

Reddit. (s.d.). Looking for a dataset about recipes, ingredient and food to feed my database. Reddit. Repéré à https://www.reddit.com/r/datasets/comments/9wwv1m/looking_for_a_dataset_about_recipes_ingredient/?tl=fr

Samsung Food. (s.d.). Microformats for Recipes. Samsung Food. Repéré à((https://support.samsungfood.com/hc/en-us/articles/18589047901588-Microformats-for-Recipes))

Schema.org. (2025, 15 mai). Recipe. Schema.org. Repéré à((https://schema.org/Recipe))

Schema.org. (s.d.). About schema.org. Schema.org. Repéré à https://schema.org/docs/about.html

SchemaApp. (2024). The 4 Steps to Building a Content Knowledge Graph. SchemaApp. Repéré à https://www.schemaapp.com/schema-markup/the-4-steps-to-building-a-content-knowledge-graph/

Schema Pro. (s.d.). Schema Pro. Schema Pro. Repéré à https://wpschema.com/

Search Influence. (s.d.). Pinterest Rich Pins: A Complete Guide. Search Influence. Repéré à https://www.searchinfluence.com/blog/pinterest-rich-pins-a-complete-guide/

SEO Hacker. (s.d.). How to Add VideoObject Schema Markup for Better SEO. SEO Hacker. Repéré à https://seo-hacker.com/how-to-add-videoobject-schema-markup/

SmartKeyword. (s.d.). Rich Snippets. SmartKeyword. Repéré à https://smartkeyword.io/seo-on-page-rich-snippets/

Software Sustainability Institute. (s.d.). Adding schema.org to a GitHub Pages site. Software Sustainability Institute. Repéré à https://www.software.ac.uk/guide/adding-schemaorg-github-pages-site

Stack Exchange. (2011). Microformats hRecipe vs schema’s Recipe. Stack Overflow. Repéré à https://stackoverflow.com/questions/8310560/microformats-hrecipe-vs-schemas-recipe

Studio GforCrea. (s.d.). Données structurées FAQ. Studio GforCrea. Repéré à https://studio-gforcrea.fr/donnees-structurees-faq/

Tassos. (2025, 17 avril). Test your Structured Data. Tassos.gr. Repéré à https://www.tassos.gr/docs/google-structured-data/start/test-your-structured-data

Tech Fry. (s.d.). Recipe Structured Data. Tech Fry. Repéré à https://www.techfry.com/structured-data/recipe-structured-data

upliance.ai. (s.d.). Live Product Demo. upliance.ai. Repéré à https://upliance.ai/pages/live-product-demo

WiziShop. (s.d.). Données structurées SEO. WiziShop. Repéré à https://www.wizishop.fr/blog/donnees-structurees-seo

WP Tasty. (2024, 16 janvier). Recipe Schema WordPress Plugin. WP Tasty. Repéré à https://www.wptasty.com/recipe-schema-wordpress-plugin