Depuis 2025, Google accélère le ménage dans ses résultats enrichis et dans Search Console. Cette évolution touche directement plusieurs types de données structurées historiquement utiles pour se différencier dans les SERP, sans pour autant modifier les algorithmes de classement. Pour les professionnels du SEO, cela impose un repositionnement : moins de focalisation sur quelques snippets « exotiques », plus de stratégie sur la compréhension globale du contenu et la performance par URL.
La suppression progressive de certains schémas , Course Info, Claim Review, Estimated Salary, Learning Video, Special Announcement, Vehicle Listing, puis PracticeProblem , ne signifie pas que les données structurées deviennent inutiles. Au contraire, Google réaffirme leur importance, mais recentre le dispositif sur un noyau de types jugés réellement utiles pour l’utilisateur. Comprendre ce mouvement est essentiel pour ajuster sa stratégie SEO sans perdre de visibilité ni casser ses tableaux de bord.
1. Rappel des annonces de Google et calendrier
En juin 2025, Google annonce la fin du support de sept types de données structurées dans les résultats enrichis : Book Actions, Course Info, Claim Review, Estimated Salary, Learning Video, Special Announcement et Vehicle Listing. L’argument officiel : « simplifier la page de résultats » et retirer des formats peu utilisés et peu utiles pour l’utilisateur final. Concrètement, ces schémas peuvent toujours être présents dans le code des pages, mais ne déclenchent plus d’affichage spécifique dans les SERP.
À partir du 12/06/2025, ces sept schémas cessent donc de produire des enrichissements visuels dans Google Search. Les extraits enrichis pour les cours, les annonces spéciales (notamment liées au COVID), les salaires estimés ou les listes de véhicules disparaissent, laissant place à des snippets classiques. Google insiste : ce changement ne modifie pas le classement des pages, il ne touche que la présentation visuelle des résultats.
Les 8 et 9 septembre 2025, Google aligne Search Console sur cette nouvelle réalité : six types de données structurées (Course Info, Claim Review, Estimated Salary, Learning Video, Special Announcement, Vehicle Listing) sont retirés des rapports de résultats enrichis, de l’outil Rich Results Test et des filtres d’apparence dans les rapports de performance. Seul Book Actions reste temporairement présent dans Search Console en 2025, même s’il a déjà cessé de produire des rich results dans la SERP.
2. Ce qui change concrètement dans Search Console
Dans Search Console, la conséquence la plus visible est la disparition pure et simple de six schémas de l’interface à partir du 09/09/2025. Les rapports dédiés à Course Info, Claim Review, Estimated Salary, Learning Video, Special Announcement et Vehicle Listing n’apparaissent plus. Cela signifie que les SEO ne peuvent plus suivre les impressions, clics, erreurs et avertissements spécifiques à ces types dans la section « Résultats enrichis ».
Les filtres « Apparence dans les résultats de recherche » des rapports de performance sont également concernés. Jusqu’en 2025, il était possible de segmenter les données par type de rich result (par exemple filtrer uniquement les Learning Video ou les Vehicle Listing). À partir de septembre 2025, ces options de filtrage disparaissent progressivement pour les six schémas retirés, ce qui empêche de mesurer la performance détaillée de ces formats dans Search Console.
Cette évolution ne touche pas que l’interface. Pour les exports BigQuery / Bulk Data Export liés à Search Console, Google indique que les champs d’apparence de recherche dépréciés commenceront à renvoyer NULL au plus tard le 01/10/2025. Les analystes doivent donc adapter leurs requêtes SQL, par exemple en utilisant des conditions du type is_learning_videos IS NOT TRUE plutôt qu’en supposant un booléen non nul, sous peine de faire « casser » des tableaux de bord et scripts automatisés.
3. Conséquences sur les rich results et sur le CTR
Du point de vue de l’utilisateur, l’impact majeur est la disparition de certains formats visuels qui rendaient les résultats plus distinctifs. Plus de carrousels spécifiques pour les cours, plus d’encadrés d’annonces spéciales, plus de blocs dédiés aux salaires estimés ou aux véhicules. Les listings concernés redeviennent de simples extraits standards, souvent avec un titre bleu, une URL et une meta description, sans éléments de mise en avant supplémentaires.
Sur le plan SEO, Google réaffirme que ces changements n’affectent pas directement le ranking. Les signaux de pertinence et de popularité restent les mêmes, et la présence ou l’absence de ces types de données structurées ne modifie pas la position brute dans la page de résultats. L’impact se situe donc ailleurs : dans la perte de différenciation visuelle et, potentiellement, dans la baisse du taux de clic (CTR) pour les sites qui tiraient profit de ces mises en avant.
Les analyses sectorielles publiées fin 2025 montrent que les sites d’éducation (Course / LearningVideo), d’emploi (EstimatedSalary), de fact-checking (ClaimReview) et d’automobile (VehicleListing) sont particulièrement touchés. Ces acteurs avaient souvent investi dans des schémas spécifiques pour se démarquer. Avec leur retrait, ils se retrouvent à concurrencer visuellement tous les autres résultats « classiques », ce qui peut mécaniquement réduire leur part de clics, à position constante.
4. Impact opérationnel pour les équipes SEO et data
Pour les SEO, la « surface structurée » dans Search Console se réduit. Il devient plus difficile de diagnostiquer des problèmes de mise en œuvre pour les types retirés, faute d’alertes, de rapports d’erreurs dédiés ou de tests intégrés dans l’écosystème Google. Le travail de validation se déplace vers d’autres outils : validateurs schema.org, tests JSON-LD, linters internes, voire crawlers spécialisés capables de lire et contrôler les données structurées.
Les équipes analytics et BI sont également en première ligne. Les changements sur BigQuery et Bulk Data Export (champs renvoyant NULL à partir du 01/10/2025) imposent de revoir la modélisation des données. Toute logique de segmentation par apparence de recherche, qu’il s’agisse de graphiques dans Looker Studio ou de scripts de monitoring, doit être adaptée pour éviter les erreurs. Sans cette mise à jour, des tableaux de bord peuvent devenir partiellement vides ou renvoyer des résultats incohérents.
Enfin, même si l’API Search Console continue de retourner des données pour ces six types jusqu’en décembre 2025, cette fenêtre est limitée. Après cette date, les champs disparaissent complètement, coupant le suivi automatisé par type de rich result. Les équipes doivent donc anticiper cette échéance, archiver les historiques utiles et, le cas échéant, redéfinir les indicateurs de performance clés (KPI) pour suivre la visibilité organique sans ces filtres granulaires.
5. Secteurs les plus affectés et effets business
Les secteurs les plus impactés sont ceux dont le modèle de visibilité reposait en partie sur ces rich results spécialisés. Les plateformes de cours en ligne et d’e-learning, qui utilisaient Course et LearningVideo pour faire ressortir leurs programmes, perdent un avantage compétitif majeur dans les SERP. Leur offre se retrouve présentée de façon standard, ce qui renforce l’importance d’éléments comme le titre, la meta description et la réputation de marque.
Les sites d’emploi et de recrutement subissent un choc comparable avec la fin des enrichissements EstimatedSalary. L’affichage de fourchettes de salaires ou de données de rémunération dans les résultats pouvait favoriser le clic et renforcer la transparence perçue. Sans ces informations directement visibles, les utilisateurs doivent cliquer pour accéder aux détails, ce qui peut redistribuer les clics entre différents job boards ou sites carrières.
Les sites de fact-checking (ClaimReview) et les acteurs de l’automobile (VehicleListing) perdent eux aussi des signaux visuels clés. Pour le fact-checking, la disparition des rich results dédiés intervient dans un contexte où la lutte contre la désinformation reste centrale, ce qui peut sembler paradoxal mais s’inscrit dans la volonté globale de simplifier la SERP. Pour l’automobile, l’absence de listings enrichis pour les véhicules pousse à se différencier par d’autres biais : contenu éditorial, avis utilisateurs, vidéos ou intégration dans des verticales spécialisées.
6. Reprioriser les schémas « durables » et utiles
Face à cette contraction du support de certains types, la recommandation fréquente des experts SEO est de réallouer l’effort vers des schémas plus « durables ». Des types comme Article, Product, Organization, VideoObject, FAQPage ou encore Review restent largement supportés, tant dans les rich results que dans l’écosystème d’outils de Google. Ils présentent un double avantage : une adoption massive et une utilité claire pour l’utilisateur.
Pour les sites qui ont beaucoup investi dans Course, LearningVideo, EstimatedSalary ou VehicleListing, il ne s’agit pas forcément de supprimer ces schémas du jour au lendemain. Ils peuvent encore jouer un rôle interne (structuration de la donnée, réutilisation dans d’autres canaux, meilleure compréhension du contenu par Google) même sans rich result associé. En revanche, leur priorisation dans la roadmap SEO doit être revue au profit de types plus pérennes.
Une bonne pratique consiste à cartographier l’ensemble des types de données structurées utilisés sur le site, à mesurer leur support actuel par Google (rich results, Search Console, API) et à décider, pour chacun, du niveau d’effort à maintenir. Les ressources techniques étant limitées, il est plus rentable d’optimiser un schéma Article ou Product bien supporté que de perfectionner un type retiré des rapports et des résultats enrichis.
7. Search Console, Practice Problem et autres signaux de la stratégie de Google
En novembre 2025, Google clarifie sa position : l’entreprise veut « continuer à supporter largement les données structurées », tout en réduisant le support pour des types jugés peu utiles ou trop spécialisés. Dans ce contexte, elle annonce la suppression de PracticeProblem dans Search Console et dans son API à partir de janvier 2026. Là encore, le message est cohérent : nettoyage de fonctionnalités de niche, recentrage sur un noyau de schémas à fort impact utilisateur.
À partir de janvier 2026, Practice Problem disparaît des rapports de résultats enrichis, de l’outil Rich Results Test et des filtres d’apparence dans les rapports de performance. L’API Search Console ne le supporte que brièvement pendant la phase de transition avant suppression totale. Cela marque la fin de ce type comme levier SEO observable dans l’écosystème GSC, même s’il peut continuer à avoir une valeur interne pour certains sites éducatifs.
Google profite aussi de cette communication pour rappeler que le type Dataset est principalement réservé à Google Dataset Search, pas aux résultats standards. Ce type de clarification illustre une tendance de fond : la spécialisation des schémas selon les verticales (recherche d’images, recherche de datasets, recherche de produits, etc.) et la volonté de ne pas surcharger la SERP généraliste avec des formats trop spécifiques ou trop techniques.
8. Vers une SERP simplifiée, enrichie par l’IA
Plusieurs observateurs SEO relient ces retraits à une dynamique plus large : Google simplifie l’interface des résultats classiques à mesure que les fonctionnalités alimentées par l’IA prennent plus de place. AI Overviews, expériences interactives, modules commerciaux et autres blocs riches occupent une part croissante de l’écran, notamment sur mobile. Dans ce contexte, maintenir de nombreux formats de rich results de niche devient coûteux et parfois redondant.
En réduisant le nombre de types de résultats enrichis supportés, Google cherche à rendre la SERP « plus claire et plus focalisée ». L’objectif officiel est d’éviter de noyer l’utilisateur sous une avalanche de formats visuels différents, tout en gardant la possibilité d’enrichir la réponse via l’IA et des blocs structurés plus génériques (extraits en vedette, packs de produits, carrousels vidéo, etc.).
Pour les SEO, cela signifie que la bataille ne se joue plus seulement sur l’obtention d’un rich snippet pour tel ou tel type ultra-spécifique, mais sur la capacité à se rendre éligible à des expériences de recherche plus larges. Les données structurées restent la matière première qui alimente ces expériences, mais l’effet se manifeste de moins en moins par un snippet « labellisé » Course, ClaimReview ou PracticeProblem dans Search Console.
9. Nouvelle méthodologie : données structurées au service de la compréhension, pas seulement du snippet
La conséquence méthodologique majeure est un déplacement de la valeur des données structurées. Elles servent de plus en plus à aider Google à comprendre le contenu : désambiguïser des entités (personnes, organisations, lieux), décrire précisément des produits, des événements, des vidéos, ou encore structurer les relations entre les différentes parties d’un site. Ce rôle de « langage commun » entre le site et le moteur devient central.
Plutôt que de viser un enrichissement de snippet spécifique, surtout pour des types désormais retirés de Search Console et des rich results, la stratégie consiste à utiliser les schémas comme un levier de clarté sémantique. Un balisage précis peut aider Google à associer correctement une page à une intention de recherche, à relier des produits à une marque, ou à distinguer un article d’opinion d’un contenu factuel. Même si cela ne se traduit pas par un snippet spécial, l’impact indirect sur la pertinence perçue peut être réel.
Les données structurées préparent aussi le terrain pour des expériences futures : recherche multimodale, interfaces vocales, agents IA capables de répondre de manière conversationnelle en s’appuyant sur des graphes de connaissance. Dans cette optique, maintenir un socle de schémas cohérent et propre devient un investissement long terme, au-delà de la simple quête de CTR immédiat via un résultat enrichi.
En définitive, le retrait de plusieurs types de données structurées de Search Console et des rich results ne signe pas la fin du SEO basé sur le schéma. Il impose plutôt un changement de posture : cesser de considérer chaque type comme un « hack » de snippet, et adopter une vision plus systémique et durable. Les sites qui réussiront seront ceux qui combineront un balisage structuré robuste, des contenus de qualité et une capacité d’analyse macro (par URL, par intention, par segment d’audience) plutôt que par apparence de recherche.
Pour s’adapter, les équipes SEO doivent auditer leurs implémentations, mettre à jour leurs tableaux de bord, réorienter leurs efforts vers les types les plus supportés et accepter que la visibilité passe aussi, et de plus en plus, par des expériences enrichies pilotées par l’IA. Les données structurées demeurent un pilier, mais leur valeur se déplace de l’affichage ponctuel d’un rich result vers la compréhension profonde et la réutilisation de la donnée dans l’écosystème de recherche au sens large.
