Le 12 juin 2026, Google Cloud a publié l’Open Knowledge Format (OKF), une spécification ouverte qui range la connaissance d’entreprise dans des fichiers markdown.
Le mot markdown accolé au nom de Google a suffi pour qu’un réflexe s’enclenche dans la profession : si Google sort un format, il faut l’utiliser. C’est forcément utile pour le SEO.
Sauf que… non. Pas forcément.
Ce réflexe est une erreur, et c’est exactement celle que le secteur a déjà commise avec llms.txt.
L’OKF résout un vrai problème, mais pas le vôtre si vous faites du référencement. Voici pourquoi.
Un format publié par l’équipe data, pas par l’équipe Search
Premier point à signaler : l’OKF n’est pas une invention de l’équipe de Google Search.
Ce format est le bébé de l’équipe Google Cloud, et les parents officiels sont deux responsables techniques de l’équipe Data Cloud et BigQuery, Sam McVeety et Amir Hormati.
L’OKF formalise le motif dit du LLM-wiki, c’est-à-dire une bibliothèque markdown que des agents lisent et mettent à jour pour disposer du contexte qui leur manque. Sur le plan technique, la proposition est volontairement minimale :
- Un bundle, soit un répertoire de fichiers markdown, où chaque fichier représente un concept : une table, un jeu de données, une métrique, un runbook, une API.
- Un frontmatter YAML, ces métadonnées placées en tête de fichier sous forme de paires clé-valeur, avec un seul champ obligatoire, le type.
- Des liens markdown classiques entre concepts, qui transforment l’arborescence en graphe de relations.
Les consommateurs visés sont des agents de code, des agents d’analyse de données et des assistants internes d’entreprise.
Google insiste sur un point : l’OKF est un format, pas une plateforme. L’éditeur a néanmoins mis à jour son propre Knowledge Catalog pour l’ingérer, ce qui mérite d’être gardé en tête.
Ce que l’Open Knowledge Format n’est pas
L’OKF n’est pas un fichier destiné au web public. Il n’est pas exploré par Googlebot, le robot d’exploration de Google. Il ne constitue aucun signal de classement et n’entretient aucun lien avec les AI Overviews ni avec AI Mode, les surfaces de réponse générative du moteur.
Le problème qu’il adresse est interne. Dans la plupart des organisations, l’information dont les modèles ont besoin est éclatée entre catalogues de métadonnées, wikis, lecteurs partagés, commentaires de code et la tête de quelques ingénieurs seniors. Un agent qui veut calculer les utilisateurs actifs hebdomadaires doit reconstituer la réponse à partir de ces surfaces incompatibles. L’OKF propose une lingua franca : un même bundle, écrit par un producteur, devient lisible par n’importe quel consommateur sans couche de traduction.
Et le langage utilisé est le markdown.
Oui, comme pour les llms.txt
Pourquoi il n’y a pas de contradiction
L’objection saute aux yeux : comment Google peut-il rejeter le markdown d’un côté et publier un format markdown de l’autre ? La réponse tient dans la séparation de deux domaines.
Les deux arguments du rejet ne s’appliquent tout simplement pas à l’OKF. La redondance d’abord : la connaissance interne ciblée par le format n’a souvent aucun équivalent HTML. La définition métier d’une métrique ou un chemin de jointure entre deux tables ne vit nulle part sur le web public. L’invérifiabilité ensuite : le consommateur d’un bundle OKF est votre propre agent, travaillant sur vos propres données. Il n’y a pas de moteur tiers à tromper, donc pas de surface de manipulation.
La nuance qui scelle la cohérence vient de Mueller lui-même.
Il a concédé un cas précis, celui de la documentation technique, où fournir aux systèmes de code une version markdown simplifiée peut aider à économiser des tokens, les unités de texte que traite un modèle. Il parlait d’une béquille temporaire. L’OKF s’inscrit pile dans cette logique d’efficacité, généralisée à toute la connaissance interne. La ligne de partage est donc nette : le markdown comme levier de visibilité sur le web public, Google dit non ; le markdown comme substrat de contexte pour vos propres agents, Google publie un format.
llms.txt, OKF : la même mécanique de confusion
Pour éviter l’amalgame, il faut distinguer trois usages que chez les SEO on a du mal à différencier parfois.
- La page markdown parallèle, soit une copie en texte d’une page précise servie à sa propre URL.
- Le llms.txt, un index public unique placé à la racine du domaine, qui résume le site pour les modèles.
- L’OKF, une représentation de la connaissance interne, consommée par les agents internes de l’organisation/entreprise.
Reste l’arrière-plan stratégique, qui mérite une lecture critique : en se posant comme l’auteur d’un standard ouvert et neutre tout en branchant immédiatement son Knowledge Catalog dessus, Google joue le coup classique de la norme que l’on rédige soi-même. Posséder le format, c’est peser sur l’écosystème sans avoir à posséder la plateforme.
À notre connaissance, l’adoption hors de Google reste à venir, et l’OKF est explicitement présenté comme une version 0.1, donc un point de départ et non un standard arrêté.
Ce que cela change pour le SEO : rien
Pour qui fait du référencement, la conclusion est aussi simple qu’inconfortable : l’OKF n’appelle aucune action. Ce n’est ni un signal de classement, ni un facteur de citation dans les surfaces génératives, ni un fichier que les robots d’exploration de Search réclament. Le format est pertinent pour les équipes data et les constructeurs d’agents internes, beaucoup moins pour la visibilité organique.
Le travail qui compte n’a pas changé
La meilleure manière de profiter de l’annonce de Google n’est pas d’essayer de l’utiliser à des fins de SEO (bonne chance), mais de comprendre où l’éditeur situe désormais la valeur : dans la connaissance structurée que consomment les agents. C’est un signal de tendance, pas une consigne de référencement.
Bibliographie
- Introducing the Open Knowledge Format, Google Cloud Blog, source primaire de l’annonce.
- Open Knowledge Format, dépôt et spécification v0.1, GitHub.
- LLM Wiki gist, Andrej Karpathy, le motif d’origine.
- Google Cloud Announces The Open Knowledge Format, Roger Montti, Search Engine Journal, couverture secondaire.
- Google’s llms.txt Guidance Depends On Which Product You Ask, Matt G. Southern, Search Engine Journal, sur le rejet de llms.txt par Search.