Un client m'appelle, paniqué. Son trafic a chuté de 40 % en trois semaines. Il a tout vérifié : pas de pénalité manuelle dans la Search Console, pas de hack, pas de problème de serveur. Je jette un œil à son sitemap. Cinq mille URL. Six cents produits. Faites le calcul. Le catalogue est décliné en quatre couleurs, chaque déclinaison a sa propre URL indexée, avec le même texte de description. Google a choisi une version au hasard, a ignoré les autres, et l'ensemble s'est affaissé. Ce n'est pas une pénalité, c'est une dilution. Et c'est la première des erreurs de duplication de contenu à corriger en priorité.
Parce que oui, la duplication de contenu, tout le monde en parle, mais presque personne ne vous dit par quoi commencer. Corriger tout d'un coup est un mythe. En agissant sur mon site e-commerce perso, j'ai mis onze semaines à assainir une base que je croyais propre. Voici l'ordre dans lequel je traiterais les choses aujourd'hui, et pourquoi.
Points clés à retenir
- La duplication de contenu se corrige par ordre d'impact, pas par ordre alphabétique d'URL
- La pagination, les paramètres d'URL et les filtres sont presque toujours les premiers coupables
- Une balise canonical mal placée peut faire plus de dégâts que l'absence totale de balise
- Google ne sanctionne pas explicitement la duplication : il choisit, consolide, et ignore le reste
- Toutes les duplications ne sont pas à corriger : variantes de couleurs ou versions imprimables peuvent rester
Les erreurs de duplication de contenu à traiter en premier (et celles qu'on peut laisser traîner)
Avant de foncer sur un outil de crawl, il faut comprendre un truc. La duplication de contenu n'est pas un état binaire. Il y a la duplication bloquante, celle qui vous coûte des positions ici et maintenant. Et il y a la duplication tolérée, celle qui ne changera rien à votre sort.
Le problème, c'est que la plupart des guides mélangent les deux et vous font perdre des semaines sur des cas inoffensifs.
Bloquante ou acceptable : la distinction qu'on ne fait jamais
Une variante de couleur sur une fiche produit, avec un texte identique sauf le mot « bleu » ? Tolérable. Une page de tri par prix qui renvoie à la même liste dans un autre ordre ? Tolérable. Une version imprimable d'un article de blog ? Tolérable, et Google s'en fiche complètement depuis des années.
Ce qui est bloquant, en revanche :
- Deux fois la même page accessible en http et en https, ou avec et sans www
- Un catalogue produit dont chaque déclinaison est indexée comme une page distincte
- Des paramètres d'URL (tracking, tri, session) générant des milliers de variantes indexables
- Une pagination qui débouche sur des pages au contenu quasi identique sans gestion des rel=next/prev ni canonical cohérent
- Le même article publié sur deux URL suite à une refonte mal migrée
Ces cinq cas-là, ensemble, représentent la grande majorité des dilutions que j'ai rencontrées. Le reste, franchement, peut attendre.
Pourquoi la pagination et les paramètres d'URL passent avant tout
C'est contre-intuitif. On pense d'abord aux doublons de blog, parce que c'est visible, parce qu'on les écrit. Mais le volume vient d'ailleurs.
Sur mon propre site, une seule mauvaise configuration de paramètre de tri avait généré 1 800 URL indexées pour ce qui n'était qu'une seule page de catégorie. Google mettait à jour ces 1 800 URL à chaque crawl. Le budget de crawl partait en fumée, et les vraies pages de catégorie stagner dans les résultats. Une fois les paramètres bloqués et une canonical propre posée, j'ai récupéré de la visibilité sur mes douze pages de catégorie principales en cinq semaines. Pas de miracle, juste un budget de crawl qui revenait là où il fallait.
Le blog arrive après. Toujours.
Quels sont les 3 piliers du référencement naturel ?
La question revient sans cesse, et c'est normal : elle conditionne tout le reste. Les trois piliers du référencement naturel sont la technique (crawl, indexation, vitesse, accessibilité aux robots), le contenu (pertinence, unicité, réponse à une intention de recherche) et la popularité (liens entrants, signaux d'autorité).
Vous remarquerez que la duplication de contenu attaque deux de ces piliers d'un coup. Elle pourrit la technique (plusieurs URL pour une même intention, budget de crawl gaspillé) et elle dilue le contenu (aucune version ne paraît plus légitime qu'une autre). C'est précisément pour ça qu'elle mérite d'être traitée avant d'optimiser vos balises title une par une.
Les erreurs techniques à corriger en priorité absolue
La balise canonical mal placée, pire que pas de canonical du tout
J'ai fait cette erreur. Une canonical pointant vers une URL qui n'existait plus, à cause d'un copier-coller dans un template. Résultat : Google a simplement ignoré la directive sur 47 pages, et pendant ce temps j'étais persuadé que le problème était réglé. Trois semaines perdues.
Une balise canonical doit pointer vers une URL réellement accessible, indexable, et au contenu équivalent. Si ce n'est pas le cas, Google la traite comme un signal contradictoire et passe outre. La règle simple : ne posez une canonical que si vous avez vérifié l'URL de destination. À la main. Sur au moins trois pages.
Les redirections mal configurées lors d'une refonte
Une redirection 301 mal ciblée, c'est un doublon silencieux. La page A redirige vers la page B, mais la page B redirige elle aussi, vers une page C qui n'a pas le même contenu. Google suit la chaîne et finit par ignorer la redirection. Deux versions coexistent. J'ai vu ça sur une migration de site institutionnel : 120 redirections en chaîne, dont la moitié vers des URL inexistantes. Le trafic a mis six mois à revenir.
Comment détecter une chaîne de redirections rapidement
Un crawl de votre site avec un outil gratuit qui suit les redirections vous donnera la liste. Cherchez les redirections qui en pointent vers une autre, puis encore une autre. Toute chaîne de plus de deux sauts est à corriger.
Le contenu dupliqué entre plusieurs sites
Cas plus rare mais plus vicieux : le même article publié sur votre blog et sur un site partenaire, sans attribut ni canonical. Si votre site est le plus récent, c'est l'autre qui risque d'être retenu comme source. La solution quand vous publiez en syndication est simple : demandez un lien canonique vers votre version d'origine. Si le partenaire refuse, retirez l'article. Ça ne vaut pas le risque.
Quelles sont les bonnes pratiques en matière de SEO ?
Les bonnes pratiques en matière de SEO tiennent en quelques principes qui ne changent pas : une intention de recherche = une URL, un contenu unique par URL, un maillage interne cohérent, et une architecture plate (pas plus de trois clics pour atteindre n'importe quelle page importante).
Sur la duplication spécifiquement, trois réflexes valent plus que n'importe quel outil :
- Avant de publier, vérifiez que le sujet n'existe pas déjà sur votre site (une recherche interne suffit)
- Dès qu'une page peut exister en plusieurs versions, décidez du sort de chaque version avant la mise en ligne
- Surveillez régulièrement les URL indexées : une recherche site:votredomaine dans un moteur vous donne une idée du volume réel
Le troisième point est celui que j'ai le plus négligé. Pendant des mois, je regardais mes statistiques sans jamais vérifier combien d'URL de mon site Google considérait comme indexables. Quand je m'y suis mis, j'ai découvert plus de 2 000 pages que je n'avais jamais créées consciemment.
Comment faire un bon référencement naturel ?
Faire un bon référencement naturel, c'est d'abord arrêter de créer des problèmes. Avant d'ajouter du contenu, d'optimiser des balises ou d'acheter des liens, assurez-vous que ce que vous avez déjà est propre. Un site avec 200 pages uniques et bien structurées surpassera souvent un site avec 2 000 pages dont la moitié sont des doublons.
Concrètement, la séquence que je recommande :
- Auditer les URL indexées (recherche site: + crawl complet)
- Identifier les familles de doublons (paramètres, pagination, déclinaisons, versions http/https)
- Corriger les cas bloquants en premier, un par un, en vérifiant l'effet
- Puis seulement, travailler la qualité éditoriale et le maillage
- Enfin, la popularité (liens, mentions)
L'erreur classique que je vois partout : vouloir tout traiter en même temps. Résultat, on ne mesure rien, on ne sait pas ce qui a fonctionné, et on abandonne au bout de trois semaines.
Qu'est-ce qui indique au moteur de recherche de ne pas référencer la page ?
Plusieurs signaux existent, et ils ne se valent pas. Celui qui indique le plus clairement au moteur de recherche de ne pas référencer la page est la balise meta noindex. Placée dans la section head, elle exclut la page de l'index. C'est une consigne forte, respectée dans la grande majorité des cas.
À côté d'elle, il faut distinguer :
| Signal | Effet réel | Ce qu'il ne fait pas |
|---|---|---|
| meta noindex | Exclut la page de l'index | N'empêche pas le crawl |
| Disallow dans robots.txt | Empêche le crawl | N'empêche pas l'indexation si des liens pointent vers la page |
| Balise canonical | Indique la version à privilégier | N'est pas une exclusion, c'est une recommandation |
| Mot de passe / authentification | Rend la page inaccessible | Peut générer des erreurs de crawl |
Le piège classique : mettre une page en Disallow dans le robots.txt en croyant la retirer de l'index. C'est faux. Si d'autres sites pointent vers elle, Google peut l'indexer quand même, sans contenu visible. La bonne combinaison pour retirer une page de l'index est souvent noindex d'abord, puis Disallow une fois la désindexation confirmée.
Faut-il tout désindexer quand on a un doute ?
Non. Surtout pas. J'ai vu un développeur paniquer et poser un noindex global le temps de « nettoyer ». Le trafic a mis deux mois à revenir, et une partie ne l'a jamais fait. Désindexer, c'est un aller simple dans certains cas, notamment quand la page n'a plus de liens entrants pour signaler son retour. Corrigez, consolidez via canonical ou redirection, mais ne désindexez que ce que vous avez identifié comme réellement inutile.
Ce qu'on découvre une fois les gros doublons éliminés
Une fois les paramètres bloqués, les canonicals propres et les redirections vérifiées, il reste quelque chose de plus désagréable à regarder : la similarité réelle entre vos pages. Pas les doublons techniques, mais les quasi-doublons de contenu. Deux articles qui répondent à la même question. Cinq fiches produits dont le texte ne diffère que sur trois mots.
Là, aucun outil ne vous sauvera. Il faut lire. Fusionner. Réécrire. Et parfois supprimer, ce qui est le plus dur à accepter quand on a passé des heures sur une page.
La question que je me pose maintenant, et que je vous laisse : combien de vos pages existent uniquement parce que quelqu'un, un jour, a pensé qu'il fallait une page pour ça ?
