Qu'est-ce que le contenu dupliqué ?

Contenu dupliqué interne et externe

Le doublon est interne quand un même contenu est accessible par plusieurs adresses de votre propre site. Il est externe quand un texte est repris ailleurs : fiche produit copiée du fabricant, article republié, site recopié par un tiers.

D'où vient le contenu dupliqué

• des versions d'adresse multiples : http et https, avec ou sans www, avec ou sans slash final ;
• des paramètres d'URL : tris, filtres, identifiants de suivi ;
• des pages de services ou de produits quasi identiques, où seule la ville ou un mot change ;
• des versions imprimables, des pages de pagination, des archives et étiquettes de blog ;
• des textes repris tels quels d'un fournisseur ou d'un autre site.

Quels risques réels

Google indique qu'il n'existe pas de sanction automatique pour du simple contenu dupliqué, sauf quand il s'agit d'une manipulation destinée à tromper les moteurs (voir les pénalités Google). Les effets concrets sont ailleurs : une URL choisie par Google qui n'est pas la vôtre, des liens dispersés entre plusieurs adresses, du budget d'exploration gaspillé sur les gros sites, et des pages écartées de l'index. Dans la Search Console, ces cas apparaissent sous des motifs comme « Page en double sans URL canonique sélectionnée par l'utilisateur ».

Comment le détecter

• consulter le rapport Pages de la Search Console, qui liste les pages exclues pour cause de doublon ;
• lancer un crawl du site avec un outil d'audit, qui compare les contenus et les balises ;
• chercher sur Google une phrase caractéristique entre guillemets pour voir où elle apparaît.

Comment le traiter

• Redirection 301 pour les versions d'adresse alternatives, afin de n'en laisser qu'une seule accessible (voir le plan de redirection) ;
• Balise canonical pour indiquer la version préférée quand plusieurs URL doivent coexister : c'est une indication que Google peut ne pas suivre ;
• Réécriture des pages quasi identiques, pour leur donner un contenu propre ;
• Fusion des pages redondantes, ce qui évite aussi la cannibalisation SEO ;
• Noindex pour les pages utiles aux visiteurs mais sans intérêt pour la recherche, comme les résultats du moteur interne.

Pour les textes repris d'un fournisseur, la bonne pratique consiste à les réécrire avec vos propres informations plutôt que de les copier : vous apportez ainsi quelque chose que les autres sites n'ont pas, et Google a une raison de vous afficher.

Un exemple concret

Un réseau de cinq établissements reprend la même page de présentation pour chaque ville, en changeant seulement le nom de la ville dans le titre. Google considère ces pages comme très proches et n'en retient souvent qu'une. La correction consiste à enrichir chaque page avec ce qui est propre à l'établissement : adresse et accès, équipe, horaires, spécialités, avis de clients, questions fréquentes de la zone. Chaque page devient alors une réponse distincte à une recherche locale.

Les erreurs à éviter

• bloquer les doublons dans le fichier robots.txt : Google ne peut plus lire les balises placées sur ces pages, y compris la canonical ;
• placer une balise canonical vers l'accueil sur toutes les pages : elle devient incohérente et risque d'être ignorée ;
• combiner des consignes contradictoires sur la même page, par exemple un noindex et une canonical vers une autre adresse ;
• corriger le site puis ne plus surveiller le rapport Pages de la Search Console.

Après correction, il reste à vérifier dans l'Inspection de l'URL que Google a bien retenu la version souhaitée comme URL canonique.