Contenu dupliqué : ce que Google en dit, et les doublons à corriger en premier

Le contenu en double est normal sur un site, et Google l'écrit : ce n'est pas une infraction à ses règles contre le spam, donc pas une pénalité. Ce qui peut coûter quelque chose, c'est la même page servie par plusieurs adresses, qui éclate vos mesures et peut faire perdre du temps d'exploration. La mention légale reprise sur cent pages n'est pas votre sujet, et c'est par ces adresses multiples qu'il faut commencer.

Votre dernier audit annonce peut-être « des centaines de pages en contenu dupliqué ». Avant de réécrire quoi que ce soit, ouvrez dix de ces pages et classez-les. Beaucoup ne demandent rien. Quelques-unes peuvent vous coûter des visites. Voici comment les distinguer, avec ce que Google dit vraiment du sujet.

1. Ce que Google fait des doublons

Google ne punit pas les doublons, il les regroupe. Quand il trouve plusieurs pages identiques ou dont le contenu principal se ressemble fortement, il les range dans un même ensemble, choisit celle qu'il juge la plus complète et la plus utile pour les internautes, et la déclare canonique. Cette page-là est explorée plus régulièrement, les autres moins souvent. Dans les résultats, une seule version apparaît, en général.

Les causes ordinaires, d'après sa documentation : des variantes régionales d'un même texte, une version mobile et une version ordinateur, les versions HTTP et HTTPS d'un site, les pages produites par les fonctions de tri et de filtrage d'une catégorie, et une version de démonstration du site restée accessible aux robots. Aucune n'est une faute de rédaction. Ce sont des conséquences de la façon dont un site est fabriqué.

Un point de vocabulaire utile : Google parle du contenu principal de chaque page. C'est ce qui permet d'affirmer qu'une mention légale, un bandeau ou une citation reprise ailleurs ne font pas de deux pages des doublons. Ce que Google compare, ce sont les contenus principaux.

2. Les doublons à laisser tranquilles

Une mention légale, un bloc de présentation répété, une citation reprise d'un article à l'autre : ne touchez à rien. Ces éléments ne font en général pas partie du contenu principal des pages qui les portent.

Les fiches produits qui reprennent la description du fournisseur sont un cas plus délicat. Google ne vous sanctionne pas, mais il choisira une page parmi celles qui se ressemblent, et ce ne sera pas forcément la vôtre. Ma règle est simple : réécrire seulement les fiches des produits qui comptent pour votre chiffre d'affaires, avec ce que vous seul savez (délais réels, conseils d'usage, compatibilités), et laisser les autres.

Deux de vos pages qui répondent à la même question avec des angles proches ne sont pas nécessairement des doublons : examinez leur contenu principal avant de conclure. Si elles se recoupent vraiment, c'est un sujet éditorial, vos propres pages se disputent la même demande, et la fusion est une option dont nous parlons plus bas.

3. Les doublons qui méritent une correction

Google donne lui-même quatre raisons de dire quelle adresse vous préférez. Définir l'adresse affichée dans les résultats : sa documentation donne l'exemple d'une page produit atteinte à la fois par une adresse propre et par une adresse portant un identifiant de clic publicitaire. Regrouper les signaux des pages similaires, dont les liens que vous recevez. Simplifier le suivi : avec plusieurs adresses pour un même contenu, vos chiffres sont éclatés. Éviter que le robot de Google ne perde du temps sur des copies au lieu de lire vos pages nouvelles ou mises à jour.

En pratique, commencez par ces cas :
- une page accessible en HTTP et en HTTPS, avec et sans « www » ;
- des adresses avec paramètres de suivi, de tri ou de session qui affichent le même contenu ;
- une version de démonstration ou de test restée en ligne ;
- les pages qui reçoivent des impressions ou des liens : ce sont elles qui perdent le plus à être dispersées.

Triez la liste de votre audit par impressions dans la Search Console, pas par nombre d'occurrences. Un modèle de page répété cinquante fois sans impression vaut moins qu'une page de service accessible par deux adresses.

4. Comment dire à Google quelle adresse garder

Google décrit trois méthodes, classées par force. La redirection permanente est un signal fort, à utiliser quand vous abandonnez la page en double. L'annotation rel=canonical, ajoutée dans le code des pages en double et pointant vers l'adresse retenue, est elle aussi un signal fort. L'inclusion dans un sitemap est un signal faible. Combinées, elles se renforcent. Aucune n'est obligatoire : sans indication, Google choisit seul, et même avec indication, il ne garantit pas de suivre votre préférence.

Quelques règles de la même documentation, qui évitent les erreurs fréquentes : ne pas utiliser le fichier robots.txt ni la balise noindex pour choisir l'adresse, ne pas donner à la même page deux canoniques différentes par deux méthodes, mettre un rel=canonical sur la page canonique elle-même, écrire des adresses complètes plutôt que relatives. Dans votre site, faites vos propres liens vers l'adresse retenue, jamais vers la copie.

Pour savoir ce que Google a réellement retenu, ouvrez l'inspection d'URL de la Search Console : elle indique la page qu'il considère comme canonique. Si ce n'est pas la vôtre, Google indique qu'il peut choisir une autre page pour des raisons de qualité du contenu ou de signaux techniques, et cite parmi les causes courantes un module de gestion de contenu qui écrit un mauvais rel=canonical. Après correction, le réexamen prend un délai variable : Google indique pouvoir garder des pages dans un groupe de doublons jusqu'à deux semaines.

5. Fusionner plutôt que canonicaliser

Quand deux pages de votre site répondent à la même question, la canonique règle mal le problème : aucune n'est la copie de l'autre. Envisagez de les fusionner si leurs intentions et leurs contenus se recoupent réellement : une page plus complète, l'adresse de la plus ancienne ou de celle qui reçoit le plus d'impressions, et une redirection permanente pour l'autre. Démarche plus lourde, mais elle traite la cause au lieu de la masquer. Si les deux pages servent des intentions différentes, laissez-les vivre et différenciez-les.

6. Cette semaine

Exportez de votre audit la liste des adresses signalées en doublon, croisez-la avec les impressions de la Search Console, et gardez les dix premières. Pour chacune, inspectez l'adresse et notez celle que Google a retenue. Ce relevé, daté, est votre point de départ : il vous évitera de réécrire des pages qui n'avaient rien.

Un doublon n'est pas une faute. Quand c'est une adresse en trop, selon le cas on la conserve, on la canonicalise ou on la redirige.