Duplicate content

Le duplicate content, ou contenu dupliqué, désigne un même contenu accessible à plusieurs adresses. Il en existe deux familles. Le duplicate interne est le plus fréquent et presque toujours involontaire : versions http et https, avec ou sans « www », paramètres de tri ou de suivi, filtres, variantes de produits. Le duplicate externe concerne des textes repris d’un site à l’autre, typiquement les descriptions fournisseur copiées à l’identique par des dizaines de revendeurs.

Contrairement à une idée tenace, Google ne pénalise pas le contenu dupliqué en tant que tel, sauf copie à grande échelle dans un but manipulateur. Le vrai coût est ailleurs : le moteur ne montre qu’une version, pas forcément celle que vous préférez, les signaux se dispersent entre les copies et le robot perd du temps à explorer des doublons.

Ce que fait Google face à des pages en double

Google regroupe les URL qu’il juge équivalentes et désigne pour chaque groupe une URL canonique, la seule qui sera classée. Pour la choisir, il croise plusieurs indices : la balise canonical, les redirections, les liens internes, la présence dans le sitemap, la préférence pour le https. Ce sont des signaux, pas des ordres : si vos indices se contredisent (canonical vers une URL, maillage vers une autre), Google tranche seul. Les copies écartées ne sont pas classées, mais elles continuent d’être explorées, ce qui peut ralentir l’indexation des pages utiles sur les gros sites.

Exemple concret : un catalogue qui se démultiplie

Prenons un e-commerce de 1 500 produits. Chaque fiche est accessible depuis deux chemins de catégorie, et chacun existe avec et sans un paramètre de suivi ajouté par le module « produits similaires ». Un crawl révèle ainsi 6 000 URL de fiches pour 1 500 produits réels, soit quatre adresses par produit. En prime, la plupart des descriptions viennent du fournisseur et se retrouvent mot pour mot chez les concurrents.

Le plan de correction : une URL unique par produit, indépendante de la catégorie, avec redirection 301 des anciens chemins ; une canonical vers la version propre pour les paramètres qu’on ne peut pas supprimer ; un maillage interne qui ne pointe que vers les URL canoniques. Côté textes, inutile de tout réécrire d’un coup : on commence par les produits qui génèrent le plus d’impressions et de chiffre d’affaires.

Les erreurs qui entretiennent le duplicate

• Laisser les filtres à facettes explorables sans règle : chaque combinaison crée une URL. Skyseo la considère comme l’erreur la plus fréquente en e-commerce, avec parfois des centaines de milliers d’URL qui étouffent les pages légitimes.
• Confondre duplicate et cannibalisation : deux pages aux textes différents qui visent la même requête ne se règlent pas avec une canonical, mais par une fusion ou un re-ciblage.
• Bloquer les doublons dans le robots.txt : Google ne peut plus lire leur canonical ni leur noindex, et une URL bloquée peut rester indexée si elle reçoit des liens.
• Publier des pages ville où seul le nom de la commune change : Google peut les traiter comme des quasi-doublons, voire comme des pages satellites.

Comment détecter le contenu dupliqué

Dans la Search Console, le rapport d’indexation des pages liste les URL écartées comme doublons et signale les cas où Google a retenu une autre canonique que celle que vous avez déclarée : c’est le premier endroit à regarder. L’outil d’inspection d’URL affiche, page par page, la canonique choisie par Google. Screaming Frog repère les doublons exacts et les quasi-doublons, avec un seuil de similarité réglable, ainsi que les titles et H1 identiques. Pour le duplicate externe, une recherche Google sur une phrase exacte entre guillemets suffit souvent à trouver les copies.