Pages en double sur un site : les repérer et les régler

Le contenu dupliqué désigne un même texte accessible à plusieurs adresses, sur un site ou entre plusieurs sites. Ce n'est pas une infraction selon Google, qui choisit simplement une version à afficher ; le risque est surtout que ce ne soit pas la bonne et que l'exploration se disperse.

Les causes internes, souvent techniques

La plupart des doublons ne viennent pas d'un copier-coller mais de la façon dont le site répond aux adresses. Les cas les plus courants :

• Protocole et sous-domaine : la même page répond en http et en https, avec et sans www.
• Barre finale et majuscules : /guide, /guide/ et /Guide/ affichent le même contenu.
• Paramètres d'adresse : tri, filtres, suivi de campagne (utm_source), identifiants de session ajoutent un paramètre sans changer le texte.
• Variantes de produit : une fiche par couleur ou par taille, avec la même description.
• Archives et étiquettes d'un blog, qui reprennent les mêmes extraits dans plusieurs listes.
• Version de démonstration ou de préproduction laissée ouverte aux robots.
• Version mobile séparée sur un sous-domaine m., ou versions imprimables.

La documentation de Google sur la canonicalisation cite elle-même les variantes de protocole, d'appareil et de région, les fonctions de tri et de filtrage des catégories, et les copies accidentelles comme une version de test.

Les doublons venus d'autres sites

Le contenu dupliqué externe prend deux formes. La première est subie : un site recopie des pages, parfois automatiquement. Google classe cette pratique parmi le spam (contenu extrait sans valeur ajoutée) ; si la copie viole le droit d'auteur, une demande de suppression peut être adressée à Google. La seconde est choisie : la même description fournie par un fabricant à tous ses revendeurs, ou un article republié chez un partenaire. Réécrire les descriptions avec des informations propres, ou obtenir du partenaire un lien vers l'original, aide alors le moteur à identifier la source.

Ce que le doublon coûte vraiment

Google l'écrit clairement : le contenu en double sur un site est normal et n'enfreint pas ses règles concernant le spam. Il n'y a pas de pénalité. Les effets sont plus discrets :

• le moteur choisit seul la version canonique, qui n'est pas forcément celle que le site met en avant ;
• les liens et les statistiques se répartissent entre plusieurs adresses, ce qui brouille le suivi ;
• le robot passe du temps sur des copies au lieu de découvrir les pages nouvelles ;
• deux pages proches qui visent la même requête se concurrencent.

Des titles et descriptions identiques sur plusieurs pages sont un symptôme fréquent ; la façon de les rendre uniques est traitée dans la page sur la balise title et la meta description. Une série de pages quasi identiques par ville va plus loin et relève des pages satellites décrites dans le guide sur la suroptimisation SEO.

Corriger, du signal le plus fort au plus léger

1. Redirection permanente (301) des variantes vers l'adresse retenue : http vers https, une seule forme pour le www et pour la barre finale. C'est le signal le plus net.
2. Balise link rel="canonical" sur les pages qui doivent rester accessibles sous plusieurs adresses, comme une liste triée ou un produit décliné en couleurs.
3. Liens internes cohérents : le menu, les articles et le plan du site pointent toujours vers la forme canonique.
4. Plan du site XML limité aux adresses canoniques.
5. Fusion de deux pages trop proches en une seule, plus complète, avec redirection de l'ancienne.

Google précise que ces signaux expriment une préférence sans garantir le choix final. L'outil d'inspection d'URL de la Search Console montre l'URL canonique déclarée et celle que Google a retenue : un écart entre les deux indique où chercher. Ces réglages font partie du SEO technique.

Doublons : ce qui inquiète à tort

Citer un extrait d'une autre page crée-t-il du contenu dupliqué ?

Non, une citation courte, présentée comme telle et accompagnée de sa source, ne pose pas de problème. C'est la reprise de pages entières sans apport qui en pose un.

Les mentions légales ou les conditions de vente identiques sur plusieurs sites sont-elles gênantes ?

Non. Ce type de texte répétitif est attendu ; le moteur choisit une version à afficher et cela n'affecte pas le reste du site.

D'autres guides de la rubrique référencement naturel prolongent ces notions.

Sources : Google Search Central, « Qu'est-ce que la canonicalisation ? » ; Google Search Central, « Règles concernant le spam pour la recherche Google » ; Google Search Central, guide de démarrage SEO ; aide de la Search Console sur l'inspection d'URL.