Contenu dupliqué : définition et explications

Le contenu dupliqué désigne un contenu qui apparaît, mot pour mot ou presque, à plus d’une URL. Cela peut se produire au sein d’un même site (la même fiche produit accessible par quatre adresses différentes) ou entre sites (un article republié par des partenaires ou copié par un plagiaire).

La plupart des duplications sont techniques et accidentelles. Chacune de ces URL peut servir la même page :

http://example.com/shoes/
https://example.com/shoes/
https://www.example.com/shoes
https://www.example.com/shoes/?utm_source=newsletter
https://www.example.com/shoes/?sort=price&color=blue
https://www.example.com/Shoes/

Pour vous, c’est une seule page. Pour un robot, ce sont six URL à récupérer, comparer et regrouper.

Le mythe de la pénalité

Il n’existe pas de « pénalité pour contenu dupliqué » générale. Google regroupe les doublons dans un cluster, choisit une URL comme canonique et affiche celle-ci dans les résultats ; les autres sont traitées comme des alternatives. Les règles anti-spam de Google n’entrent en jeu que lorsque la duplication est trompeuse : copie d’autres sites ou production en masse de pages quasi identiques pour manipuler le classement.

Les vrais coûts sont plus discrets :

• Google peut choisir la mauvaise URL canonique, par exemple une URL avec paramètres ou la version http, si bien que l’adresse que vous promouvez n’est pas celle qui se classe.
• Les signaux se dispersent quand les backlinks et les liens internes pointent vers des versions différentes.
• Le crawl est gaspillé sur des variantes au lieu des pages nouvelles ou mises à jour.
• Les systèmes d’IA voient le même passage plusieurs fois et peuvent l’attribuer à la première copie rencontrée, y compris celle d’un partenaire de syndication.

Comment consolider les doublons

Le guide de Google sur la consolidation des URL en double classe les méthodes par force. Utilisez-les ensemble pour qu’elles concordent :

1. Les redirections : une redirection 301 de http vers https et de non-www vers www (ou l’inverse) supprime entièrement les doublons de protocole et d’hôte.
2. La balise canonical : chaque variante déclare l’URL préférée avec une balise canonical :

   <link rel="canonical" href="https://www.example.com/shoes/">

3. Des liens internes et des sitemaps cohérents : ne faites de liens que vers la forme canonique, et ne listez que des URL canoniques dans votre sitemap.

Erreurs courantes

• Des balises canonical qui pointent vers une URL redirigée, qui renvoie une 404 ou qui est marquée noindex.
• Des signaux contradictoires : la canonical indique une URL, le sitemap en liste une autre, les liens internes en utilisent une troisième.
• Bloquer les URL en double dans le robots.txt. Google ne peut alors pas les récupérer pour lire la balise canonical, et les doublons peuvent rester indexés.
• Réutiliser la même description du fabricant sur des centaines de fiches produits sans rien y ajouter d’original : ce n’est pas une pénalité, mais Google n’a alors aucune raison de classer votre page avant celle de toutes les autres boutiques qui ont le même texte. On frôle alors le contenu pauvre.

Comment vérifier

Le Vérificateur canonical trouve la canonical dans votre HTML et vos en-têtes HTTP, vérifie qu’elle est absolue, qu’elle renvoie un 200 et qu’elle est indexable, et teste si les versions http/https et www/sans www redirigent vers une seule adresse. Pour repérer les titres et descriptions en double sur de nombreuses pages, un crawl du site avec le Audit SEO de site web liste les clusters.

Questions fréquentes