Contenu dupliqué : titres, canonical et variantes d’URL

Ce qu’est le contenu dupliqué

Le contenu dupliqué désigne un contenu principal identique ou très similaire à plus d’une adresse. La plupart du temps, il ne s’agit pas de texte copié mais d’un problème technique : une page répond sous plusieurs adresses. Google appelle le choix d’une adresse représentative la canonicalisation. Il regroupe les pages au contenu principal identique ou très similaire et en affiche une dans les résultats de recherche.

Google écrit qu’une part de contenu dupliqué est normale et ne constitue pas une violation de ses règles sur le spam. Le problème est ailleurs : tu ne décides pas quelle adresse apparaît, les signaux comme les liens se répartissent sur plusieurs adresses, les statistiques sont plus difficiles à lire, et les robots d’exploration passent du temps sur des copies au lieu de nouvelles pages.

D’où viennent les doublons

• Protocole et hôte : http et https, avec et sans www. Google cite les deux comme variantes typiques.
• Paramètres : paramètres de suivi comme gclid ou utm_source, identifiants de session, et tri ou filtres sur les pages de catégorie.
• Petites différences dans l’adresse : une barre oblique finale, les majuscules et minuscules, ou index.html peuvent transformer une page en plusieurs adresses.
• Le même produit dans plusieurs catégories, avec une adresse pour chaque chemin.
• Versions imprimables, pages mobiles séparées, et copies de test ou de démonstration accessibles aux robots.
• Variantes régionales : des adresses séparées pour plusieurs pays avec le même contenu dans la même langue.

Pour les trouver, compare trois listes : les adresses de ton sitemap, les adresses qui apparaissent dans tes statistiques et les adresses qu’une exploration de ton site trouve. Une adresse qui apparaît dans tes statistiques mais manque dans le sitemap est souvent une variante.

Titres, descriptions et H1 en double

Un second type de doublon concerne les textes, pas les adresses. Google conseille un titre distinct et descriptif pour chaque page et met en garde contre les textes répétés ou passe-partout dans l’élément title. Son exemple est une boutique qui utilise la même phrase commerciale comme titre de chaque page, si bien qu’on ne peut plus distinguer les pages. Si le titre n’est pas utile, Google peut aussi s’appuyer sur le titre principal visible et sur des intitulés comme h1.

Les causes typiques sont des modèles qui ne remplissent que le nom de la boutique, des pages de catégorie avec des numéros de page, et des variantes de produit qui partagent un seul texte. Donne à chaque page d’un tel groupe un titre, une description et un H1 qui nomment ce qui est différent : le produit, la couleur, la ville ou le sujet. Comment les rédiger est expliqué dans notre guide sur les titres et méta-descriptions.

Des pages presque identiques

Les pages au texte principal presque identique sont plus difficiles à juger : des pages locales qui ne changent que le nom de la ville, des variantes avec un texte commun, des pages de tags et de catégories qui listent les mêmes articles. Demande-toi pour chaque groupe si chaque page a son propre intérêt pour les visiteurs. Si oui, donne-lui son propre contenu. Sinon, fusionne les pages en une seule et redirige les autres, ou marque une page comme version principale.

Comment dire à Google quelle adresse est la principale

Google cite trois moyens et indique la force de chacun comme signal :

• Une redirection, par exemple 301 : un signal fort indiquant que la cible doit devenir canonique. Utilise-la quand tu retires le doublon.
• Un lien canonical dans le head de la page ou sous forme d’en-tête HTTP : également un signal fort. L’en-tête fonctionne aussi pour des fichiers comme les PDF.
• Un sitemap qui ne liste que les adresses principales : un signal faible.

Google traite ton choix comme une indication, pas comme une règle, et peut choisir une autre page si d’autres signaux le contredisent. Fais donc pointer tous les signaux vers la même adresse.

Règles pour les liens canonical

• Chaque page principale se désigne elle-même comme canonique.
• Utilise des adresses complètes avec https://, pas des adresses relatives.
• N’indique pas des adresses canoniques différentes pour la même page à différents endroits.
• N’utilise pas noindex pour choisir entre des doublons de ton propre site. Cela exclut complètement la page de la recherche.
• N’utilise pas robots.txt pour cela. Google peut quand même indexer des adresses bloquées, simplement sans leur contenu.
• Fais tes liens internes vers l’adresse principale, dans les menus, dans le texte et dans le sitemap.
• Les versions linguistiques se désignent elles-mêmes, pas une autre langue. Notre guide sur les erreurs hreflang explique pourquoi.

www, https et autres variantes du site

Choisis une forme de ton domaine, par exemple https avec www, et redirige toutes les autres formes vers elle, page par page et non vers la page d’accueil. Google préfère en général la version https comme canonique, sauf en cas de problèmes comme un certificat non valide, et déconseille les redirections de https vers http. Ensuite, vérifie que les liens internes, les liens canonical et le sitemap utilisent tous la forme choisie.

Travailler avec Do4U

La Vérification du contenu dupliqué lit ton site à partir de la page d’accueil, d’une liste d’adresses ou d’un sitemap. Pour un nombre limité de pages, elle compare les titres, les méta-descriptions, les H1, les liens canonical, noindex et le texte principal visible. Tu obtiens chaque constat regroupé avec les adresses concernées : titres et descriptions en double ou manquants, pages avec peu de texte, pages au texte presque identique, liens canonical vers des pages cassées ou d’autres sites, et pages noindex vers lesquelles tes propres pages font des liens. Tu peux tout exporter en CSV. La vérification fonctionne sans IA et est gratuite, avec une limite quotidienne par compte.

Les pages sont lues telles que le serveur les livre, sans JavaScript, et un grand site n’est lu qu’en partie. Les longueurs de titre sont des valeurs indicatives, pas des règles de Google. Do4U trouve des indices, tu vérifies et tu décides quelle adresse reste.