Contenu dupliqué : quel impact sur votre référencement naturel, et que faire de chaque doublon ?

Le contenu dupliqué ne déclenche aucune pénalité Google, sauf copie d’autres sites à des fins de classement. Google range les pages au contenu identique ou voisin dans un même groupe, en retient une, la canonique, et n’affiche qu’elle. Le coût est là : la version retenue n’est pas forcément la vôtre, les liens se dispersent, et les quasi-doublons (fiches produits, pages villes) n’apparaissent nulle part. Voici la lecture Search Console et la décision par type de doublon.

Non. La page de Google sur le choix de l’URL canonique est explicite : « Le contenu en double sur un site est normal et n’enfreint pas les Règles Google concernant le spam. » Le mécanisme est une déduplication et non une sanction :

• Google identifie le contenu principal de chaque page ;
• il regroupe les pages dont ce contenu est identique ou très proche ;
• parmi elles, il déclare canonique la page « objectivement la plus complète et la plus utile » selon ses signaux ;
• il explore la canonique plus souvent, les doublons moins, et évalue la qualité du contenu à partir de la canonique.

La seule exception relève des règles concernant le spam : le scraping, c’est-à-dire republier le contenu d’autres sites sans valeur ajoutée, y compris en le modifiant légèrement par synonymes ou outil automatique. Là, il s’agit d’une infraction et non d’un doublon.

Un mythe à ranger : le seuil de similarité. Google ne publie aucun pourcentage à partir duquel 2 pages deviennent des doublons. Les 70 % ou 80 % que citent les outils sont leurs propres réglages ; la documentation de Google parle de « contenu principal » identique ou qui « se ressemble fortement », sans chiffre.

Le coût se lit dans la Search Console ou dans un crawl, sur 4 postes :

• la page affichée n’est pas la vôtre : sur un groupe de doublons, Google choisit. Il peut retenir la version avec paramètre de tri plutôt que la fiche propre, la page de test restée accessible plutôt que la page en ligne, ou le site d’un partenaire plutôt que le vôtre ;
• les liens se dispersent : 3 URL qui servent le même contenu reçoivent chacune une part des liens entrants. Google regroupe les signaux sur la canonique quand il reconnaît le groupe ; quand il ne le reconnaît pas, chaque version reste faible ;
• l’exploration se perd : sur un catalogue dont les combinaisons de filtres produisent 3 fois plus d’URL que de produits, Googlebot passe son temps sur des pages sans valeur et revient tard sur les nouveautés ;
• la mesure se brouille : les impressions et les clics d’un même contenu se répartissent entre plusieurs lignes de la Search Console, et vous ne voyez plus si le contenu progresse.

Dans nos missions, le cas le plus coûteux n’est pas le doublon technique, c’est le quasi-doublon éditorial. Chez un cabinet de conseil en retraite, des dizaines de pages « info » traitaient des sujets voisins : le plan validé avec le client en supprime 24, redirigées en 301, et réécrit celles qui restent.

Un site immobilier comptait plus de 13 pages d’estimation en concurrence sur les mêmes requêtes : elles ont été réorganisées autour d’une page centrale et de pages filles au périmètre distinct. Ce recensement des groupes de doublons, avec une décision par groupe, est la première pièce que notre agence SEO à Paris livre sur un site qui a beaucoup publié.

Dans le rapport « Pages » de la Search Console, 3 motifs d’indexation concernent les doublons, et ils ne se lisent pas de la même façon :

• « Page en double sans URL canonique sélectionnée par l’utilisateur » : la page ne déclare rien, Google a choisi une autre URL à sa place. Motif attendu pour les variantes techniques ; à examiner si une page commerciale y figure ;
• « Double : Google a choisi une autre URL canonique que l’utilisateur » : votre balise canonique désigne une page, Google en préfère une autre. C’est le désaccord à traiter en premier : en inspectant l’URL, vous voyez côte à côte la canonique que vous avez déclarée et celle que Google a retenue ;
• « Autre page avec balise canonique correcte » : la page renvoie vers une canonique indexée, Google précise qu’aucune action n’est nécessaire.

Le rapport plafonne chaque liste à 1 000 URL. Pour le reste, 2 compléments :

• le rapport sur les performances, filtré sur une requête, onglet Pages : 2 URL du site qui se partagent les impressions d’une même requête ne sont pas forcément regroupées par Google, mais elles se disputent la même intention. La lecture est détaillée dans notre guide sur la Search Console ;
• un crawl du site avec détection des contenus proches (Screaming Frog, Oncrawl), qui remonte les pages villes et les fiches produits que la Search Console n’a pas encore listées.

Google classe ses propres méthodes par force de signal dans sa page sur la spécification d’une URL canonique : redirection et balise rel= »canonical » pèsent comme signaux forts, le sitemap comme signal faible, et aucune de ces indications n’oblige Google.

Pour désigner une canonique, 2 outils sont à écarter : robots.txt, qui empêche l’exploration sans empêcher l’indexation de l’URL, et noindex entre pages d’un même site, que Google déconseille parce qu’il retire complètement la page de la recherche. robots.txt garde en revanche sa place pour les facettes, où le but est d’économiser l’exploration et non de choisir une page.

La fusion est la décision la plus rentable et la plus risquée du tableau. Notre règle, appliquée sur chaque plan de redirections que nous livrons : la page redirigée doit être moins bien positionnée que la page cible sur les requêtes qu’elles partagent. Une 301 dans l’autre sens envoie la page qui rapportait vers celle qui ne rapportait pas.

La procédure :

1. Exporter les requêtes des 2 pages sur 3 mois depuis la Search Console, et comparer position et impressions requête par requête ;
2. Récupérer ce que la page redirigée avait d’unique (un paragraphe, un tableau, une question fréquente) et l’intégrer à la cible avant de poser la redirection ;
3. Rediriger en 301, puis remplacer dans le site tous les liens internes qui pointaient vers l’ancienne URL : Google recommande de lier la canonique plutôt qu’un doublon, et chaque lien corrigé épargne un saut de redirection ;
4. Attendre avant de conclure : Google indique qu’il peut conserver les pages dans un groupe de doublons jusqu’à 2 semaines après une correction, d’après sa page sur la résolution des problèmes de canonique. La demande d’indexation accélère le réexamen, dans la limite d’un quota, à réserver aux URL importantes.

Sur notre propre site, un article sur les URL canoniques et une définition du glossaire couvraient le même sujet : l’article a été redirigé vers la définition de l’URL canonique, retenue comme cible selon cette règle de position.

Chez un client de la propreté en Île-de-France, 3 guides sur la désinfection des locaux se partageaient les mêmes requêtes. 2 ont été redirigés vers le troisième, réécrit en page pilier, dans un plan de 15 redirections livré au webmaster avec, pour chaque ligne, le contenu à récupérer avant la pose.

Oui, et la règle est la même. Dans son rapport Search Console dédié à l’IA générative, Google rattache la plupart des impressions obtenues dans les Aperçus IA et le Mode IA à l’URL canonique et non aux doublons : un contenu servi par 3 URL n’apparaît que sous l’URL retenue par Google. Si cette URL est la version avec paramètre, ou la copie d’un partenaire, la citation lui revient.

Pour les assistants qui cherchent sur le web (ChatGPT, Perplexity), aucune documentation ne décrit la déduplication. 2 constats reviennent tout de même quand on suit un jeu de prompts :

• un même texte publié chez vous et chez un partenaire mieux établi est cité avec le nom du partenaire ;
• une page pilier unique et complète est plus souvent reprise qu’un groupe de pages voisines qui se répètent, parce qu’elle concentre ce que le modèle cherche en un seul endroit.

Le travail de consolidation décrit plus haut sert donc les 2 canaux ; notre agence GEO le mesure avec le même jeu de prompts avant et après.