Contenu dupliqué : 6 causes, 4 corrections, pas de pénalité

Vous tapez site:votresite.fr dans Google et vous voyez la même page trois fois, à l'adresse près. Ou Search Console annonce 180 pages connues pour 62 pages indexées, sans la moindre erreur signalée. Vous cherchez la sanction : vous ne la trouverez pas, parce qu'elle n'existe pas. Ce que vous avez perdu est plus discret et plus coûteux : le droit de décider quelle URL les moteurs de recherche affichent pour votre contenu.

Le contenu dupliqué est le sujet de référencement naturel sur lequel on lit le plus d'approximations. La définition, vous la connaissez déjà : deux pages web dont le texte principal est identique ou quasi identique. Ce que presque personne n'écrit, c'est où la duplication naît sur un site de PME française, et quelle correction va avec chaque cas. Il y en a six, et quatre corrections. Ce n'est pas la même chose de servir deux fois son site et de recopier les fiches de son fournisseur.

Il n'y a pas de pénalité, il y a un choix fait à votre place

La documentation de Google sur le contenu dupliqué est explicite : la présence de pages en double n'est pas un motif d'action manuelle. Les règles anti-spam visent autre chose — le contenu aspiré sur d'autres sites et republié sans valeur ajoutée, ce qui relève du vol, pas de la maladresse technique. Si vous avez trois fois votre page « nos tarifs » parce que votre CMS génère trois URLs, personne ne vous punit. Rien dans Search Console ne vous le dira, aucune pénalité Google n'est en cours.

Voici ce qui se passe réellement. Face à plusieurs URLs portant le même texte, Google en désigne une comme canonique : c'est elle qu'il indexe, c'est elle qu'il affiche, c'est sur elle qu'il additionne les signaux de popularité. Les autres sont rangées dans un placard. Cinq conséquences concrètes, et elles coûtent cher :

• Google peut choisir une autre URL que la vôtre, et il le fait
• Les liens reçus se répartissent entre les doublons au lieu de s'additionner
• Les robots dépensent leur passage sur des pages web inutiles
• Les statistiques sont faussées : une page, plusieurs lignes de rapport
• La page que vous soignez n'est pas celle qui se positionne

Le premier point est le plus pénible. Vous avez travaillé /services/plomberie/, vous y avez mis vos photos, vos références, votre balise title. Google affiche /services/plomberie/?ref=menu, une version sans fil d'Ariane arrivée là par accident. Vous ne pouvez pas le lui reprocher : vous ne lui avez rien dit. Le deuxième point se mesure : si un confrère vous a lié vers la version www et un annuaire vers la version sans www, et qu'aucune redirection ne tranche, vous avez deux demi-pages au lieu d'une page qui compte.

Les 6 sources de duplication sur un site de PME

En audit, la duplication vient presque toujours d'une de ces six situations. Les trois premières sont techniques et se règlent en une heure. Les trois suivantes sont éditoriales et demandent du travail.

• Le même site servi en http, https, avec et sans www
• Les paramètres d'URL : filtres, tris, étiquettes de campagne
• Les archives automatiques du CMS : catégories, dates, auteurs
• Les fiches produits reprises du catalogue du fournisseur
• Les pages ville identiques à un nom de commune près
• Le site de préproduction laissé explorable par les robots

1. Les quatre adresses du même site. http://site.fr, https://site.fr, http://www.site.fr, https://www.site.fr : quatre URLs, un seul site. Tant que trois d'entre elles ne redirigent pas vers la quatrième en 301, vous avez quatre exemplaires de chaque page. Ajoutez la variante avec et sans barre oblique finale, et /index.php qui répond comme la racine, et vous montez à huit. C'est le cas le plus fréquent et le plus vite réglé : une règle de redirection chez l'hébergeur, et c'est fini. Le passage en HTTPS est souvent le moment où le problème apparaît, parce qu'on ajoute le certificat sans fermer l'ancienne porte.

2. Les paramètres d'URL. Chaque filtre d'un catalogue fabrique une adresse : ?couleur=noir, ?tri=prix, ?page=2. Les liens de vos campagnes en ajoutent d'autres avec ?utm_source=. Sur un catalogue de 400 produits avec cinq filtres combinables, on dépasse facilement le millier d'URLs pour trois cents pages réelles. L'ancien outil « Paramètres d'URL » de Search Console a été retiré en 2022 : il faut donc traiter cela dans le code, par la balise canonique. Le cas de la pagination des catégories produits a ses propres règles, il est traité à part.

3. Les archives du CMS. Sur WordPress, un article apparaît sur sa page, dans l'archive de sa catégorie, dans celle de son étiquette, dans celle de son mois et dans celle de son auteur. Si les archives affichent le texte complet et non un extrait, le même contenu existe cinq fois. Aucun réglage par défaut ne vous en protège ; la checklist WordPress indique quoi désindexer.

4. Les fiches produits du fournisseur. Le cas le plus sérieux, et celui dont les articles génériques ne parlent jamais. Vous reprenez le descriptif du fabricant : vos concurrents l'ont fait aussi, parfois par centaines. La duplication n'est pas interne, elle est externe, et la balise canonique n'y change rien. Ici, Google n'arbitre pas entre vos URLs : il arbitre entre votre site et les grandes places de marché. Vous perdez.

5. Les pages ville clonées. « Plombier à Lyon », « Plombier à Villeurbanne », « Plombier à Vénissieux » : même texte, nom de commune remplacé. C'est de la duplication, même si personne ne l'appelle comme ça, et c'est ce que les règles anti-spam de Google décrivent comme des pages créées sans valeur propre. On y revient plus bas.

6. La préproduction indexée. dev.site.fr ou site.fr/nouveau/ livré par l'agence précédente, jamais fermé. Le site entier existe deux fois, et la version de test gagne parfois, parce qu'elle a été explorée la première. On la bloque dans le fichier robots.txt et surtout par une authentification HTTP, seule méthode qui ferme vraiment la porte.

Quatre corrections, une par situation

Le réflexe de la balise canonique partout est une erreur. Chaque cas a son outil, et les mélanger produit des signaux contradictoires que Google tranche comme il veut.

La redirection 301 est la correction la plus propre quand une seule adresse a du sens. Elle règle les cas 1 et 6, et une partie du 3. Posez-la à la source, pas en cascade : trois redirections enchaînées diluent le signal et ralentissent le chargement, donc l'expérience utilisateur. Notre article sur les erreurs 404 et les redirections 301 détaille la méthode et les pièges.

La balise canonique, rel="canonical", est une indication, pas un ordre. Google la suit dans la grande majorité des cas, mais il peut l'ignorer s'il juge que la page désignée ne correspond pas. Deux règles tiennent la majorité des réglages ratés : la canonique doit être une URL absolue, et chaque page doit en porter une, y compris celle qui se désigne elle-même. Ne combinez jamais canonique et noindex sur la même page : vous demandez à la fois de regrouper les signaux et de les jeter.

La fusion sert quand les deux pages sont différentes mais visent la même intention de recherche — deux articles de blog, ou une page service et un article qui disent la même chose. Ce n'est plus de la duplication technique, c'est de la cannibalisation, et elle se mesure avant de fusionner quoi que ce soit.

La réécriture est la seule réponse au cas 4. Et il faut être clair : passer un texte fournisseur dans un outil de reformulation ne crée rien. Vous obtenez un quasi-doublon de plus, avec les mêmes informations dans un autre ordre. Nos bonnes pratiques de rédaction assistée par IA partent du même constat : l'outil accélère la mise en forme, il ne fabrique pas l'information que vous seul détenez.

Fiches produits : ce qu'il faut ajouter, concrètement

Sur un catalogue de PME, on ne réécrit pas quatre cents fiches. On hiérarchise. Les trente références qui font le chiffre d'affaires sont réécrites à la main ; les autres gardent le texte du fournisseur avec, en tête, deux ou trois phrases qui n'existent que chez vous.

Ce qui compte comme valeur propre, dans l'ordre d'efficacité observé sur des catalogues de PME : le délai de livraison réel, la compatibilité avec les autres produits que vous vendez, ce que les clients demandent au téléphone avant d'acheter, les dimensions ou le poids que la fiche fournisseur oublie, et les avis de vos propres clients. Ce sont des informations qu'un concurrent ne peut pas copier parce qu'il ne les a pas. Trois phrases de ce type valent mieux qu'une page de reformulation.

Pour les variantes d'un même produit — tailles, coloris — ne créez pas une page par déclinaison. Une page produit avec un sélecteur, et la canonique de chaque variante pointant vers la page mère. La stratégie SEO e-commerce pour PME traite l'arbitrage complet entre variantes, filtres et pages de catégorie.

Pages ville : la duplication que personne n'appelle duplication

Une PME qui intervient sur dix communes veut dix pages. L'intention est légitime : ces requêtes existent et le besoin est réel. La méthode employée, elle, ne l'est presque jamais. Un gabarit, un nom de ville à la place d'un autre, et dix pages web qui ne se distinguent que par trois mots. Google les regroupe : il en indexe une, deux peut-être, et les autres n'apparaissent nulle part. Vous avez payé dix pages pour en obtenir une.

Ce qui fait tenir une page locale, c'est ce qui ne se duplique pas : un chantier réalisé dans cette commune avec ce qu'il avait de particulier, les délais d'intervention depuis votre atelier, les contraintes locales que vous connaissez — type de bâti, règlement de copropriété, zone de stationnement. Notre article sur la rédaction des pages ville donne le gabarit minimum, et les citations locales font le reste du travail de proximité.

Un repère utilisé en audit : si vous pouvez remplacer le nom de la ville par celui d'une autre commune sans que la page devienne fausse, la page n'a pas de valeur propre. C'est un test de dix secondes, et il est sévère.

Ce qui ne marche pas, ou n'a plus cours

Quatre croyances continuent de circuler, y compris chez des prestataires.

« Au-delà de 30 % de similarité, Google sanctionne. » Ce seuil n'existe pas. Aucune documentation de Google ne publie de taux. Les outils de détection fixent le leur — Screaming Frog place par défaut son seuil de quasi-doublon à 90 % — mais c'est un réglage d'outil, pas une règle du moteur. Méfiez-vous de tout prestataire qui vous annonce un pourcentage de sécurité.

« Je bloque les doublons dans robots.txt. » Mauvaise idée. Une page bloquée n'est pas explorée, donc Google ne lit ni sa balise canonique ni son noindex. Elle peut rester dans l'index, sans description, avec les signaux coupés. Le blocage sert à économiser l'exploration sur des zones sans intérêt, pas à dédoublonner. Le sujet est traité dans notre article sur le budget d'exploration.

« Un contenu identique en français pour la France et la Belgique, c'est dupliqué. » Non, si hreflang est posé correctement : c'est exactement le cas que ces balises servent à déclarer. Mal posées, en revanche, elles produisent le doublon qu'on voulait éviter — voir notre article sur les versions française et anglaise sans doublon.

« Google indexera la bonne page, il est intelligent. » Il choisit, et son critère n'est pas votre préférence : c'est la cohérence des signaux qu'il trouve — liens internes, sitemap, canonique, redirections. Si vos liens de menu pointent vers une version et votre sitemap XML vers une autre, vous avez voté deux fois pour deux candidats.

Le contrôle : trois relevés, un quart d'heure

La vérification se fait dans Search Console, gratuitement, et ne demande aucun outil payant. Trois endroits à regarder, dans cet ordre.

1. Indexation des pages. Deux lignes vous intéressent : « Page en double, l'utilisateur n'a pas sélectionné de page canonique » et « Page en double : Google n'a pas sélectionné la même page canonique que l'utilisateur ». La seconde est la plus instructive : elle liste les pages où votre avis a été écarté. Cliquez, ouvrez trois exemples, regardez quelle URL Google a retenue.
2. Inspection de l'URL. Collez l'adresse que vous voulez voir indexée. Le rapport donne « Canonique déclarée par l'utilisateur » et « Canonique sélectionnée par Google ». Si les deux diffèrent, vous tenez le problème en trente secondes. Le reste du rapport est détaillé dans notre guide Search Console.
3. Le compte global. Comparez pages connues et pages indexées. Un écart de 10 à 20 % est normal sur un site qui vit. Un écart de moitié sur un site de cinquante pages signale presque toujours de la duplication ou un problème d'indexation plus large.

Pour un relevé complet, Screaming Frog en version gratuite explore 500 URLs et affiche les quasi-doublons dans son onglet « Content », après avoir lancé l'analyse de l'exploration. Au-delà de 500 pages, c'est l'étape où un audit technique se justifie.

Comptez deux à quatre semaines après correction pour voir les rapports bouger : les robots doivent réexplorer les pages concernées avant que Google révise son choix. Si vous corrigez pendant une refonte, la méthode de migration sans perte de trafic évite d'empiler les deux chantiers. Et si l'état des lieux vous paraît trop vaste pour être traité seul, dites-nous où vous en êtes : le relevé des doublons est la première chose que nous regardons.

Questions fréquentes