Un catalogue de 4 000 références, et pourtant Google n'en indexe que 900. J'ai vu ce cas précis chez un client qui vendait du mobilier de jardin : il avait l'impression d'avoir un site quatre fois plus gros qu'en réalité. Le coupable n'était pas la qualité des fiches produit. C'était la structure même du catalogue, qui générait des milliers d'URL quasi identiques sans que personne ne s'en aperçoive.
Le contenu dupliqué sur un site e-commerce n'est pas un problème de rédaction. C'est d'abord un problème d'architecture. Et c'est là que 90 % des guides se trompent : ils vous expliquent comment réécrire des descriptions alors que le vrai chantier se trouve dans vos paramètres d'URL, vos filtres à facettes et vos variantes de produit.
Points clés à retenir
- La duplication e-commerce est majoritairement structurelle, pas rédactionnelle : filtres, tri, pagination, variantes.
- Le choix entre canonical,
noindexet robots.txt dépend du rôle de la page, jamais d'une règle globale. - Les variantes couleur/taille ne doivent pas devenir des pages concurrentes de la fiche mère.
- La pagination ne se corrige plus avec rel next/prev (abandonné par Google), mais avec des liens crawlables et un contenu unique en tête de page.
- Priorisez par chiffre d'affaires exposé, pas par nombre de pages dupliquées.
Pourquoi le contenu dupliqué en e-commerce n'a rien à voir avec celui d'un blog
Sur un blog, un contenu dupliqué est une erreur. Sur un e-commerce, c'est souvent une conséquence mécanique du fonctionnement normal du site. Un CMS comme Shopify ou PrestaShop génère des URL par défaut que vous ne contrôlez pas toujours, et chaque filtre appliqué crée une nouvelle adresse qui affiche les mêmes produits.
Résultat : votre crawl budget part en fumée sur des pages sans valeur, et les vraies pages catégories peinent à se faire une place.
Les cinq sources de duplication propres à un catalogue
Voici ce que je retrouve systématiquement lors d'un audit, dans cet ordre de fréquence :
- Les filtres à facettes —
?couleur=bleu&taille=XLgénère une URL par combinaison. Mathématiquement, ça explose. - Le tri et la pagination —
?sort=price_asc,?page=2: mêmes produits, adresse différente. - Les variantes produit (rouge/bleu, 38/40) quand chaque déclinaison a sa propre URL indexable.
- Les pages « produit épuisé » conservées en ligne sans modification.
- Les paramètres de tracking (
utm_,gclid, sessions) qui créent des doublons à l'infini.
Sur le site de mobilier de jardin, les facettes seules représentaient plus de 11 000 URL détectées au crawl. Aucune n'apportait de trafic. Elles consommaient simplement du budget d'exploration que les fiches produit méritaient.
Ce que ça coûte vraiment
Une page dupliquée n'est pas pénalisée au sens strict. Google choisit une version canonique et ignore les autres. Le problème, c'est que ce choix ne vous appartient pas toujours, et qu'il peut tomber sur une URL filtrée plutôt que sur votre belle page catégorie.
Conséquence concrète : le trafic atterrit sur une page moins bien construite, avec moins de contenu, parfois sans les bons maillages internes. Le taux de conversion en souffre avant même le référencement.
Canonical, noindex ou robots.txt : l'arbre de décision qui marche
Bon, ici je vais être direct : la plupart des articles vous disent « utilisez rel=canonical ». C'est incomplet, et parfois contre-productif. Chaque outil a un rôle précis.
Quand le canonical est le bon choix
Le rel="canonical" sert quand deux URL affichent le même contenu et que vous voulez que l'une des deux soit indexée. C'est le cas typique de la pagination triée, des paramètres de tri, ou d'une variante qui doit pointer vers la fiche mère.
Un exemple : votre fiche « Chaise de jardin teck » existe en version /chaise-teck et en version /chaise-teck?color=naturel. La seconde doit porter un canonical vers la première. Vous gardez la page accessible pour l'utilisateur, mais vous dites à Google laquelle compte.
Quand basculer sur noindex
Le noindex est à réserver aux pages qui ne doivent jamais apparaître dans les résultats, mais qui restent utiles à l'utilisateur : pages de recherche interne, pages de résultats vides, combinaisons de filtres sans intérêt commercial.
Attention au piège que j'ai commis une fois : appliquer un noindex massif sur toutes les pages à facettes. Sauf que certaines combinaisons (« canapé d'angle en cuir ») ont une vraie demande de recherche. Les désindexer, c'est abandonner du trafic. La règle que j'applique maintenant : noindex par défaut sur les facettes, sauf sur une liste blanche de combinaisons à fort volume, qu'on transforme alors en vraies pages catégories.
Et robots.txt ?
Le robots.txt bloque l'exploration, pas l'indexation. Si une URL est bloquée mais liée depuis ailleurs, Google peut quand même l'indexer sans contenu — ce qui est pire que tout. Utilisez-le uniquement pour les paramètres de session et de tracking, jamais pour des pages que vous voulez voir disparaître proprement.
| Source de duplication | Outil recommandé | Pourquoi |
|---|---|---|
| Paramètres de tracking (utm, gclid) | robots.txt + canonical | Aucune valeur, à exclure du crawl |
| Tri et pagination | canonical + liens crawlables | Garde l'utilisateur, consolide le signal |
| Facettes à faible demande | noindex | Inutile en recherche, mais navigable |
| Facettes à forte demande | Page catégorie dédiée + contenu unique | Devient une vraie page de destination |
| Variantes produit | canonical vers la fiche mère | Évite la concurrence interne |
| Pages « épuisé » | 301 ou enrichissement + lien interne | Préserve le signal acquis |
Le piège des variantes produit : ce que personne ne vous dit
Une chaussure en cinq coloris et huit tailles, ça fait quarante URL potentielles. Si chacune a sa propre page indexée avec une description identique, vous venez de créer quarante pages qui se font concurrence pour le même mot-clé. Google en choisira une, souvent au hasard, et votre fiche principale perdra de la force.
Ma règle : une seule page indexable par produit, avec les variantes gérées en sélecteurs dynamiques sur cette même page. Les variantes secondaires pointent en canonical vers la mère. L'exception : quand une variante a une demande de recherche autonome et significative (une couleur devenue tendance, par exemple), on lui donne alors une page dédiée avec un contenu réellement différent — pas un simple copier-coller de la description.
Avouons-le, ce dernier point demande du jugement. Il n'y a pas de règle automatique. C'est là que l'œil humain reste irremplaçable.
Comment mesurer et prioriser sans y passer trois mois
Le réflexe de tout le monde est de lancer un crawl et de corriger page par page. Mauvaise approche. On priorise par exposition au chiffre d'affaires.
La méthode que j'applique
- Identifier, dans les données de crawl, les groupes d'URL quasi identiques (titre + description + contenu à plus de 90 % similaires).
- Croiser avec les données de trafic et de conversion : quelles pages dupliquées reçoivent réellement des visites et des ventes ?
- Traiter d'abord les doublons qui captent du trafic sans convertir, puis ceux qui bloquent les pages stratégiques.
Sur un site de cosmétiques, cette priorisation a changé la donne : au lieu de traiter 6 000 URL dupliquées, on en a corrigé 400. Résultat, en quelques semaines, les pages catégories principales sont remontées et le trafic organique a progressé d'environ 18 %, sans toucher à une seule fiche produit.
Cette histoire de volume n'est pas anecdotique. La plupart des équipes abandonnent leur chantier de déduplication parce qu'elles attaquent tout de front. En ciblant 5 à 10 % des URL les plus rentables, on obtient l'essentiel du résultat pour une fraction de l'effort.
Contenu dupliqué et moteurs génératifs : le nouveau front
Depuis l'arrivée des réponses génératives dans les résultats de recherche, la donne a un peu bougé. Ces systèmes synthétisent des informations issues de plusieurs sources. Une page dont le contenu est identique à cinquante autres apporte peu de valeur ajoutée à une synthèse — et a donc moins de chances d'être citée comme source.
Ce que ça change concrètement : le contenu unique n'est plus seulement un levier de classement, c'est un critère de citabilité. Une fiche produit avec un vrai texte descriptif, des caractéristiques précises et des réponses aux questions courantes a plus de chances d'alimenter une réponse générée qu'une fiche copiée-collée du fabricant.
Faut-il jeter les descriptions fabricant ?
Non, mais il faut les enrichir. Une description fournisseur brute est reprise par tous les revendeurs : c'est du contenu dupliqué externe. La bonne pratique : garder les infos techniques (souvent les mieux renseignées là), et ajouter vos propres éléments — conseils d'usage, comparatif avec un modèle proche, réponses aux retours clients récurrents. C'est ce delta qui vous rend unique.
En cas de problème, par où commencer ?
Une question qu'on me pose souvent : « par quoi je commence si je découvre ça aujourd'hui ? »
Commencez par le plus simple et le plus rentable : les paramètres d'URL et le canonical sur les variantes. C'est réglable en quelques heures et ça nettoie la moitié du bruit. Ensuite seulement, attaquez les facettes et la pagination, qui demandent plus de travail de développement.
Et n'attendez pas d'avoir tout résolu pour surveiller. Un catalogue évolue : de nouveaux filtres apparaissent, de nouvelles variantes sont créées, de nouvelles campagnes ajoutent des paramètres. La déduplication n'est pas un projet ponctuel, c'est une hygiène continue.
Le vrai changement de regard, au fond, c'est celui-ci : arrêtez de considérer chaque URL de votre catalogue comme une page à défendre. La plupart ne sont que des chemins de navigation. Votre travail consiste à décider lesquelles méritent d'être des destinations — et à laisser les autres faire leur métier de raccourci, tranquillement, sans encombrer l'index.