Contenu dupliqué : définition et fonctionnement

Le contenu dupliqué désigne un texte identique ou très proche présent sur plusieurs URLs, que ce soit sur un même site ou entre sites différents. Google ne le sanctionne pas en soi : il regroupe les pages similaires et n’en affiche qu’une. Le vrai risque est de laisser Google choisir à votre place.

AFFICHER LE SOMMAIRE

Interne ou externe : deux types de doublons

• Doublon interne : un même contenu accessible par plusieurs adresses sur un domaine, par exemple en HTTP et en HTTPS, avec ou sans www.
• Doublon externe : une copie sur un autre site, autorisée dans le cas d’une syndication, non autorisée dans celui du scraping.

La duplication touche aussi les titres et les descriptions, pas seulement le texte visible.

Ce que fait Google face aux doublons

Google regroupe les pages similaires en cluster et choisit une URL à afficher : la version canonique. Votre balise canonical est un signal parmi d’autres, et le choix de Google ne coïncide pas toujours avec le vôtre.

Il n’y a pas de pénalité automatique. Google parle de sanction possible quand la duplication vise à manipuler les classements, par exemple une publication massive de contenus copiés : le site peut alors être déclassé ou retiré de l’index. Un doublon technique et involontaire n’est pas sanctionné, mais il peut nuire indirectement au référencement.

Ne confondez pas canonicalisation et désindexation. La première désigne la version préférée parmi plusieurs pages proches. La seconde retire une page des résultats, notamment avec un noindex.

Effets sur le référencement

• Mauvaise URL affichée : Google peut montrer une version HTTP plutôt qu’HTTPS, ce qui pèse sur le taux de clic.
• Backlinks dilués : la popularité se répartit entre plusieurs adresses au lieu de se concentrer sur une seule.
• Budget de crawl gaspillé : Googlebot explore des pages inutiles, ce qui peut retarder l’indexation des contenus récents (voir le budget de crawl).
• Copie mieux classée : Google peut s’appuyer davantage sur la popularité de l’URL et du domaine que sur la date de publication. Un site plus fort qui reprend votre texte peut donc passer devant vous.

Causes fréquentes

• paramètres d’URL (UTM, identifiants de session), filtres de navigation, slash final ;
• variantes HTTP, HTTPS, www et non-www, surtout après le passage en HTTPS ;
• archives de tags et de catégories générées par le CMS ;
• pagination des commentaires, qui crée de nouvelles URLs répétant l’article ;
• versions régionales quasi identiques, à signaler avec hreflang ;
• environnement de test indexé par erreur ;
• copie par un tiers (scraping) ou syndication mal encadrée.

Comment détecter les doublons

Sans outil, cherchez dans Google un extrait de phrase entre guillemets, suivi de -site: et de votre domaine pour repérer les copies externes. L’opérateur site: seul limite la recherche à votre domaine et révèle les doublons internes. Vous pouvez aussi comparer les pages à l’œil : des phrases entières identiques suffisent à poser le diagnostic. La Google Search Console montre les URLs exclues de l’index.

Côté outils, Screaming Frog repère les titres et métadescriptions en double sur votre site, Siteliner mesure les duplications internes, et Copyscape ou Kill Duplicate cherchent vos textes sur le reste du web.

Comment corriger

Google classe ses signaux par force. La redirection 301 est le plus fort : elle convient quand vous abandonnez la page en double. La balise canonical est aussi un signal fort quand les deux pages doivent coexister, et la documentation de Google recommande d’en poser une auto-référencée sur la page canonique. Le sitemap n’est qu’un signal faible. Ces méthodes se cumulent, aucune n’est obligatoire.

Pour un doublon, évitez robots.txt et noindex. Robots.txt empêche Google de lire la balise canonical, et Google déconseille le noindex pour choisir une page canonique. Réservez-les aux pages sans intérêt pour la recherche, comme les résultats de recherche interne.

En cas de copie externe abusive, contactez d’abord le propriétaire du site avec vos preuves, puis son hébergeur. En dernier recours, si vous détenez les droits sur le texte copié, adressez à Google une demande de retrait pour atteinte au droit d’auteur (DMCA).

FAQ

Faut-il bloquer les pages en doublon avec robots.txt ou noindex ?

En général, non. Google déconseille robots.txt pour canonicaliser : il ne peut plus lire la page, donc ne voit pas la balise qui désigne la version de référence. Le noindex n’est pas non plus recommandé pour choisir une page canonique au sein d’un site. Mieux vaut une redirection 301 si la page disparaît, sinon une balise canonical. Gardez la balise noindex pour les pages sans intérêt, comme la recherche interne.

Puis-je republier mon article sur un autre site ?

Oui, à condition de signaler la version d’origine. Demandez à l’autre site de poser une balise canonical vers votre URL. Sans cela, Google n’affiche qu’une seule version, choisie notamment d’après la popularité de l’URL et du domaine, pas toujours d’après la date de publication : la copie d’un site plus fort peut passer devant votre original.

Un site plus fort qui copie mon texte peut-il me dépasser ?

Oui, c’est possible, sans que Google parle de pénalité : il affiche une version et peut préférer celle du domaine le plus autoritaire. Des backlinks de qualité vers votre original aident à établir sa paternité. Si la copie est abusive, contactez le propriétaire, puis son hébergeur, et adressez à Google une demande de retrait pour atteinte au droit d’auteur (DMCA), si vous détenez les droits.

Pour aller plus loin :

• Spécifier une URL canonique : la documentation de Google
• Contenu dupliqué : définition, exemples et impact SEO (Ahrefs)