Un client m'appelle en panique. Son site e-commerce a perdu 40 % de trafic organique en six semaines. Première hypothèse : une mise à jour d'algorithme. Deuxième hypothèse, après vingt minutes dans la Search Console : il avait publié la même description de produit sur 340 pages, à trois virgules près. Google avait choisi une seule URL à indexer. Les 339 autres existaient pour rien.
Voilà le vrai problème du contenu dupliqué. Ce n'est presque jamais une sanction. C'est un gaspillage silencieux. Vous produisez des pages, elles ne servent à rien, et personne ne vous prévient.
Points clés à retenir
- Le contenu dupliqué n'entraîne quasi jamais de pénalité manuelle : Google choisit simplement la page qu'il préfère et ignore les autres.
- Le duplicata interne (entre vos propres URL) fait plus de dégâts que le plagiat externe, parce qu'il est invisible dans un rapport classique.
- Avant de corriger, il faut décider : supprimer, fusionner, rediriger ou laisser vivre. Ce choix dépend des backlinks et du trafic, pas de votre intuition.
- La similarité sémantique générée par IA se détecte mal avec les outils de copier-coller. Il faut une autre méthode.
- Une page supprimée pour Google peut rester visible pour vos visiteurs. Les deux publics se traitent séparément.
Le contenu dupliqué : une vraie menace, mais pas celle qu'on vous vend
On lit partout que Google "pénalise" le duplicate content. C'est faux dans 95 % des cas que j'ai traités. Il n'existe pas de filtre punitif dédié. Ce qui existe, c'est un arbitrage : parmi plusieurs pages quasi identiques, le moteur en garde une et relègue les autres. Résultat concret : vos signaux se dispersent, votre budget de crawl part en fumée, et la mauvaise version remonte parfois à votre place.
Le vrai danger n'est pas la sanction. C'est la dilution.
Duplicata interne ou externe : lequel vous coûte le plus cher ?
Le duplicata externe, c'est quelqu'un qui recopie votre article. Frustrant, mais rarement dramatique : Google sait généralement qui a publié en premier, surtout si votre site a de l'antériorité. Une simple réclamation de droit d'auteur règle le problème en quelques jours.
Le duplicata interne, lui, vous appartient. Et c'est celui qui fait mal. Trois causes reviennent sans cesse :
- Des paramètres d'URL mal gérés (
?utm_source=,?sort=price) qui créent des dizaines de variantes d'une même page - Des fiches produits déclinées par couleur ou taille, avec une description copiée d'une déclinaison à l'autre
- Des archives de catégories, de tags et de pages de pagination que personne n'a jamais pensé à traiter
- La version HTTP et HTTPS qui coexistent, ou le
wwwet le non-www
Sur un audit mené l'an dernier chez un client en cosmétique, 62 % des URL indexées étaient des variantes d'à peine 200 pages réellement uniques. On a mis quatre mois à nettoyer. Le trafic n'a pas explosé du jour au lendemain, mais la Search Console est passée de 40 000 à 11 000 pages indexées, et les positions se sont stabilisées.
Comment détecter le contenu dupliqué sans y passer vos nuits
Les listicles d'outils vous donneront dix noms. Ils oublient l'essentiel : aucun outil ne vous dira quoi faire ensuite. La détection, c'est 20 % du travail. Le reste, c'est la décision.
Les outils de comparaison stricte
Pour le copier-coller brut, deux familles suffisent. Les crawlers (Screaming Frog, Oncrawl) qui comparent vos pages entre elles et repèrent les blocs identiques. Et les comparateurs externes (Copyscape) qui vérifient si votre texte circule ailleurs. Franchement, pour un site de moins de 500 pages, un crawl Screaming Frog en version gratuite suffit largement. J'ai vu des agences facturer 2 000 € un audit que ce seul outil aurait rendu à 80 %.
Un point que peu de gens connaissent : Siteliner analyse gratuitement jusqu'à 250 pages et vous sort un pourcentage de similarité interne. Pour un premier diagnostic, c'est le meilleur rapport temps/résultat.
Et le contenu généré par IA, comment on le repère ?
C'est le cas qui m'occupe le plus depuis un an. Deux articles sur le même sujet, écrits par deux modèles différents, ne partagent presque aucune phrase identique. Les outils classiques affichent "0 % de duplication". Sauf qu'auprès du moteur, c'est le même texte reformulé.
La méthode qui fonctionne : la comparaison sémantique par similarité d'embedding. Concrètement, vous transformez chaque page en vecteur et vous mesurez la distance entre elles. Plusieurs outils SEO intègrent désormais cette brique. À défaut, vous pouvez le faire à la main avec un script Python et un modèle d'embedding open source — je l'ai fait sur un site de 1 200 articles, ça m'a pris une après-midi, et ça a révélé 90 paires de pages que tous les autres outils avaient laissées passer.
Le seuil que j'utilise : au-delà de 85 % de similarité sémantique sur plus de 300 mots, la paire mérite un examen. En dessous de 70 %, on laisse tranquille.
| Situation détectée | Outil adapté | Ce que ça vous coûte |
|---|---|---|
| Blocs de texte identiques entre vos pages | Crawler (Screaming Frog, Oncrawl) | Une demi-journée de paramétrage |
| Texte copié sur un autre site | Copyscape | Quelques centimes par recherche |
| Similarité sémantique entre articles IA | Analyse d'embedding (script maison ou outil récent) | Une après-midi, pas de licence |
| Petit site, diagnostic rapide | Siteliner (version gratuite) | Zéro euro, dix minutes |
Supprimer, fusionner ou rediriger : l'arbre de décision qu'on ne vous donne jamais
Personne n'en parle, et c'est pourtant là que tout se joue. Vous avez identifié une paire dupliquée. Maintenant, quoi ? La réponse dépend de deux indicateurs : la page a-t-elle des backlinks externes ? Génère-t-elle des impressions ou des conversions ?
Les quatre cas de figure
- La page B n'a ni backlink ni trafic. Suppression pure. Redirection 301 vers la page A pour ne rien casser.
- La page B a des backlinks mais pas de trafic. Redirection 301 vers la page A. Vous conservez la valeur des liens, vous consolidez les signaux.
- Les deux pages sont fortes. Fusion. Rédigez une version enrichie de A, redirigez B dessus, et rafraîchissez la date de publication. C'est le cas le plus rentable — et le plus long.
- Les deux pages répondent à des intentions différentes. Vous ne touchez à rien. Ajoutez une balise canonical si la similarité dépasse 80 %, mais gardez les deux contenus.
Une erreur que j'ai commise en début de pratique : rediriger systématiquement la page la plus ancienne vers la plus récente. Mauvaise heuristique. C'est la page qui a le plus de liens entrants qui gagne, pas la plus fraîche. J'ai fait perdre trois mois de positions à un client en appliquant la logique inverse.
Canonical ou noindex : ne les confondez pas
La balise rel="canonical" indique à Google quelle version privilégier. Elle ne supprime rien, elle oriente. Le noindex, lui, exclut la page de l'index — mais elle reste accessible aux visiteurs. Deux outils différents, deux usages.
Le scénario e-commerce typique : une page de catégorie filtrée par couleur. Vous voulez qu'elle reste navigable pour vos clients, mais qu'elle ne concurrence pas la page mère dans les résultats. Réponse : canonical vers la page mère, pas noindex. Si vous mettez noindex sur une page de navigation interne, vous cassez le maillage.
Corriger sans casser : la méthode en trois temps
Commencez par le plus simple. C'est presque toujours le plus efficace.
Étape 1 — Le technique. Paramètres d'URL exclus du crawl, HTTPS forcé, choix www ou non-www définitif, pagination gérée, balises canonical correctes. Ça règle 60 % des cas sans rédiger une ligne.
Étape 2 — Le contenu. Réécrivez les descriptions de produits déclinés. Ajoutez au moins 150 mots réellement uniques par fiche. Sur les articles de blog, fusionnez les quasi-doublons plutôt que d'en créer un troisième.
Étape 3 — Le suivi. Après chaque vague de corrections, surveillez la couverture dans la Search Console pendant six semaines. Un chiffre d'URL indexées qui baisse n'est pas une mauvaise nouvelle. C'est souvent le signe que le nettoyage fonctionne.
J'ai un client dont le trafic a chuté de 12 % dans les trois semaines suivant la mise en place des redirections. Il a failli tout annuler. Cinq semaines plus tard, il avait récupéré la perte et gagné 18 % supplémentaires. Le crawl avait simplement besoin de temps pour se recaler.
Trois erreurs qui aggravent le problème
La première : tout rediriger vers la page d'accueil. Vous envoyez un signal de page 404 amélioré. Google finit par ignorer les redirections qui ne correspondent à rien de pertinent.
La deuxième : empiler les balises par précaution. Un canonical, un noindex et une redirection sur la même URL, c'est trois ordres contradictoires. Le moteur en choisit un au hasard. Souvent pas celui que vous vouliez.
La troisième, plus insidieuse : ne traiter que le duplicata externe parce qu'il est visible et vexant, et ignorer l'interne parce qu'il ne se voit pas dans un rapport basique. C'est exactement le contraire qu'il faut faire.
Ce qui a réellement changé récemment
La détection ne se joue plus au niveau de la phrase. Le copier-coller est un problème résolu — les outils le gèrent bien. Ce qui reste difficile, c'est de repérer deux contenus qui disent la même chose avec des mots différents. Et avec la production assistée par IA, ce cas est devenu la norme, pas l'exception.
L'autre glissement : les seuils de tolérance se sont resserrés sur les contenus à faible valeur ajoutée. Une page qui ne fait que reformuler une autre page n'a plus grand-chose à défendre, même à 60 % de similarité mesurée. À l'inverse, deux pages très proches mais qui apportent chacune un angle propre (un comparatif et un tuto, par exemple) cohabitent sans problème.
Concrètement : la similarité n'est plus un problème de pourcentage. C'est un problème de valeur distincte. Deux pages se justifient si chacune répond à une question que l'autre ne traite pas.
La prochaine fois que vous lancez un audit, ne cherchez pas combien de vos pages se ressemblent. Demandez-vous combien d'entre elles méritent d'exister. La réponse est souvent plus courte que prévu — et c'est là que commence le vrai travail.
