Comment éviter le duplicate content entre pages similaires : le guide

Deux pages qui se ressemblent à 80 %, et Google qui vous envoie la mauvaise. J'ai vécu ça sur un site de location de vacances : 240 pages de communes bretonnes, toutes construites sur le même moule, toutes indexées, et un trafic qui stagnait malgré un boulot de dingue sur le contenu. Le problème n'était pas le volume. C'était que chaque page disait la même chose que sa voisine, à trois mots près.

Le duplicate content entre pages similaires ne se règle pas avec un plugin miracle ni une balise magique. C'est une question de décision : à chaque fois que deux pages se ressemblent, il faut choisir un camp. Fusionner, canonicaliser, différencier ou désindexer. Quatre options, une seule juste par cas. Et c'est ce choix-là que la plupart des guides évitent soigneusement de vous expliquer.

Le duplicate content entre pages similaires : le vrai problème n'est pas celui qu'on croit

La légende dit que Google sanctionne. En pratique, ce que j'observe depuis des années sur les projets que j'accompagne, c'est bien plus sournois : aucune pénalité visible, juste une page qui prend la place d'une autre dans les résultats, et vous qui ne comprenez pas pourquoi votre page « Nantes » stagne derrière votre page « Rennes » sur une requête qui n'a rien à voir.

Google ne « punit » pas. Il choisit. Il garde la version qu'il juge la plus utile et enterre l'autre. Le résultat ressemble à une pénalité, la cause est une confusion.

À partir de quand deux pages sont-elles « similaires » ?

Question qu'on me pose sans arrêt, et à laquelle personne ne donne de chiffre. Alors voici ce que j'ai pu constater empiriquement, en comparant des dizaines de paires de pages avec un outil de détection de similarité (type Siteliner ou Screaming Frog sur l'onglet « contenu dupliqué ») :

• En dessous de 60 % de recouvrement de texte (hors menu, header, footer) : rarement un problème. Google traite les pages comme distinctes.
• Entre 60 et 85 % : zone grise. Le risque dépend entièrement de l'intention de recherche visée.
• Au-delà de 85 % : Google va très probablement n'indexer qu'une seule des deux, et ce ne sera pas forcément celle que vous voulez.

Attention : ces pourcentages ne sont pas une règle officielle, et ils varient selon la longueur du texte et le type de page. Sur une fiche produit de 150 mots, 10 mots différents suffisent à faire basculer le taux. Sur une page de 2 000 mots, il en faut beaucoup plus.

Le piège de l'intention, ou pourquoi deux pages identiques peuvent être légitimes

Voilà le point que j'ai mis trop longtemps à intégrer. Deux pages qui se ressemblent à 90 % ne posent aucun problème si elles ciblent des requêtes différentes. Une page « plombier Lyon » et une page « plombier Villeurbanne » peuvent partager la moitié de leur texte : elles répondent à des recherches distinctes, souvent avec des intentions locales différentes. Le moteur n'a aucune raison de les confondre.

À l'inverse, deux pages qui ciblent la même requête et se ressemblent à 50 % sont un problème, parce que Google doit choisir entre elles. Et il choisira peut-être la mauvaise.

Ce n'est donc pas la similarité qui déclenche la confusion. C'est la redondance d'intention.

L'arbre de décision : fusionner, canonicaliser, différencier ou désindexer

J'ai passé des mois à tâtonner avant de formaliser ce raisonnement. Aujourd'hui, je l'applique à chaque audit, dans cet ordre précis. Ne sautez pas d'étape.

1. Fusionner d'abord, toujours

C'est le réflexe qui fait gagner du temps et qui est le plus souvent négligé. Si deux pages visent la même intention et que ni l'une ni l'autre n'apporte de valeur unique, la bonne réponse est de les regrouper en une seule page solide. Redirection 301 de l'ancienne vers la nouvelle.

Sur le site breton, j'avais 12 pages de plages différentes. Après fusion, 4 pages. Résultat : la page « plages Morbihan » a récupéré une position 6 qu'aucune des 12 originales n'avait jamais atteinte. La force cumulée de douze pages moyennes bat rarement une page forte.

2. Différencier si et seulement si l'intention diffère

Ici, différencier ne veut pas dire « reformuler avec des synonymes ». Ça ne trompe personne, et surtout pas Google. Différencier signifie ajouter de l'information que l'autre page n'a pas :

• Des données locales réelles (prix, délais, quartiers).
• Des témoignages clients distincts, pas dupliqués.
• Une FAQ qui répond à des questions spécifiques à cette page.
• Des photos originales.
• Une structure de H2 qui couvre des sous-thèmes propres à la page.

Un exemple concret : j'avais un client qui faisait de la formation en 8 villes. Toutes les pages ville se ressemblaient. On a ajouté sur chaque page : le nom du formateur local, les salles partenaires, les entreprises clientes de la ville, et 3 témoignages d'anciens stagiaires de la région. Le recouvrement est tombé de 88 % à 54 % en moyenne. En deux mois, 5 des 8 pages sont passées en première page sur leur requête locale.

3. Canonicaliser pour les variantes légitimes

La rel="canonical" sert à un usage très précis : quand plusieurs URLs affichent volontairement un contenu quasi identique, et que vous voulez que Google n'en considère qu'une. Cas typiques : tri, filtres, pagination, versions imprimables, paramètres UTM.

Attention : le canonical est une indication, pas une injonction. Google se réserve le droit de l'ignorer s'il estime que les pages sont assez différentes pour mériter leur propre indexation. Je l'ai constaté plusieurs fois sur des pages de listing e-commerce : le canonical était correctement posé, Google n'en a pas tenu compte.

4. Désindexer en dernier recours

Si la page n'a aucune valeur pour la recherche mais doit exister (page de remerciement, espace privé, variante technique), là seulement on désindexe. Et c'est là que la question suivante devient importantissime.

Comment bloquer l'indexation d'une page par Google ?

La méthode fiable passe par la balise meta robots :

<meta name="robots" content="noindex, follow">

Le follow permet à Google de suivre les liens de la page sans l'indexer. Si vous ajoutez noindex mais que la page est déjà indexée, elle disparaîtra de l'index au prochain passage du robot — comptez quelques jours à quelques semaines selon le site.

Comment indiquer aux moteurs de recherche de ne pas référencer la page ?

Plusieurs signaux existent, mais ils n'ont pas tous le même effet :

• Meta robots noindex : empêche l'indexation. C'est le seul signal vraiment fiable.
• En-tête HTTP X-Robots-Tag : équivalent, mais placé côté serveur. Utile pour les PDF et fichiers non-HTML.
• robots.txt avec Disallow : empêche le crawl, pas l'indexation. Une page bloquée par robots.txt peut quand même apparaître dans les résultats si d'autres sites la lient, car Google ne lit pas son contenu mais connaît son URL.

C'est l'erreur la plus fréquente que je vois dans les audits : mettre un Disallow dans robots.txt en croyant désindexer. La page continue de traîner dans les SERPs, avec un extrait vide ou un titre bizarre. Pour la faire disparaître réellement, il faut à la fois lever le bloque robots.txt (pour que Google puisse lire le noindex) et poser le noindex. Ordre contre-intuitif, mais c'est le bon.

Quels sont les 3 piliers du référencement naturel ?

Le SEO repose sur trois piliers qui couvrent chacun des dimensions distinctes. Aucun ne fonctionne sans les autres, et le duplicate content les attaque tous les trois.

• La technique : crawlabilité, indexation, vitesse, structure des URLs, absence d'erreurs. C'est le pilier qui décide ce que Google peut voir.
• Le contenu : pertinence, profondeur, unicité, réponse à l'intention. C'est lui qui décide ce que Google choisit d'afficher à la place du concurrent.
• La popularité / netlinking : signaux externes, autorité, mentions. C'est ce qui décide à quel point Google vous fait confiance.

Le duplicate content est un problème transversal : il peut casser le pilier technique (pages saturées, crawl dilué), le pilier contenu (aucune page ne se démarque) et même le pilier popularité (les liens se dispersent sur plusieurs URLs au lieu de consolider une seule). Un vrai couteau suisse du sabotage, en somme.

Comment empêcher les moteurs de recherche d'indexer une page WordPress ?

C'est le cas pratique où j'ai le plus souvent aidé des clients. Sur WordPress, plusieurs leviers existent, et il faut savoir lequel utiliser.

La méthode qui marche à tous les coups

1. La case noindex de Yoast / Rank Math : dans l'éditeur de la page, onglet SEO, option « Non » sur « Autoriser les moteurs à indexer cette page ». Le plugin injecte le meta robots. Fiable si le thème ne surcharge pas l'en-tête.
2. Le réglage global : Réglages > Lecture > « Demander aux moteurs de recherche de ne pas indexer ce site ». À ne jamais activer sur un site en production — j'ai vu un client perdre trois semaines de trafic après avoir coché cette case « pour faire un test ».
3. L'édition du header.php ou functions.php : pour un contrôle fin, un add_action('wp_head', …) qui injecte un noindex conditionnel sur certaines catégories ou types de contenu. C'est la méthode que je privilégie quand je dois désindexer une archive entière (tags, formats, pages auteur).
4. Le fichier robots.txt virtuel de WordPress (Réglages > Lecture ou via Yoast) : attention, même piège que plus haut. Bloquer ne désindexe pas.

Après modification, deux réflexes : vider le cache (plugin + CDN), et vérifier l'en-tête réel de la page avec un outil comme curl ou l'inspection d'URL dans la Search Console. J'ai déjà vu un plugin de cache servir une version sans noindex pendant des jours après la modif.

Le tableau récapitulatif des quatre stratégies

Stratégie	Quand l'utiliser	Ce qu'elle fait	Risque principal
Fusion + 301	Deux pages, une même intention, aucune valeur unique	Consolide les signaux sur une seule URL	Perte temporaire de trafic pendant la propagation
Différenciation	Intentions distinctes, contenu trop similaire	Rend chaque page légitime et unique	Effort éditorial élevé, résultats en 2-3 mois
Canonical	Variantes techniques (tri, pagination, filtres)	Indique à Google l'URL à privilégier	Signal ignoré si pages trop différentes
Noindex	Page sans valeur SEO mais utile aux utilisateurs	Retire la page de l'index	Ne fonctionne pas si robots.txt bloque le crawl

Ce que j'ai testé et qui n'a pas marché

Autant le dire : j'ai perdu du temps sur des méthodes qui semblaient intelligentes. En voici deux, pour que vous les évitiez.

Le contenu spinné à la main. Sur un projet e-commerce, on a voulu différencier 150 fiches produit en réécrivant chaque description avec des synonymes et des tournures différentes. Résultat après trois mois : aucune amélioration mesurable, et l'équipe éditoriale qui a passé un temps fou. Google n'est pas dupe. Reformuler, ce n'est pas différencier.

Les pages satellites. Créer des sous-domaines ou des microsites pour chaque ville, en croyant contourner la similarité. Ça fonctionne parfois à court terme, mais ça dilue l'autorité et c'est un cauchemar à maintenir. Je ne le recommande plus. Une seule fois, j'ai conseillé à un client de le faire ; deux ans après, il a dû consolider tout sur un seul domaine et récupérer les 301, ce qui lui a coûté six mois de travail.

Comment vérifier que ça a vraiment marché

La tentation est de regarder le trafic global. Mauvais indicateur, trop bruité. Ce qui compte, c'est de vérifier, page par page :

• Dans la Search Console, l'onglet « Couverture » doit montrer les pages désindexées comme telles (statut « Exclue par une balise noindex »).
• L'inspection d'URL confirme si Google a bien enregistré le noindex ou le canonical.
• La page canonique doit voir ses impressions augmenter, l'autre diminuer.

Un mois après un traitement, en général, on voit la bascule. Parfois plus vite, parfois plus lent, selon la fréquence de crawl. Ne jugez pas sur trois jours.

Et si vous voulez vraiment mesurer si deux pages sont encore « trop similaires », un test simple : comparez leurs 20 premières requêtes en Search Console. Si les deux ressortent sur les mêmes requêtes avec des positions proches, elles se cannibalisent encore. Si chacune a son propre panier de requêtes, c'est gagné.

Le duplicate content entre pages similaires est un problème de choix, pas de technique. La technique ne fait qu'exécuter la décision. Tant que vous n'aurez pas tranché — fusionner, différencier, canonicaliser, désindexer — aucun plugin ne vous sauvera. Et une fois que vous aurez tranché, vous vous demanderez pourquoi vous avez attendu aussi longtemps.