URL en double dans votre crawl : d’où viennent ces paramètres

Vous ouvrez un rapport de crawl et découvrez des dizaines d’URL que vous n’avez jamais rédigées. Des adresses bizarres, avec des points d’interrogation et des bouts de code collés au nom de vos pages. Panique immédiate : et si Google voyait là du contenu dupliqué fabriqué par erreur ? La réponse est plus rassurante qu’elle n’y paraît. Dans la très grande majorité des cas, ces variantes sortent de votre propre site, pas d’une création manuelle. Comprendre d’où elles viennent change tout à la façon de traiter le problème.

Ce que révèle vraiment une URL avec un point d’interrogation

Un rapport de crawl ne juge pas votre contenu, il photographie des adresses. Et sur un site un peu vivant, ces adresses se multiplient sans intervention humaine : un menu de tri, un lien de newsletter, un filtre de couleur déclenchent chacun une nouvelle URL qui pointe vers la même page.

Pour un débutant, cette mécanique reste floue, et c’est justement le genre de point que détaille boucard2017.fr quand il parle de contenu dupliqué. L’outil ne fait que récolter ce que le site lui tend.

La confusion vient du vocabulaire. On lit « duplicate » dans une colonne et on imagine deux articles identiques publiés par deux rédacteurs distraits. Or il s’agit presque toujours d’une seule page, atteignable par plusieurs chemins. Le moteur reçoit alors plusieurs adresses pour un même contenu et doit deviner laquelle garder. Ce n’est pas une faute de rédaction, c’est un problème de signalétique.

Trois familles de paramètres à reconnaître au premier coup d’œil

Avant de toucher au moindre réglage, triez ce que vous voyez. La lecture change selon l’origine du paramètre, et confondre les familles mène à des corrections inutiles. Un ?utm=campagne ne se traite pas comme un ?color=bleu.

Le tracking qui colle aux liens partagés

Les paramètres UTM arrivent par vos campagnes, vos infolettres, vos publications sur les réseaux. Quelqu’un partage une page avec ?utm=campagne au bout, Google suit le lien, et l’adresse entre dans l’index comme une entrée distincte. Le contenu, lui, n’a pas bougé d’un pixel.

Tri et pagination, les faux jumeaux

Un ?sort=asc, un ?sort=desc, un ?page=2 : votre moteur de recherche interne ou votre catalogue génère ces variantes à chaque clic. Elles affichent souvent le même produit dans un ordre différent. Pour un crawler, ce sont des pages neuves. Pour un visiteur, c’est la même étagère retournée.

Le piège de la pagination tient au fait qu’elle sert réellement à quelque chose. La supprimer ferait perdre des pages utiles. Il faut donc la déclarer proprement plutôt que la bloquer, un arbitrage que beaucoup de tutoriels expédient en une ligne.

Les filtres à facettes, usine à générer des adresses

Couleur, taille, disponibilité : chaque combinaison produit une URL. Un catalogue avec cinq filtres peut engendrer des centaines d’adresses pour une poignée de produits réels. La duplication interne naît souvent là, avec les versions http/https mal gérées qui ajoutent leur propre couche. Sur ce point, voir aussi notre article sur sept choses auxquelles vous ne vous attendez pas sur l’installation de google analytics avec wix..

• Un filtre de couleur crée une adresse par teinte, alors que la fiche produit reste unique.
• Les combinaisons de taille et de disponibilité, personne ne les a jamais écrites à la main.
• Faut-il désindexer tous les filtres ou seulement ceux qui n’ont aucune valeur de recherche ?
• Les versions http et https d’une même page comptent comme deux adresses distinctes tant que la redirection n’est pas en place.
• Certains filtres captent une vraie demande, comme une recherche par couleur précise.

Régler Screaming Frog pour voir la vraie nature du doublon

Par défaut, l’outil vous noie sous les alertes sans distinguer l’exact du presque identique. Deux réglages changent la donne. Le premier, le « Hash », repère automatiquement les pages dont le contenu est strictement identique. C’est votre filet pour les copies caractère pour caractère, souvent issues des paramètres de tri.

Le second demande une manipulation : activer « Enable Near Duplicates ». Une fois l’option cochée, SEO Spider classe comme similaires les documents qui se ressemblent à 90 % au moins. Ce seuil reste ajustable selon le projet : sur un site de petites annonces, 90 % peut être trop strict, alors qu’un blog tolérera un réglage plus haut.

Cette distinction évite un contresens fréquent. Une page à 92 % de similarité avec sa voisine n’est pas une copie : c’est la même fiche avec un filtre actif. La traiter comme du contenu dupliqué revient à supprimer une page légitime. L’outil vous donne une mesure, pas un verdict.

Consolider plutôt que supprimer

Une fois les familles identifiées, la correction devient mécanique. Pour le tracking, une balise canonique ou un paramètre déclaré dans la Search Console suffit à ramener les variantes vers l’adresse de référence. Pour le tri et la pagination, la canonique pointe vers la page mère, sauf quand la pagination a un intérêt réel pour l’internaute.

Les filtres à facettes demandent plus de doigté. Bloquer tout dans le robots.txt empêche l’exploration mais laisse les adresses visibles ailleurs. La bonne approche consiste à garder indexables les filtres qui répondent à une intention claire et à neutraliser les combinaisons absurdes. Franchement, ça demande une demi-journée de tri, pas une refonte.

Le vrai indicateur de réussite n’est pas le nombre d’URL dans le rapport, mais la cohérence des adresses qui restent. Un crawl propre affiche des chemins courts, stables, sans point d’interrogation inutile. Si les variantes persistent après correction, c’est souvent qu’un lien interne les régénère quelque part dans un gabarit oublié.

Relire un rapport de crawl autrement

Les URL en double d’un rapport ne sont pas des pages que vous auriez créées par mégarde. Ce sont des variantes techniques produites par le site lui-même, à lire comme telles. Distinguer le tracking, le tri et les filtres à facettes, puis régler le Hash et les Near Duplicates de Screaming Frog, fait passer d’une liste anxiogène à un plan d’action précis. La prochaine fois que votre crawler sortira des adresses inconnues, la question à se poser est simple : quelle mécanique de mon site les a fabriquées ?