Qu'est-ce que le duplicate content ?

1. Duplicate content — définition

Le duplicate content (contenu dupliqué) désigne un bloc de texte substantiel identique ou quasi identique accessible depuis plusieurs URL. On distingue deux familles :

• Duplicate interne : même domaine, plusieurs URL. Versions http/https, www/non-www, slash final, paramètres de tri (?sort=prix), pagination, fiches produit clonées par taille ou couleur.
• Duplicate externe : contenu identique entre domaines. Descriptions fabricant recopiées sur 200 e-commerces, articles syndiqués, plagiat pur.

Le malentendu vient de là : on parle de « duplication » comme d'une faute morale, alors que dans 90 % des cas c'est un simple effet de bord technique. Une boutique qui sert la même fiche en /produit et /produit?ref=newsletter fait du duplicate content sans le savoir, et sans rien faire de mal.

2. Comment Google le traite

Google ne supprime pas, ne déclasse pas, ne pénalise pas le duplicate content ordinaire. Il le filtre. Le mécanisme tient en trois étapes :

1. Regroupement. Quand Google détecte plusieurs URL au contenu équivalent, il les rassemble dans un même cluster.
2. Élection d'une canonical. Dans ce cluster, il élit une seule URL « canonique » à indexer et à afficher. Votre balise rel="canonical" est un signal fort dans ce choix — mais reste un signal, pas un ordre.
3. Mise de côté des doublons. Les autres URL passent en statut « page en double, Google a choisi une autre canonique » dans la Search Console. Elles ne sont pas pénalisées : juste ignorées.

La « pénalité duplicate content » est donc un mythe. Ce qui existe, en revanche, c'est l'action manuelle pour contenu copié à grande échelle dans une intention manipulatoire (scraping, fermes de contenu autogénéré). Rien à voir avec une boutique qui sert deux fois la même fiche.

3. L'impact SEO concret

Pas de pénalité ne veut pas dire pas de coût. Le duplicate content abîme un site de trois manières mesurables :

1. Dilution des signaux. Si dix URL servent le même contenu, les backlinks, les partages et l'autorité se répartissent entre elles au lieu de se concentrer sur une seule. La page qui devrait ranker se retrouve affaiblie par ses propres clones.
2. Gaspillage de budget de crawl. Google alloue un quota de pages à explorer par site. S'il passe son temps sur des doublons paramétrés, il crawle moins vos pages utiles, qui mettent plus longtemps à être (re)indexées. Critique sur les gros e-commerces.
3. Cannibalisation. Le pire cas n'est pas la duplication exacte mais la quasi-duplication : deux pages distinctes qui visent le même mot-clé. Google ne sait pas laquelle privilégier, les fait osciller en SERP, et aucune ne s'installe. C'est souvent confondu avec du « duplicate content » alors que c'est un problème d'architecture éditoriale — voir le cocon sémantique.

Autrement dit : le risque réel n'est pas une sanction descendue par Google, c'est une perte d'efficacité que vous vous infligez. Plus subtil, plus lent à diagnostiquer, mais bien là.

4. La méthode Yvarn

Quand j'audite un site, je ne chasse pas « la duplication » en soi. Je hiérarchise par coût réel. Trois leviers, dans cet ordre :

Le principe : un correctif technique pour un problème technique, un correctif éditorial pour un problème éditorial. On ne pose pas une canonical sur un problème de cannibalisation, et on ne réécrit pas un article pour régler un paramètre d'URL.

5. Erreurs fréquentes

1. 01
   Bloquer les doublons dans le robots.txt. Google ne peut plus lire la canonical d'une URL bloquée : le signal est perdu et la duplication persiste. Laissez crawler, canonicalisez.
2. 02
   Mettre une balise noindex « par sécurité ». Le noindex désindexe vraiment la page ; combiné à une canonical, il envoie des signaux contradictoires. Pour de la duplication, canonical ou 301, jamais noindex.
3. 03
   Croire qu'un « spinner » de texte règle le problème. Réécrire mécaniquement pour atteindre 80 % de mots différents ne change rien : si l'intention est la même, la cannibalisation reste. C'est l'intention qui compte, pas le ratio de mots.
4. 04
   Paniquer sur du contenu standard. Mentions légales, descriptions fabricant courtes, citations sourcées : Google sait que c'est normal. Inutile de réécrire des CGV pour être « unique ».
5. 05
   Canonicaliser vers une page non équivalente. Pointer une fiche produit vers la page catégorie « pour consolider » fait perdre l'indexation du produit. La canonical doit viser un quasi-doublon, pas un parent thématique.

FAQ — Duplicate content

En résumé

Le duplicate content ne déclenche aucune pénalité : Google filtre et choisit une version. Le vrai coût est interne — dilution des signaux, gaspillage de crawl, cannibalisation entre vos propres pages. On le corrige par paliers : canonical pour les doublons techniques, 301 pour les URL inutiles, réécriture ou fusion pour la cannibalisation éditoriale. Un correctif technique pour un problème technique, un correctif éditorial pour un problème éditorial.