Duplicate Content (Contenu Dupliqué)

Le duplicate content (ou contenu dupliqué) désigne la présence de blocs de contenu substantiels, identiques ou très similaires, accessibles via plusieurs URLs distinctes. Cette duplication peut être interne (sur un même site web) ou externe (répartition sur différents domaines). Bien qu’il ne s’agisse pas d’une pénalité manuelle stricto sensu, les moteurs de recherche filtrent ces résultats pour ne proposer qu’une seule version canonique à l’utilisateur.

Fonctionnement côté Google

Lorsque Google détecte plusieurs URLs présentant un contenu identique ou quasi identique, il procède à un regroupement (clustering) et sélectionne une seule URL comme canonique — celle qu’il juge la plus pertinente à afficher dans les résultats. Les autres versions sont ignorées ou déréférencées. Ce processus de sélection prend en compte les signaux suivants : la balise rel="canonical", les redirections, les liens internes et externes pointant vers chaque version, le protocole HTTPS, et la présence dans le sitemap XML.

Types de duplication

Duplication interne — la plus fréquente et souvent involontaire. Elle survient à cause de paramètres d’URL (filtres, tri, pagination, tracking UTM), de versions avec et sans slash final (/page vs /page/), de variantes HTTP/HTTPS ou www/non-www, de pages de tags ou catégories générant des contenus quasi identiques, et de systèmes de facettes sur les sites e-commerce.

Duplication externe — contenu identique publié sur plusieurs domaines. Elle peut être légitime (syndication de contenu, citations) ou malveillante (scraping, plagiat). Google tente d’identifier la source originale via l’antériorité de publication, l’autorité du domaine et les signaux de liens.

Near-duplicate — pages dont le contenu n’est pas strictement identique mais dont la valeur ajoutée sémantique est insuffisante pour justifier l’existence de pages distinctes. C’est le cas typique des fiches produits avec des variations mineures (couleur, taille) ou des pages de villes générées automatiquement avec un contenu template.

Impact SEO

Le duplicate content ne déclenche pas de pénalité manuelle, mais ses conséquences sont significatives : gaspillage du budget crawl sur des pages redondantes, dilution du PageRank et des signaux de liens entre les versions concurrentes, instabilité de l’URL affichée dans les SERPs (Google peut choisir la mauvaise version), cannibalisation entre pages et confusion pour les entités sémantiques associées au contenu.

Leviers de résolution

• Balise rel="canonical" → Indiquer explicitement l’URL de référence sur chaque page dupliquée
• Redirections 301 → Fusionner les versions obsolètes ou secondaires vers l’URL canonique
• Paramètres d’URL → Gérer les facettes et filtres via robots.txt, balises canonical, ou attribut data-nosnippet
• Consolidation www / HTTPS → Forcer une version unique via le serveur (.htaccess, configuration Nginx)
• Balise hreflang → Différencier les versions multilingues ou multi-régionales d’un contenu similaire
• Contenu unique par page → Rédiger un contenu à valeur ajoutée propre à chaque URL, surtout pour les pages locales et les fiches produits

Diagnostic du Duplicate Content

• Google Search Console → Pages exclues avec le statut « Duplicate without user-selected canonical » ou « Duplicate, Google chose different canonical than user »
• Screaming Frog / Sitebulb → Détection automatisée des doublons par hash de contenu ou similarité
• Commande site: → Rechercher des extraits de texte entre guillemets pour identifier les copies
• Copyscape / Siteliner → Analyse de la duplication externe

Pour tout besoin en audit sémantique, voir notre agence

Entités liées (→ définitions dédiées)

→ Balise canonical · Redirection 301 · PageRank · Budget crawl · Robots.txt · HTTPS · Sitemap XML · Hreflang · Cannibalisation SEO · Indexation