Détecter le contenu dupliqué : trouver et corriger les pages en double
La plupart des contenus dupliqués ne sont pas copiés volontairement. Ils viennent de la façon dont un site construit ses URL : la même page avec et sans www, avec un paramètre de suivi, triée autrement ou listée sous deux catégories. Les moteurs de recherche doivent alors deviner quelle version vous visez. Un outil de détection du contenu dupliqué trouve chaque copie, les regroupe et montre laquelle doit rester.
Ce que fait un outil de détection du contenu dupliqué
Un outil de détection du contenu dupliqué compare les pages d'un site entre elles et signale celles qui sont identiques ou presque. Un bon outil regarde quatre choses :
- Les URL qui ne diffèrent que par le protocole, l'hôte, la casse, le slash final ou les paramètres mais renvoient la même page.
- Le texte principal identique sur deux pages ou plus.
- Le texte principal très proche, avec quelques mots, un nom de produit ou une ville échangés.
- Les balises title, meta descriptions et titres répétés d'une page à l'autre, qui révèlent souvent le même problème sous un autre angle.
Il doit aussi vous dire quelles pages sont déjà traitées. Une page qui désigne une autre URL comme canonique, ou qui redirige, est un doublon que vous avez déjà réglé, et ne doit pas être comptée avec ceux qui restent.
Le contenu dupliqué nuit-il au SEO ?
Pas comme on le craint souvent. La documentation de Google sur la canonicalisation explique que lorsqu'il trouve plusieurs pages au contenu identique, il les regroupe, en choisit une comme canonique et crawle les autres moins souvent. Avoir une version www et une version sans www d'une page n'entraîne aucune pénalité. Copier le contenu d'autres sites pour manipuler le classement est une autre affaire, que les règles de Google sur le spam traitent comme du contenu scrapé.
Les vrais coûts sont plus discrets :
- Google peut choisir la mauvaise version. L'URL affichée dans les résultats peut être celle avec un paramètre, celle en HTTP ou la version imprimable.
- Les signaux sont dispersés. Les backlinks et les liens internes se répartissent sur plusieurs URL au lieu de s'additionner sur une seule.
- Le crawl est gaspillé. Sur un gros site, des milliers de variantes à paramètres peuvent consommer le temps qu'un moteur préférerait consacrer aux nouvelles pages. Le guide budget de crawl couvre cet aspect.
- Les rapports deviennent confus. Clics et impressions sont répartis entre plusieurs URL : il est plus difficile de voir ce que vaut vraiment une page.
SEO ProCheck sépare les mythes des vrais correctifs dans duplicate content: causes, myths, and fixes (en anglais).
Les types de contenu dupliqué
| Type | Exemple | Correction habituelle |
|---|---|---|
| Variantes d'URL | http, www, casse, slash | Rediriger vers une seule forme |
| Variantes à paramètres | ?utm_source=, ?sort=price | Canonique vers l'URL propre |
| Doublons exacts | Deux catégories, version imprimable | Redirection ou canonique |
| Quasi-doublons | Seule la ville change | Fusionner, réécrire ou canonique |
| Métadonnées dupliquées | Un title, beaucoup de pages | Un title par page |
| Copies sur d'autres sites | Syndication, scraping | Leur noindex ou leur canonique |
Les deux premiers types sont techniques et se corrigent en général une fois, sur le serveur ou dans le template. Les deux du milieu relèvent de choix éditoriaux. Le dernier dépend du site de quelqu'un d'autre.
D'où viennent les pages en double
Quand un outil trouve des centaines de doublons, ils viennent rarement de centaines de décisions. Cherchez le schéma :
- Hôte et protocole. Le site répond en http et en https, ou avec et sans www, et rien ne redirige.
- Slash final et casse. Le serveur renvoie 200 pour /page et /page/, ou pour /Page et /page.
- Paramètres de suivi dans les liens internes. Une balise utm_ ajoutée au lien d'une bannière crée une nouvelle URL pour la même page.
- Tri et filtres. La navigation à facettes peut produire plus d'URL qu'il n'y a de produits. Le guide de Google sur la navigation à facettes demande aux sites de garder les paramètres de filtre dans le même ordre dans chaque URL.
- Un contenu, plusieurs chemins. Un produit accessible sous /sale/ et /shoes/, ou un article sous chacun de ses tags.
- Templates avec peu de texte. Archives de tags, pages catégorie vides et pages locales où le template pèse plus que le contenu.
- Restes. Un hôte de préproduction ouvert aux crawlers, un ancien domaine qui répond encore, une version imprimable ou AMP.
Nous en avons trouvé deux sur nos propres sites. Sur neova.app, le 20 novembre 2026, http:// répondait 200 au lieu d'une 301 vers https, si bien que chaque page avait un jumeau jusqu'à ce que nous corrigions. Et le crawl complet de seoprocheck.com par Neova, le 17 octobre 2026, a trouvé :
| seoprocheck.com, 17 oct. 2026 | Nombre |
|---|---|
| Pages HTML qui répondent 200 | 4 561 |
| Balises title dupliquées | 56 |
| Balises title de plus de 60 caractères | 557 |
| Meta descriptions de plus de 155 caractères | 582 |
| Canoniques vers une autre URL interne | 5 |
Neova regroupe les pages par template : quand les doublons se concentrent dans un groupe de pages, vous savez que c'est le template qu'il faut corriger.
Comment fonctionne la détection des doublons exacts et des quasi-doublons
Les doublons exacts sont la partie facile. L'outil extrait le texte principal de chaque page, sans navigation, en-tête ni pied de page, le normalise et compare. Deux pages au même texte principal sont des doublons même si leurs menus diffèrent.
Les quasi-doublons demandent une mesure de similarité. Une méthode courante découpe le texte en suites de mots qui se chevauchent, appelées shingles, et compte combien de suites deux pages partagent :
page A : "chaussures de running rouges pour trail et route"
suites de 5 mots : "chaussures de running rouges pour", "de running rouges pour trail", ...
similarité = suites partagées par les deux pages / suites de la page
| Réglage dans Neova | Valeur |
|---|---|
| Texte comparé | Texte principal uniquement |
| Longueur des suites (shingle) | 5 mots |
| Suites partagées pour signaler | 90 % ou plus |
| Texte principal minimum | 50 mots |
| Pages canonicalisées ailleurs | Exclues du check exact |
Neova signale deux pages quand l'une partage 90 % ou plus de ses suites de 5 mots avec l'autre, sur les pages d'au moins 50 mots de texte principal. Aucun moteur de recherche ne publie de seuil : voyez un flag de quasi-doublon comme une invitation à comparer les deux pages côte à côte, pas comme un verdict.
Deux détails font une grande différence. Comparez le texte principal, pas tout le HTML, sinon toutes les pages d'un site avec un gros menu se ressembleront. Et si le contenu est construit par JavaScript, comparez la page rendue, sinon toutes les pages sembleront vides et identiques.
Vérifier le contenu dupliqué d'un site, étape par étape
- Crawlez tout le site, et activez le rendu JavaScript si le contenu est construit dans le navigateur.
- Commencez par les variantes d'URL. Ce sont les moins chères à corriger, et elles expliquent souvent l'essentiel du reste.
- Passez en revue les doublons exacts groupe par groupe. Pour chaque groupe, choisissez l'URL qui doit rester.
- Passez en revue les quasi-doublons côte à côte. Décidez s'ils répondent à des besoins différents. Une variante de taille, sans doute pas ; deux villes aux services différents, peut-être.
- Parcourez les balises title et descriptions répétées. Là où le contenu diffère, rédigez-en de nouvelles. Là où il est identique, elles confirment un groupe de doublons.
- Vérifiez les canoniques de chaque doublon que vous gardez, et assurez-vous qu'elles pointent vers l'URL choisie. Le guide vérifier les balises canoniques couvre ce qui peut mal tourner.
- Recrawlez après le correctif et comparez les deux crawls pour voir quels flags sont résolus.
Comment corriger le contenu dupliqué
La page de Google sur la consolidation des URL en double liste les principaux moyens de lui indiquer l'URL que vous préférez. Les redirections et rel=canonical sont des signaux forts ; lister une URL dans un sitemap est un signal plus faible. Adaptez le correctif au cas :
| Situation | Correctif | Force du signal |
|---|---|---|
| L'URL en double n'a aucune utilité | 301 vers l'URL préférée | Fort |
| La variante doit rester accessible | rel=canonical vers l'URL préférée | Fort |
| Deux pages, même sujet | Fusionner, rediriger l'autre | Fort |
| Pages proches, lecteurs différents | Réécrire chacune | n/a |
| Un title sur beaucoup de pages | Un title par page | n/a |
| Listée seulement dans le sitemap | Ajouter une redirection ou une canonique | Faible |
| Bloquée dans le robots.txt | Débloquer, puis canonique | Aucun, page non lue |
Quel que soit votre choix, envoyez le même message partout. Liens internes, sitemap XML, hreflang et canonique doivent tous désigner la même URL. Google déconseille d'utiliser le robots.txt pour la canonicalisation, car une page bloquée ne peut pas être lue du tout. Après une redirection, mettez à jour les liens qui pointaient vers l'ancienne URL pour qu'ils ne passent pas par un saut ; le guide chaînes de redirections couvre ce point.
Pour aller plus loin sur les canoniques, SEO ProCheck tient une référence complète sur les balises canoniques.
Vérifier le contenu dupliqué avec Neova
Neova recherche les doublons dans les catégories Contenu et Indexabilité de chaque crawl. Les pages qui désignent déjà une autre URL comme canonique sont exclues du check des doublons exacts : cette liste montre donc ce qui reste ouvert. Les checks qui le permettent :
- Variantes d'URL qui renvoient le même HTML, pour le protocole, le www, la casse, le slash final, l'ordre des paramètres et les paramètres de suivi
- Variante avec slash final qui redirige ou duplique l'URL et Variante de casse qui redirige ou duplique l'URL
- Mêmes paramètres de requête dans un ordre différent
- Contenu dupliqué entre pages HTML, après rendu JavaScript quand le crawl a rendu les pages
- Contenu quasi dupliqué entre pages HTML
- Balise title dupliquée entre pages HTML, Meta description dupliquée entre pages HTML et H1 dupliqué entre pages HTML
- Copie syndiquée sans noindex ni canonique vers l'original
- URL indexable avec paramètres de recherche ou de filtre et URL indexable avec paramètres de tri

Les Groupes de pages montrent de quel template viennent les doublons, et Comparer les crawls montre quels flags sont résolus après un correctif. Chaque tableau s'exporte en CSV. Voir les Fonctionnalités ou télécharger Neova ; l'offre Free lance tous les checks.
Questions
Qu'est-ce qu'un outil de détection du contenu dupliqué ?
Un outil qui compare les pages d'un site et signale celles qui renvoient un contenu identique ou très proche, y compris les variantes d'URL d'une même page et les balises title ou descriptions répétées d'une page à l'autre.
Google pénalise-t-il le contenu dupliqué ?
Pas les doublons au sein de votre propre site. Google les regroupe, choisit une URL comme canonique et affiche celle-là. Le risque, c'est qu'il choisisse une version que vous ne vouliez pas et que les signaux soient dispersés. Le contenu copié d'autres sites pour manipuler le classement relève des règles de Google sur le spam.
À quel point des pages doivent-elles se ressembler pour être des doublons ?
Aucun moteur de recherche ne publie de pourcentage. Neova signale des quasi-doublons quand une page partage 90 % ou plus de ses suites de 5 mots avec une autre, comme invitation à les comparer, pas comme une décision.
Faut-il une canonique ou une redirection pour les pages en double ?
Redirigez quand l'URL en double n'a pas besoin d'exister. Utilisez une canonique quand elle doit rester accessible aux visiteurs, comme une liste triée ou une URL avec un paramètre de suivi.
Puis-je bloquer les pages en double dans le robots.txt ?
Google le déconseille. Une URL bloquée ne peut pas être lue : Google ne voit ni sa canonique ni le fait que c'est un doublon, et il peut quand même indexer l'URL à partir des liens.