Vous tapez une phrase dans Google pour vérifier si un texte a été copié. Cinq résultats identiques s'affichent, mot pour mot. Vous ouvrez les outils : un rapport balance "78 % de similarité". Et là, panique. Est-ce que Google va sanctionner ? Faut-il tout réécrire ?
Je vois cette réaction chaque fois que je fais un audit. Un client m'appelle, affolé, parce qu'un concurrent a recopié sa page de vente. Ou parce que le rapport de Screaming Frog affiche des centaines d'URL "presque identiques". Dans 8 cas sur 10, il n'y a rien de grave. Dans les 2 restants, il y a un vrai problème — mais rarement celui qu'on croit.
Le duplicate content n'est pas un virus qui se soigne en réécrivant tout. C'est un symptôme technique. Et tant qu'on ne l'a pas identifié correctement, on corrige dans le vide.
Points clés à retenir
- Google ne "pénalise" presque jamais un site pour duplication accidentelle — il choisit simplement une URL et ignore les autres.
- Duplication interne et externe se diagnostiquent différemment, avec des outils différents.
- Un taux de similarité élevé entre deux pages ne signifie pas forcément duplication au sens SEO.
- La priorité n'est pas de supprimer, mais de consolider la page que vous voulez voir classer.
- Le vrai coût du duplicate, c'est le budget de crawl gaspillé et l'autorité diluée entre plusieurs URL.
- Trois corrections règlent 90 % des cas : canonical, redirection 301, paramétrage des facettes.
Le duplicate content, concrètement : ce que Google voit (et pas ce que vous voyez)
Quand je dis à un client "vous avez 2 400 URL dupliquées", sa première question est toujours : "Mais est-ce que Google va me pénaliser ?".
La réponse honnête : non, presque jamais. Google ne dispose d'aucune pénalité algorithmique spécifiquement appelée "duplicate content". Ce qui existe, c'est un filtre de déduplication : quand plusieurs URL renvoient un contenu quasi identique, le moteur en choisit une seule pour l'index, et ignore les autres. Point.
Ce qui compte vraiment pour Google
Le problème n'est donc pas la duplication en elle-même. C'est ce qu'elle provoque :
- Le budget de crawl se disperse sur des pages inutiles au lieu de se concentrer sur celles qui comptent
- Les signaux de popularité (liens, partages, clics) se répartissent sur plusieurs URL au lieu de nourrir une seule page forte
- Vous ne contrôlez plus laquelle des versions Google choisit de mettre en avant — et ce n'est pas toujours celle que vous vouliez
Voilà pourquoi on parle de duplicate content comme d'un problème. Pas parce qu'on est puni, mais parce qu'on perd du potentiel sans s'en rendre compte.
Comment détecter un problème de contenu dupliqué : la méthode en trois étapes
Bon. Passons à la pratique. Il y a des outils, mais la plupart des gens les utilisent à l'envers : ils cherchent la duplication partout, au lieu de la chercher là où elle fait mal.
Étape 1 : regarder dans Search Console avant de sortir les gros outils
C'est gratuit, c'est rapide, et ça donne le diagnostic le plus fiable. Ouvrez le rapport Pages dans Google Search Console. Trois statuts vous intéressent directement :
- "Page en double sans URL canonique sélectionnée par l'utilisateur" — vous avez un problème de canonical mal configuré
- "Autre page avec balise canonique" — c'est Google qui vous dit "cette URL n'est pas celle que je retiens", parfois à raison, parfois non
- "Détectée, actuellement non indexée" — souvent le signe d'un excès de pages quasi identiques (facettes, paramètres, pagination)
Sur un dernier audit e-commerce, ce seul rapport m'a fait gagner deux heures. 3 100 URL "détectées mais non indexées" sur un catalogue de 1 800 produits. Signature typique d'un site qui génère des URL à partir de filtres sans contrôle.
Étape 2 : crawler avec un outil qui gère la similarité
Screaming Frog fait ça très bien dans sa version payante. Vous crawlez le site, puis dans l'onglet Content, cherchez les groupes de pages avec un taux de similarité supérieur à 90 %. Sur certains CMS, c'est un carnage.
Un seuil utile en pratique : au-dessus de 85 % de similarité entre deux pages de contenu, on considère qu'elles se cannibalisent. En dessous, on laisse. Entre 60 % et 85 %, ça dépend du contexte — deux fiches de produits proches peuvent très bien cohabiter.
Ce seuil, je l'ai fixé après plusieurs audits où je voyais des clients tout réécrire pour des pages à 40 % de similarité. Perte de temps totale.
Étape 3 : vérifier si un tiers vous a copié
Le duplicate externe, c'est autre chose. Un scrap qui reprend vos articles sur son site, un site miroir qui reprend votre catalogue. Pour le repérer, trois outils suffisent :
- Copyscape pour vérifier une URL précise (payant, mais fiable)
- Une recherche Google entre guillemets sur une phrase longue et spécifique de votre page
- Google Search Console, session Liens : les sites qui vous lient sont parfois ceux qui vous ont copié
Attention quand même : 9 fois sur 10, un "plagiat" détecté n'en est pas un. C'est votre propre contenu sur une version multilingue, une version AMP, ou un cache. Vérifiez avant d'envoyer un mail de menace.
Comment corriger : la trousse à outils dans l'ordre
Et là, surprise : la majorité des corrections tiennent en trois lignes de code et dix minutes de configuration. Le reste, c'est du contenu à réécrire — et ça, c'est long.
Corriger la duplication interne
| Cause | Correction | Effort |
|---|---|---|
| Page accessible en HTTP et HTTPS | Redirection 301 vers la version HTTPS | 5 minutes, une règle serveur |
| www et non-www | 301 vers la version canonique choisie | Idem |
| Paramètres d'URL (?sort=, ?utm=) | Balise canonical + blocage dans robots.txt pour les paramètres techniques | 1 heure selon le CMS |
| Facettes e-commerce | Canonical vers la catégorie parente ou noindex | 2 à 4 heures |
| Pagination | Canonical auto-référente, pas vers la page 1 | 30 minutes |
| Versions AMP ou mobiles mal canonisées | Canonical croisée correcte | Variable |
La balise canonical est votre meilleur allié — à condition de la mettre proprement. Erreur classique que je vois encore : canonical auto-référente sur une page paginée (page 2 qui se canonise vers elle-même) au lieu de pointer vers la page 1 de la série. Google gère désormais correctement la pagination dans la majorité des cas, mais une canonical mal posée reste une canonical mal posée.
Corriger la duplication externe
Là, vous ne contrôlez rien. Trois cas de figure :
- Scraping pur et dur : le site copie votre contenu, sans citer la source. Vérifiez d'abord si votre contenu a été publié avant le leur. Si oui, un mail au webmaster avec captures d'écran et dates suffit dans la majorité des cas.
- Agrégateurs légitimes (flux RSS, syndication) : laissez-leur la balise canonical pointant vers votre original. C'est prévu pour ça.
- Sites abandonnés : si le webmaster ne répond pas, un signalement DMCA auprès de Google fonctionne, mais c'est long (comptez plusieurs semaines).
Franchement, dans 80 % des cas de scraping que j'ai traités, une version légèrement modifiée du contenu original sur votre propre site (ajout d'une section, mise à jour de la date) suffit à faire basculer Google sur votre version.
Trois erreurs que je vois systématiquement (et comment les éviter)
Réécrire tout le contenu d'un site dupliqué
Non. Sauf si votre site fait 15 pages et que votre activité dépend directement du SEO, vous allez y passer des semaines pour rien. Priorisez les 20 à 50 URL qui reçoivent du trafic organique ou qui ont des liens entrants. Les autres, une canonical bien posée règle le sujet.
Bloquer sans réfléchir dans robots.txt
Bloquer une URL dans robots.txt ne la désindexe pas — et parfois l'empêche de lire la canonical qui aurait justement réglé le problème. Je me suis fait avoir au début. La règle d'or : noindex avant robots.txt, jamais l'inverse. Et la canonical avant les deux.
Confondre duplication et plagiat
La duplication SEO est un problème technique. Le plagiat est un problème juridique. Deux sujets, deux interlocuteurs. Ne mélangez pas.
L'IA a-t-elle changé la donne en 2026 ?
Oui, mais pas comme on l'imagine. Depuis que les modèles génératifs produisent des textes à la chaîne, on voit apparaître un nouveau type de duplication : deux sites qui ont généré leurs contenus avec le même prompt et le même LLM. Similarité à 70-80 %, vocabulaire identique, structures de phrases quasi superposables.
Google n'a pas besoin d'un "détecteur d'IA" pour repérer ça. Le filtre de déduplication classique suffit : il ne fait pas la différence entre deux copies humaines et deux copies machines. Résultat : sur les niches où tout le monde utilise le même outil, une seule page passe, les autres disparaissent.
La seule défense qui fonctionne : injecter de l'expérience vécue dans le contenu. Des chiffres que personne d'autre n'a. Des cas clients précis. Une opinion qu'on assume. Aucun LLM ne peut générer ça à votre place, parce que ça n'existe nulle part en ligne.
Un audit duplicate en pratique : par où commencer
Si vous devez faire un audit cette semaine, l'ordre est :
- Search Console, rapport Pages. Notez les statuts "canonique" douteux.
- Crawl complet avec Screaming Frog, filtre similarité > 85 %. Exportez la liste.
- Croisez avec votre analytics : y a-t-il des URL dupliquées qui reçoivent du trafic organique ? Ce sont vos urgences.
- Corrigez d'abord les canonical, ensuite les 301, ensuite les paramètres. Le reste attend.
- Re-crawlez 4 à 6 semaines plus tard. Les changements d'indexation prennent du temps.
Sur un site de 500 pages que j'ai accompagné il y a quelques mois, cette méthode a fait passer les URL indexées de 3 200 à 890. Le trafic organique, lui, n'a pas bougé pendant trois semaines — puis a grimpé de 17 % en deux mois. Rien de magique : simplement, Google avait enfin arrêté de se perdre.
Le duplicate content n'est pas un ennemi. C'est un signe que votre site envoie deux messages contradictoires à Google. La question n'est jamais "comment tout supprimer". Elle est : quelle URL voulez-vous voir classer, et pourquoi celle-là et pas une autre ? Tant que vous ne répondez pas à cette question, tous les outils du monde ne serviront à rien.
