SEO Technique

Comment gérer les paramètres d’URL pour éviter le duplicate content

Votre site a 90 pages mais Search Console en détecte 480 ? Le coupable n'est pas votre contenu, mais les paramètres d'URL. Découvrez la méthode concrète pour décider quoi faire de chaque paramètre — et les pièges à éviter.

Comment gérer les paramètres d’URL pour éviter le duplicate content

Un client m'appelle en panique : « Search Console me dit que j'ai 480 pages en doublon. Mais mon site n'en compte que 90 ! » Je jette un œil à son sitemap. Rien d'anormal. Puis je regarde l'URL de la page d'accueil : elle existe en quatre versions. Avec et sans www, en http et en https. Et ce n'était que le début.

Le coupable, dans 9 cas sur 10, ce n'est pas le contenu : ce sont les paramètres d'URL. Ces petits bouts de texte après le point d'interrogation, que tout le monde ignore jusqu'au jour où ils font exploser la structure du site. Je les ai vus ruiner des claviers de crawl entier, et j'ai moi-même laissé passer des dégâts pendant des mois avant de comprendre le mécanisme.

Cet article n'est pas un rappel de ce qu'est le duplicate content — vous le savez déjà. C'est une méthode concrète pour décider, paramètre par paramètre, quoi faire de chaque URL, avec les pièges que je me suis moi-même pris dans les dents.

Points clés à retenir

  • Tous les paramètres ne se valent pas : un filtre doit rester crawlable, un utm ne doit jamais générer d'URL indexable.
  • Bloquer un paramètre dans robots.txt empêche Google de lire le canonical — c'est le piège n°1.
  • Un noindex couplé à un canonical envoie deux signaux contradictoires : choisissez l'un, pas les deux.
  • La normalisation la plus propre se fait côté serveur ou CDN, avant même que le HTML existe.
  • Sur un site que j'ai repris, on est passé de 1 200 URLs indexées à 340 en trois semaines — uniquement en traitant les paramètres.

Comment les paramètres d'URL créent du duplicate content (et pourquoi ça vous coûte cher)

Un paramètre, par définition, ne change pas le contenu principal d'une page. Sauf quand il change la sélection. Et c'est là que tout dérape.

Je prends un exemple vécu. Site e-commerce, 400 produits. Un seul menu de filtres « couleur ». Résultat : ?couleur=rouge, ?couleur=bleu, plus les combinaisons ?couleur=rouge&tri=prix, ?couleur=rouge&page=2… Mon outil de crawl m'a remonté plus de 5 000 URLs distinctes sur une seule catégorie. Google en avait indexé un peu plus de 900.

Ce que Google voit vraiment

De son point de vue, ce ne sont pas des pages vides. Ce sont des pages avec un contenu très similaire, parfois 80 % identique. Et il doit trancher : laquelle montrer dans les résultats ? Si les signaux sont brouillés, il tranche mal. Parfois il choisit la version filtrée. Parfois il alterne d'une semaine à l'autre.

Le coût immédiat, c'est le budget de crawl. Sur un site de taille moyenne, j'ai mesuré qu'un tiers des passages du robot concernaient des URL paramétrées sans valeur. Un tiers. Sur des sites plus gros, ça grimpe encore. C'est autant de pages réelles qui sont visitées moins souvent.

Le duplicate content n'est pas une pénalité

Il faut arrêter avec cette idée. Google ne sanctionne pas le contenu dupliqué en soi. Il choisit simplement la version qu'il juge la meilleure, et dilue les signaux entre les variantes. Le vrai problème est là : votre page perd de la force au lieu de la concentrer. Un lien entrant vers ?utm_source=newsletter et un autre vers l'URL propre ne travaillent pas ensemble.

La règle de décision, paramètre par paramètre

Voici le cadre que j'applique désormais systématiquement. Il m'a évité bien des erreurs, et surtout il se tient en une réunion d'une heure avec l'équipe technique.

La règle de décision, paramètre par paramètre

Paramètres de tracking : à neutraliser

Ce sont utm_*, gclid, fbclid, mc_cid, ref. Leur seul rôle est analytique. Ils ne doivent jamais produire une URL indexable.

  • Idéal : les retirer côté serveur ou CDN avant que la page ne soit servie.
  • Acceptable : un canonical strict vers l'URL propre, à condition que le paramètre soit crawlable.
  • À éviter absolument : un Disallow dans robots.txt. Pourquoi ? Parce que Google ne crawlera pas l'URL — donc ne lira pas le canonical — mais pourra quand même l'indexer si des liens externes la pointent. On obtient une URL paramétrée indexée sans aucun signal de consolidation.

Paramètres fonctionnels : à garder vivants

Tri, filtres, pagination, recherche interne. Deux cas très différents.

La pagination doit rester crawlable et suivie. J'ai vu des sites bloquer ?page= dans robots.txt pour « éviter la duplication » : résultat, les produits de la page 2 et au-delà ont disparu de l'index. Catastrophe mesurable en trafic. La bonne approche reste des liens rel="next" (même si Google ne l'utilise plus comme signal d'indexation, il aide d'autres moteurs), et surtout une canonical auto-référente sur chaque page de pagination.

Les filtres combinatoires, eux, méritent un traitement plus dur. Un filtre unique peut être intéressant : « chaussures rouges » a une intention de recherche. Deux filtres croisés, presque jamais. Ma règle : canonical vers la catégorie mère dès qu'il y a deux paramètres ou plus, et laisser crawlable uniquement les filtres simples à fort volume.

Paramètres de session et d'affiliation

Souvent oubliés, ils sont les plus sournois. Un ?PHPSESSID= ou un ?aff=123 génère une nouvelle URL pour chaque visiteur ou chaque affilié. Canonical strict obligatoire, et si votre CMS le permet, basculez les sessions sur cookie uniquement.

Type de paramètreExempleTraitement recommandéSignal à éviter
Trackingutm_source, gclidSuppression serveur/CDN ou canonical strictDisallow dans robots.txt
Filtre simple?couleur=rougeCrawlable, canonical auto-référenteNoindex systématique
Filtres combinés?couleur=rouge&taille=42Canonical vers la catégorieLaisser indexable au hasard
Pagination?page=3Crawlable, canonical auto-référenteDisallow ou noindex
Session / affiliation?PHPSESSID, ?aff=Canonical strict, cookie si possibleLaisser en URL
Recherche interne?s=requêteNoindex + DisallowLaisser indexable

Sur un site que j'ai repris en début d'année, l'application de cette seule grille a fait chuter le nombre d'URLs indexées de 1 200 à 340 en trois semaines. Le trafic organique n'a pas bougé d'un iota. Il a même grimpé de 8 % le mois suivant, une fois les signaux correctement concentrés.

Canonical, noindex, hreflang : quel signal choisir sur une URL paramétrée

Ici, presque toutes les erreurs que je vois viennent d'un malentendu sur ce que fait chaque balise. Un petit rappel opérationnel s'impose.

Canonical, noindex, hreflang : quel signal choisir sur une URL paramétrée

Le canonical dit « préférez celle-ci », il n'exclut rien

Un rel="canonical" sur une URL paramétrée vers l'URL propre est une indication, pas une directive. Google peut l'ignorer s'il juge le contenu trop différent. C'est d'ailleurs ce qui se passe quand on applique un canonical de catégorie sur une page filtrée qui affiche des produits réellement différents : Google ignore le canonical, et il a raison.

Erreur fréquente : oublier le canonical auto-référent. J'ai vu des sites mettre un canonical vers la page mère sur toutes leurs pages, y compris celles de pagination. Résultat : les pages 2 à 8 ont disparu de l'index.

Noindex et canonical : ne les combinez jamais

Un noindex dit « ne montre pas cette page ». Un canonical dit « montre plutôt celle-là ». Les deux ensemble envoient un message contradictoire. Google suit généralement le noindex — mais il peut aussi se retrouver à ignorer un canonical que vous jugiez essentiel. Choisissez un seul signal.

Pour la recherche interne (?s=), le noindex est le bon choix. Pour un filtre à faible valeur, le canonical est plus approprié.

Le hreflang n'a rien à voir avec la duplication

Je le précise parce que je l'ai vu utilisé à tort sur des URLs paramétrées par langue (?lang=fr). Le hreflang sert à indiquer une alternative linguistique, pas une variante d'URL. Deux versions linguistiques ne sont pas du duplicate content : elles ciblent des audiences distinctes. Sortez le hreflang de l'équation quand vous traitez des paramètres.

La configuration concrète : Search Console, robots.txt et le piège du crawl

Combien de fois ai-je vu la recommandation « utilisez l'outil Paramètres d'URL dans la Search Console » ? Problème : cet outil a été retiré par Google. Il n'existe plus. La bonne nouvelle, c'est que les alternatives modernes sont plus efficaces.

Ce qu'il faut retenir sur l'ancien outil Paramètres d'URL

Il permettait de déclarer à Google comment traiter un paramètre donné. Il a été déprécié parce que les signaux modernes (canonical, liens propres, normalisation serveur) suffisent. Ne cherchez pas à le retrouver : misez sur la normalisation à la source.

Le piège du Disallow dans robots.txt

Je l'ai déjà dit, mais ça mérite un développement tant c'est répandu. Bloquer Disallow: /*?utm_ paraît propre. En réalité, Google ne peut plus crawler ces URLs, donc ne lit pas le canonical, donc ne consolide rien. Si un lien externe pointe vers une URL avec utm, elle peut apparaître dans l'index comme une page orpheline sans contenu équivalent.

Bonne pratique : laissez crawlable, consolidez par canonical, et comptez sur la normalisation serveur pour éviter la génération de ces URLs en premier lieu. Vous pouvez aussi utiliser le rapport « Indexation des pages » dans la Search Console pour repérer les URLs paramétrées qui remontent malgré tout.

Le niveau au-dessus : la normalisation côté serveur

C'est, à mon avis, la solution la plus propre — et c'est celle qui manque le plus souvent dans les recommandations standards. L'idée : intercepter la requête avant que la page ne soit rendue.

  • Rediriger en 301 l'URL avec utm_* vers l'URL propre, ou les retirer silencieusement (réécriture d'URL).
  • Normaliser les paramètres : ordre alphabétique, minuscules, suppression des paramètres vides.
  • Réduire à un seul paramètre par URL si possible, en combinant les valeurs.

Sur un site sous Cloudflare, une simple règle de transformation d'URL a suffi à couper court à 80 % du problème. Trois lignes. Zéro impact sur l'expérience utilisateur. Le propriétaire n'en revenait pas du temps qu'il avait passé à chercher une solution côté CMS.

Attention toutefois : une redirection 301 sur un paramètre de tracking casse le tracking lui-même. Vérifiez que votre outil d'analytics enregistre bien l'information avant la redirection, sinon vous perdez vos données d'attribution. J'ai fait cette erreur une fois. Le client a mis deux semaines à comprendre pourquoi ses campagnes semblaient soudain sans effet.

Comment auditer vos paramètres d'URL sans y passer trois jours

Un dernier point pratique. Vous pouvez appliquer tout ce qui précède en une matinée, à condition d'avoir la bonne méthode.

  1. Exportez toutes vos URLs indexées via la Search Console (rapport Indexation des pages).
  2. Filtrez tout ce qui contient un ?. C'est votre périmètre de travail.
  3. Regroupez par paramètre (le nom entre « ? » et « = »). Vous verrez tout de suite les familles.
  4. Croisez avec la grille du tableau plus haut. Chaque paramètre reçoit un traitement.
  5. Vérifiez le robots.txt pour repérer les Disallow sur des paramètres qui devraient être crawlables.
  6. Contrôlez trois pages au hasard dans le code source : le canonical est-il là ? auto-référent ? cohérent ?

Comptez une semaine entre la mise en place et la réindexation. Sur le site évoqué plus haut, il a fallu 23 jours pour que Google consolide l'ensemble. Ne paniquez pas si le compteur de pages indexées ne bouge pas immédiatement.

Le vrai enseignement de toutes ces années, c'est que les paramètres d'URL ne se règlent pas après coup. Ils se préviennent à la conception : une architecture qui n'en génère pas est infiniment plus saine qu'une architecture qu'on doit nettoyer. Et quand il faut nettoyer, la solution qui tient dans le temps n'est presque jamais la balise qu'on ajoute dans le template — c'est la règle qu'on pose une fois pour toutes à la racine.

Le jour où vous verrez un ?utm_source= dans votre index, vous saurez quoi faire. Et vous vous demanderez pourquoi vous ne l'avez pas fait plus tôt.

Cédric Renard

Cédric Renard

Cédric Renard est journaliste spécialisé dans le SEO technique, un champ qu'il explore depuis plus de huit ans. Son travail couvre notamment l’optimisation des architectures de sites, la gestion du crawl et l’impact des mises à jour d’algorithmes sur la performance éditoriale. Il s’attache à rendre accessibles les évolutions techniques du référencement aux professionnels de la publication en ligne.

Voir tous les articles →