Sommaire
Vous avez déjà vu des pages importantes de votre site disparaître mystérieusement des résultats Google ? Allan Scott, ingénieur de l’équipe « Dups » chez Google, révèle les mécanismes cachés qui expliquent ces disparitions dans le podcast Search Off the Record.
Le malentendu sur la canonicalisation
La plupart des SEO pensent que Google choisit simplement « la meilleure page » parmi les doublons. En réalité, c’est plus complexe.
Google fonctionne en deux étapes distinctes :
- Le clustering : Google regroupe les pages qu’il considère comme identiques ou très similaires.
- La canonicalisation : Google choisit quelle page afficher parmi ce groupe.
« Quand les gens se plaignent de canonicalisation, on leur dit : ‘C’est un problème de clustering, parce que ces deux pages ne devraient pas être dans le même cluster' », explique Allan Scott.
Exemple : si Google met par erreur votre page produit dans le même cluster qu’une page d’erreur, le problème n’est pas le choix de la canonical, mais le fait que ces pages soient groupées ensemble.
Google utilise 40 signaux (et c’est là que ça se complique)
Révélation surprenante : Google utilise environ 40 signaux différents pour choisir l’URL canonique d’un cluster. Les principaux :
- Redirections 301,
- Balises rel= »canonical »,
- HTTPS vs HTTP,
- Sitemaps,
- PageRank de la page,
- Signal x-default (plus important qu’on ne le pense).
Le vrai problème : quand vos signaux se contredisent, Google ne sait plus quoi faire.
Cas typique : vous avez une redirection 301 vers une page A, mais une balise rel= »canonical » vers une page B. Google va alors utiliser des signaux plus faibles et imprévisibles pour trancher.
Les « trous noirs » qui avalent vos pages
Allan Scott révèle un phénomène méconnu et redoutable : les pages d’erreur qui créent des « trous noirs ».
Comment ça marche :
- Votre site génère des pages d’erreur qui renvoient du code 200 (au lieu de 404),
- Ces pages ont le même contenu, donc le même « checksum »,
- Google les groupe dans un cluster d’erreur,
- D’autres pages légitimes se retrouvent piégées dans ce cluster,
- Google crawle moins ces pages, pensant qu’elles sont des doublons d’erreur.
« C’est pourquoi on appelle ça un trou noir. Seules les pages vraiment importantes du cluster ont une chance d’en ressortir », explique l’ingénieur.
Exemples concrets qui créent ces trous noirs :
- 20 produits « temporairement indisponibles » avec le même message d’erreur,
- Un A/B test qui plante et affiche la même erreur sur 10% du trafic,
- Un CDN qui bloque Googlebot avec toujours le même message.
Comment éviter ces pièges
1. Utilisez les bons codes HTTP
Règle d’or selon Google : « Seuls les HTTP 200 vont dans les trous noirs »
Solutions simples :
- Renvoyez 404 pour les vraies erreurs,
- Utilisez 503 pour les problèmes temporaires,
- Si vous ne pouvez pas changer le code HTTP, mettez un message d’erreur clair dans le contenu.
2. Évitez les signaux contradictoires
Ne faites jamais ça :
- Redirection 301 vers une URL + rel= »canonical » vers une autre URL,
- x-default vers un site + rel= »canonical » vers un autre site,
- Messages incohérents entre hreflang et canonical.
3. Surveillez vos erreurs d’implémentation
Erreurs fréquentes détectées par Google :
- Variables non évaluées :
rel="canonical" href="/$variable", - Champs vides :
rel="canonical" href=""(pointe vers votre page d’accueil !), - Scripts qui plantent et génèrent des canonicals erronés.
Sites multilingues : un casse-tête pour Google
Allan Scott avoue que la gestion multilingue est un « iceberg » chez Google.
Deux logiques différentes :
- Traductions superficielles (juste le menu traduit) : Google les groupe ensemble.
- Traductions complètes : Google les sépare dans des clusters différents.
Cas compliqué : Pages identiques sauf le prix et la devise (Allemagne vs Suisse). Google essaie de les séparer, mais c’est complexe techniquement.
Bonne nouvelle : Google travaille sur l’amélioration du système hreflang pour mieux servir les bonnes versions selon la localisation.
Pourquoi c’est si dur de corriger un mauvais clustering
Si vos pages sont mal clusterisées, la correction n’est pas immédiate.
Le problème : même si vous corrigez tous vos signaux, Google doit re-crawler vos pages pour détecter les changements. Et l’équipe qui gère le clustering ne contrôle pas la fréquence de crawl.
Solutions limitées :
- Demander un re-crawl via Search Console (mais Google ne garantit rien),
- Attendre le prochain cycle de crawl naturel,
- S’assurer que TOUS vos signaux pointent dans la même direction.
Les soft 404 : attention au piège
Google détecte les « crypto 404 » (pages d’erreur déguisées en HTTP 200), mais le système n’est pas parfait.
Point important : noindex et erreur 404 ne sont pas équivalents.
- 404 : Google laisse une période de grâce avant de supprimer,
- noindex : Google supprime immédiatement.
Conseil : n’utilisez noindex que sur des erreurs définitives, jamais sur des problèmes temporaires.
Ce que ça change pour votre SEO
Ces révélations transforment l’approche du référencement technique :
- Priorité : éviter les problèmes plutôt que les corriger.
- Test : vérifier chaque modification technique avant déploiement.
- Surveillance active : monitorer les canonicals choisies dans Search Console.
- Cohérence : tous vos signaux doivent dire la même chose.
Cette interview rare dans les coulisses de Google montre pourquoi une approche technique rigoureuse est devenue indispensable pour maintenir sa visibilité organique.
Source : Search Off the Record, épisode 87 – Équipe Google Search.
