Un catalogue qui affiche 180 000 URL dans un sitemap et 4 000 pages réellement indexées, voilà une capture d’écran que beaucoup de e-commerçants connaissent. La tentation immédiate consiste à réclamer plus de visites de Googlebot, à supplier le robots.txt, à rêver d’un serveur qui répond plus vite. C’est le mauvais levier. L’écart ne vient presque jamais d’une machine trop lente ou d’une bande passante insuffisante, il vient du travail inutile qu’on impose au robot. Tant que ce travail reste sur le site, l’indexation stagne.
Le plafond n’est pas le serveur, c’est la file d’attente
Google distingue trois moments qu’on confond sans arrêt : la découverte d’une adresse, son exploration par le robot, puis son entrée dans l’index. Une URL peut exister depuis des mois sans avoir jamais été visitée, et c’est parfaitement normal tant que Google estime qu’il a mieux à faire ailleurs.
Sur un site marchand, cette file d’attente se remplit vite de pages qui se ressemblent, et le robot arbitre sans état d’âme. Comprendre ce mécanisme change tout, comme le rappellent les guides de référencement de mobitex.fr sur le sujet.
Le budget d’exploration se définit comme la rencontre entre deux choses : ce que le serveur peut encaisser et ce que Google juge utile de parcourir. Beaucoup de responsables techniques ne regardent que la première moitié du problème, alors que la seconde décide de tout. Vous pouvez avoir une infrastructure qui encaisse des pointes impressionnantes ; si les URL à visiter n’apportent rien, le robot réduira sa cadence de lui-même.
Lire les deux statuts de Search Console comme deux maladies différentes
Ouvrez le rapport de couverture et regardez les libellés au lieu de les survoler. Ils racontent deux histoires opposées, et le traitement à appliquer n’a rien à voir selon celui qui domine. C’est le point que la plupart des tutoriels escamotent.
Explorée, actuellement non indexée : une question de qualité
Ici, Google est venu. Il a lu la page, il a rendu son verdict, et son verdict est non. La cause se cherche du côté du contenu : page trop pauvre, doublon presque parfait d’une autre adresse, valeur ajoutée nulle pour un internaute qui tombe dessus. Huit fois sur dix, sur un catalogue, vous êtes en face d’une déclinaison de plus d’un produit déjà bien décrit ailleurs.
Dans ce cas précis, ajouter des balises canoniques ne change rien à court terme, parce que le problème n’est pas l’ambiguïté de l’adresse, c’est la pauvreté du texte. Un canonique indique quelle version garder ; il ne rend pas intéressante une fiche qui n’apporte rien.
Détectée, actuellement non indexée : une question de budget
Le second statut signifie autre chose : Google connaît l’URL, il ne l’a même pas visitée. Vous pouvez y retourner autant que vous voulez, aucune balise n’y changera quoi que ce soit, puisque le robot n’a pas lu le document. C’est le signe que la file est saturée et que l’ordre de priorité ne remonte pas jusqu’à vos belles pages.
Une proportion importante d’URL dans ce statut suffit d’ailleurs à faire entrer un site dans les critères du guide avancé de Google sur le budget d’exploration, au même titre qu’un million de pages uniques mises à jour régulièrement ou plus de 10 000 pages qui bougent chaque jour. Autant dire que la situation n’a rien d’exceptionnel.
Le doublon de déclinaisons, vrai responsable du gâchis
Un t-shirt existe en cinq tailles et six coloris. Trente fiches, trente adresses, une seule description recopiée à l’identique avec les mots du fabricant. Multipliez par quelques centaines de références et vous obtenez un gisement d’URL que Google doit découvrir, classer, puis rejeter un par un. Le contenu dupliqué arrive en tête des causes d’indexation bloquée sur les boutiques, et ce n’est pas un hasard. Sur ce point, voir aussi notre article sur attendre juger mot cle.
Le réflexe habituel consiste à poser une canonique sur les trente fiches pour les renvoyer vers la version « principale ». Sur le papier, c’est propre. En pratique, le robot doit quand même parcourir les trente adresses pour lire la consigne, ce qui revient à payer le coût d’exploration d’un doublon pour apprendre qu’il s’agit d’un doublon. Le budget ne baisse pas, il se consume simplement un peu plus intelligemment.
Réduire le nombre d’URL à découvrir, pas le nombre de balises
La sortie par le haut demande de toucher à la structure du catalogue, pas au balisage des fiches. Pourquoi ? Parce qu’une balise corrige un signal, alors qu’une refonte de l’arborescence supprime la source même du problème. Quelques pistes qui marchent vraiment sur un catalogue volumineux :
- Fusionner les variantes sans intérêt dans une adresse unique où la couleur ou la taille se choisit par un paramètre géré côté interface.
- Bloquer la découverte des filtres et des tris par facettes, qui génèrent des combinaisons à l’infini sans jamais mériter une place dans l’index.
- Faut-il vraiment laisser les pages de résultats de recherche interne ouvertes au robot, alors qu’elles recopient vos propres fiches ?
- Réécrire les descriptions produit pour chaque déclinaison importante, et laisser les autres se fondre dans la page parente.
- Surveiller l’évolution des deux statuts après chaque ménage, car c’est le seul retour d’information fiable dont vous disposez.
Le dernier point est celui qu’on oublie le plus souvent. Sans suivi des statuts, vous ne saurez jamais si le nettoyage a servi à quelque chose, et vous risquez de tout défaire six mois plus tard.
Les ordres de grandeur qui doivent vous alerter
Trois signaux méritent un coup d’œil sérieux à votre rapport. Plus d’un million de pages uniques mises à jour régulièrement, plus de 10 000 pages qui évoluent quotidiennement, ou une part importante d’URL en « Détectée, actuellement non indexée ». Les trois ne veulent pas dire la même chose, mais tous indiquent que Google arbitre en permanence et qu’il arbitre contre vous.
Un chiffre me travaille depuis un moment : la plupart des pages web ne reçoivent aucune visite depuis Google, et l’absence d’indexation explique une bonne part de ce silence. Une étude d’Ahrefs citée par Odyssix avance le chiffre de 66 %. Autrement dit, produire des adresses à la chaîne sans se demander ce qu’elles apportent revient à alimenter un stock qui ne verra jamais un visiteur.
Arrêter de confondre les trois étapes
Découverte, exploration, indexation : trois portes successives, et il suffit d’en bloquer une pour que rien ne passe derrière. Un sitemap rempli d’URL qui ne seront jamais visitées n’aide pas, il encombre. Une page rapide mais vide ne sera pas indexée. Une page riche mais introuvable ne sera jamais visitée. Le diagnostic exige de savoir quelle porte est fermée avant de pousser dessus.
Sur un site qui plafonne à 4 000 pages indexées sur 180 000, l’écart tient presque toujours au fait que Google a choisi de ne pas gaspiller son temps. Il a raison, d’ailleurs. Franchement, qui irait visiter trente fois le même t-shirt ?
Le vrai chantier commence par une suppression
Un catalogue marchand n’a pas besoin d’une adresse par combinaison de couleur et de taille, il a besoin d’une adresse par intention d’achat. Tant que ces intentions se multiplient artificiellement, le robot fera le tri à votre place et vous perdrez la main sur ce qui compte vraiment. Le travail utile se joue donc en amont, dans la structure du catalogue, bien avant les balises et les réglages serveur.
Supprimer des URL, fusionner des variantes, fermer des facettes : c’est moins spectaculaire qu’un changement d’hébergeur, et pourtant c’est là que se gagne l’indexation. La question à se poser est simple. Combien d’adresses de votre propre site mériteraient vraiment d’apparaître dans les résultats ?