Tri et filtres : pourquoi votre boutique noie le crawl de Google

Un catalogue de mille produits devrait donner mille pages. Dans les faits, il en donne parfois des dizaines de milliers, et le budget d’exploration du robot part en fumée sur des combinaisons que personne ne tapera jamais dans Google. Le coupable tient en un caractère : le point d’interrogation. Les paramètres de tri et de filtre d’une boutique en ligne, ajoutés sans réflexion, transforment un ensemble fini en une réserve d’URL quasi illimitée. Ce désastre silencieux coûte cher.

Un catalogue fini, des chemins sans fin

Un paramètre d’URL, c’est ce petit bout de texte qui suit le point d’interrogation dans une adresse. EcommerceMag.fr le rappelle : leur emploi multiplie les adresses pour une même page, et Google peut y voir du duplicate content. Sur une fiche produit, ces paramètres servent à trier par prix, filtrer par taille, afficher une couleur, remonter une session. Utile pour l’internaute, redoutable pour le robot.

Google mentionne un cas parlant : /product/black-t-shirt et /product?sku=1234 peuvent renvoyer exactement la même page produit, sans que le moteur puisse le déduire à la seule lecture de l’URL. Il récupère alors le même contenu plusieurs fois. Cela ralentit l’exploration et alourdit la charge sur le serveur. Un passage par la documentation technique de mystpi.com sur le crawling aide à mesurer l’ampleur du phénomène avant de sortir la hache.

Le pire arrive quand plusieurs filtres se combinent. Une boutique qui propose douze tailles, huit couleurs et cinq gammes de prix génère un nombre de combinaisons qui dépasse largement le nombre de produits réellement vendus.

Google pousse le raisonnement jusqu’au bout : si une URL contient une valeur qui change en permanence, comme un code temporel, le robot peut conclure que le site héberge un nombre infini de pages. Ses exemples /about?now=12:34am et /about?now=12:35am sont traités comme deux adresses distinctes. Elles affichent pourtant la même chose.

Ce qui se casse quand les paramètres prolifèrent

Limpi identifie plusieurs risques SEO liés à cette prolifération : la multiplication de variantes quasi identiques d’abord, puis le crawl gaspillé sur des combinaisons sans intérêt pour la recherche. Un robot qui passe ses visites sur ?color=red&size=m&stock=1 ne les passe pas sur vos nouvelles fiches produit. Celles-ci mettent alors des semaines à sortir de la file d’attente.

La pagination détraquée arrive juste après, avec des liens internes qui pointent vers plusieurs versions du même contenu. Le maillage se disperse, les signaux se divisent entre des dizaines de variantes de la même page.

Et le sitemap n’échappe pas à la règle : s’il déclare une variante différente de la version canonique, il envoie au robot un message contradictoire. Les signaux de canonicalisation, eux, finissent par devenir incohérents à force d’être posés à la main. Sur des milliers d’URL, personne ne relit vraiment.

Le problème n’est pas que ces paramètres existent. Une boutique sans filtre est une boutique inutilisable, et personne ne demande de supprimer le tri par prix. Le problème, c’est qu’on les laisse se propager sans savoir lesquels servent à quelque chose. Un filtre utile pour un visiteur qui cherche une veste n’a aucune raison d’être indexé par un moteur.

Classer les paramètres par fonction, pas au hasard

Limpi recommande de regrouper les paramètres selon leur fonction pour bâtir une cartographie. C’est la partie que les résultats de recherche survolent le plus souvent, alors qu’elle décide de tout. Avant de toucher au moindre fichier de configuration, il faut lister ce que chaque paramètre fait réellement sur le site, puis décider d’un sort pour chacun.

Chaque famille mérite un traitement distinct

Le tri entre suivi, filtre, pagination et session n’est pas un exercice de style. Un paramètre de suivi de campagne ne modifie pas la page, un paramètre de filtre la modifie partiellement, un paramètre de session la rend unique sans raison. La cartographie doit refléter cette différence, sinon la règle finale sera trop large et cassera des pages qui comptaient.

  • Les paramètres de suivi de campagne (utm_source, utm_medium et compagnie) ne changent rien au contenu : leur place est dans le fichier robots.txt, pas dans l’index.
  • Filtres : à garder ouverts seulement ceux qui correspondent à une demande réelle, avec une canonique vers la catégorie pour les combinaisons secondaires.
  • La pagination, elle, doit rester explorable, mais ses liens gagnent à pointer vers des URL propres et stables.
  • Faut-il vraiment laisser Google lire les paramètres de session ? Presque jamais, et un blocage propre suffit.

L’articulation entre sitemap et canonique

Une balise canonique posée sur une variante dit au moteur quelle version retenir. Un sitemap, lui, dit au moteur quelle version visiter en priorité. Quand les deux ne parlent pas de la même URL, le robot reçoit deux instructions opposées et choisit souvent la plus permissive, donc la variante. La règle simple : l’URL déclarée dans le sitemap doit être celle qui porte la canonique. Aucune autre variante ne doit hériter d’un lien interne entrant.

Ça dépend toujours du volume, cela dit. Sur une petite boutique de cent références, les dégâts restent limités et une canonique générique suffit. Sur un catalogue de plusieurs milliers de fiches, chaque famille de paramètres mérite sa ligne dans la cartographie. Il faut y écrire le sort réservé à chacune, noir sur blanc. C’est un travail de documentation autant que de technique. Il se refait à chaque ajout de filtre.

Un ordinateur portable affichant une boutique en ligne sur son écran

Forcer, vérifier, corriger : la boucle de contrôle

Question récurrente : comment forcer Google à indexer un site ? La réponse honnête, c’est qu’on ne force rien, on facilite. Une URL propre, un sitemap qui ne déclare que les versions canoniques, des liens internes qui pointent vers une seule adresse par contenu. Le reste dépend du budget accordé au site, et ce budget se mérite en supprimant le bruit.

Pour vérifier l’indexation, la Search Console reste l’outil de départ : le rapport sur les pages indexées montre le nombre d’URL réellement retenues et aide à repérer les variantes qui se sont glissées dans l’index malgré la canonique. Une requête site: donne un ordre de grandeur, jamais un compte exact. Les deux se comparent dans le temps, après chaque modification de la cartographie.

Reste la question des causes : pourquoi une page peut ne pas être indexée ? Parce qu’elle est bloquée par robots.txt, parce qu’une canonique pointe ailleurs, parce que son contenu est jugé trop proche d’une autre URL, ou tout simplement parce que le robot n’a pas encore eu le temps d’y passer. Dans une boutique à paramètres, ces quatre raisons se ressemblent tellement qu’il faut les documenter. Sinon, on crie au bug pour rien.

Lecture d'une étiquette sur un petit colis dans un tunnel de tri postal

La carte avant le couteau

Bloquer tous les paramètres d’un coup est la solution la plus rapide à écrire et la plus coûteuse à réparer, parce qu’elle emporte avec elle des combinaisons qui méritaient d’être visitées. Une cartographie fonctionnelle prend une journée, se range dans un tableur et se relit à chaque évolution du catalogue. Elle dit quoi laisser vivre, quoi consolider par canonique, quoi exclure via robots.txt. Quelle famille de paramètres avez-vous laissée proliférer sans jamais la documenter ?

Laisser un commentaire