Traiter habilement le contenu dupliqué

Lundi 18 décembre 2006

Lors de la récente conférence Search Engine Strategies dans un Chicago glacial, beaucoup d’entre nous chez Google se sont vu poser des questions sur le contenu dupliqué. Nous reconnaissons qu’il existe de nombreuses nuances et un certain degré de confusion sur ce sujet, c’est pourquoi nous souhaitons aider à rétablir la vérité.

Qu’est-ce que le contenu dupliqué ?

Le contenu dupliqué fait généralement référence à des blocs substantiels de contenu au sein ou entre des domaines qui correspondent soit complètement à un autre contenu, soit sont sensiblement similaires. La plupart du temps, lorsque nous voyons cela, c’est involontaire ou du moins non malveillant dans son origine : des forums qui génèrent à la fois des pages régulières et épurées adaptées aux mobiles, des articles de magasin affichés (et pire encore, liés) via plusieurs URL distinctes, et ainsi de suite. Dans certains cas, le contenu est dupliqué sur plusieurs domaines dans le but de manipuler les classements des moteurs de recherche ou d’obtenir plus de trafic via des requêtes populaires ou de longue traîne.

Qu’est-ce qui n’est pas du contenu dupliqué ?

Bien que nous proposions
un outil de traduction pratique, nos algos ne considéreront pas le même article rédigé en anglais et en espagnol comme du contenu dupliqué. De même, vous ne devez pas vous inquiéter si des extraits occasionnels (citations et autres) sont signalés comme du contenu dupliqué.

Pourquoi Google se soucie-t-il du contenu dupliqué ?

Nos utilisateurs souhaitent généralement voir un échantillon diversifié de contenu unique lorsqu’ils effectuent des recherches. En revanche, ils sont compréhensiblement ennuyés lorsqu’ils voient sensiblement le même contenu dans un ensemble de résultats de recherche. De plus, les webmasters deviennent tristes lorsque nous affichons une URL complexe (example.com/contentredir?value=shorty-george〈=en) au lieu de la jolie URL qu’ils préfèrent (example.com/en/shorty-george).

Que fait Google à ce sujet ?

Lors de notre exploration et lors de la diffusion des résultats de recherche, nous faisons de notre mieux pour indexer et afficher des pages avec des informations distinctes. Ce filtrage signifie, par exemple, que si votre site propose des articles en versions “régulière” et “pour imprimante” et qu’aucun des deux ensembles n’est bloqué dans robots.txt ou via une balise meta noindex, nous choisirons une version à répertorier. Dans les rares cas où nous percevons que du contenu dupliqué peut être affiché dans l’intention de manipuler nos classements et de tromper nos utilisateurs, nous ferons également les ajustements appropriés dans l’indexation et le classement des sites concernés. Cependant, nous préférons nous concentrer sur le filtrage plutôt que sur les ajustements de classement… donc dans la grande majorité des cas, le pire qui puisse arriver aux webmasters est de voir la version “la moins désirée” d’une page affichée dans notre index.

Comment les webmasters peuvent-ils aborder de manière proactive les problèmes de contenu dupliqué ?

• Bloquez de manière appropriée : Plutôt que de laisser nos algorithmes déterminer la “meilleure” version d’un document, vous souhaiterez peut-être nous aider à vous guider vers votre version préférée. Par exemple, si vous ne souhaitez pas que nous indexions les versions pour imprimante des articles de votre site, interdisez ces répertoires ou utilisez des expressions régulières dans votre fichier robots.txt.
• Utilisez 301 des redirections : Si vous avez restructuré votre site,
  utilisez 301 des redirections
  (RedirectPermanent) dans votre .htaccess fichier pour rediriger intelligemment les utilisateurs, le Googlebot et les autres robots d’indexation.
• Soyez cohérent : Efforcez-vous de maintenir votre maillage interne cohérent ; ne faites pas de liens vers
  /page/ et /page et /page/index.htm.
• Utilisez les TLD : Pour nous aider à diffuser la version la plus appropriée d’un document, utilisez des domaines de premier niveau chaque fois que possible pour gérer le contenu spécifique à un pays. Nous sommes plus susceptibles de savoir que
  .de indique un contenu axé sur l’Allemagne, par exemple, que /de ou
  de.example.com.
• Syndiquez avec précaution : Si vous syndiquez votre contenu sur d’autres sites, assurez-vous qu’ils incluent un lien de retour vers l’article original sur chaque article syndiqué. Même avec cela, notez que nous afficherons toujours la version (non bloquée) que nous jugeons la plus appropriée pour les utilisateurs dans chaque recherche donnée, qui peut ou non être la version que vous préféreriez.
• Utilisez la fonctionnalité de domaine préféré de Webmaster Tools : Si d’autres sites font un lien vers le vôtre en utilisant à la fois la version www et non-www de vos URL, vous pouvez nous faire savoir de quelle manière vous préférez que votre site soit indexé.
• Minimisez la répétition de boilerplate : Par exemple, au lieu d’inclure un long texte de copyright au bas de chaque page, incluez un résumé très bref puis faites un lien vers une page avec plus de détails.
• Évitez de publier des stubs : Les utilisateurs n’aiment pas voir des pages “vides”, évitez donc les espaces réservés dans la mesure du possible. Cela signifie qu’il ne faut pas publier (ou du moins bloquer) des pages avec zéro avis, aucune annonce immobilière, etc., afin que les utilisateurs (et les robots) ne soient pas soumis à une myriade d’instances de “Vous trouverez ci-dessous une superbe liste de toutes les superbes opportunités de location à [insérer le nom de la ville]…” sans aucune annonce réelle.
• Comprenez votre CMS : Assurez-vous de bien connaître la manière dont le contenu est affiché sur votre site Web, en particulier s’il comprend un blog, un forum ou un système connexe qui affiche souvent le même contenu dans plusieurs formats.
• Ne vous inquiétez pas, soyez heureux : Ne vous tracassez pas trop des sites qui font du scraping (s’approprient et republient) de votre contenu. Bien que ce soit ennuyeux, il est hautement improbable que de tels sites puissent avoir un impact négatif sur la présence de votre site dans Google. Si vous remarquez un cas particulièrement frustrant,
  demande DMCA
  vous êtes invités à en soumettre une pour revendiquer la propriété du contenu et nous faire gérer le site malveillant.

En bref, une sensibilisation générale aux problèmes de contenu dupliqué et quelques minutes de maintenance préventive réfléchie devraient vous aider à nous aider à fournir aux utilisateurs un contenu unique et pertinent.