Contenu dupliqué : comparer les titres ne suffit pas

Vous avez déjà un article sur un sujet, vous voulez en publier un second qui s’en approche, et la question tombe : est-ce que les deux vont se gêner dans Google ?

Le réflexe le plus répandu consiste à comparer les titres. C’est rapide, ça paraît raisonnable, et c’est faux dans les deux sens : nous l’avons mesuré ce mois-ci sur les domaines que nous exploitons, avec des chiffres qui vont à l’encontre de l’intuition. Un contrôle qui ne lisait que les titres a bloqué trois articles parfaitement légitimes, puis a laissé passer une paire réellement redondante à 18,6 %.

Voici les deux cas, la méthode de mesure, et ce qu’il faut faire quand le chiffre dépasse le seuil.

Ce que Google appelle vraiment un doublon

Le vrai risque porte un nom : la cannibalisation. Deux pages du même site répondent à la même intention de recherche, Google ne sait pas laquelle proposer, et il finit par en afficher une moins bien classée que ne l’aurait été une page unique. Personne n’est pénalisé au sens strict — les deux pages se partagent simplement une visibilité qu’une seule aurait mieux captée.

La nuance qui change tout : la cannibalisation se joue sur l’intention, pas sur le vocabulaire. Deux pages peuvent partager 80 % de leur champ lexical et répondre à deux questions différentes. Deux pages peuvent avoir des titres opposés et raconter la même chose.

Comparer des titres, c’est mesurer le vocabulaire. C’est précisément le mauvais indicateur.

Cas 1 : trois articles bloqués à tort

Sur l’un des domaines que nous exploitons, nous avons une série de quatre guides déclinés par objectif chiffré : même discipline, même format, mais un objectif différent à chaque fois.

Nos publications passent par un contrôle automatique avant mise en ligne. Ce contrôle a bloqué trois des quatre guides pour cause de doublon avec le quatrième. Le motif était mécanique : les titres d’une série déclinée par objectif partagent forcément trois mots forts. Le contrôle n’avait jamais lu le texte.

Nous avons mesuré le recouvrement réel de phrases entre les quatre :

Paire	Phrases identiques
Guide 1 vs guide 2	3,3 %
Guide 1 vs guide 3	1,1 %
Guide 1 vs guide 4	2,1 %
Guide 2 vs guide 3	3,4 %
Guide 2 vs guide 4	2,2 %
Guide 3 vs guide 4	6,9 %

De 1,1 % à 6,9 %. Ce ne sont pas des doublons : chacun a sa section propre, ses exemples propres, et surtout il répond à une question que les trois autres ne traitent pas. Un lecteur qui cherche l’objectif n° 2 n’est pas servi par le guide n° 4.

Coût du malentendu : trois articles prêts, immobilisés cinq jours, sur la foi d’une comparaison de titres.

Cas 2 : deux articles redondants passés inaperçus

Le même mois, sur le même domaine, deux comparatifs opposant des marques concurrentes ont été rédigés. Leurs titres n’ont aucun mot fort en commun au-delà du terme générique du secteur : aucun contrôle par titre ne pouvait les rapprocher. Ils sont passés.

Mesure faite après coup, sur le texte publié :

• comparatif A vs comparatif B : 18,6 % de phrases identiques (11 phrases mot pour mot) ;
• les mêmes comparatifs face aux trois autres du site : entre 2,1 % et 13,5 %.

L’explication est évidente une fois qu’on la voit : les deux comparatifs opposent une marque commune à deux concurrents différents. Toute la partie consacrée à cette marque commune — son histoire, ses technologies, ses modèles phares — a été écrite deux fois, presque à l’identique. S’y ajoute une check-list générique reprise telle quelle, et surtout une question de FAQ formulée mot pour mot dans les deux articles.

C’est ce dernier point qui fait le plus de dégâts : deux pages du même site qui proposent une réponse identique à une question identique, c’est la définition même de la cannibalisation.

Le second des deux articles n’était pas encore en ligne au moment de la mesure. Le défaut est donc réparable avant publication, ce qui est la seule bonne nouvelle de l’histoire — et la raison d’être de la vérification.

La mesure : le recouvrement de phrases

La méthode tient en trois opérations, et ne demande aucun outil payant.

1. Extraire le texte seul. On retire le code, les menus, les pieds de page. Il ne doit rester que ce qu’un lecteur lit.

2. Découper en phrases et ignorer les courtes. On coupe à la ponctuation forte et on écarte les fragments de moins de quarante caractères. Sans ce filtre, des morceaux comme « Voir le détail » ou « En conclusion » comptent comme des phrases communes et gonflent artificiellement le résultat.

3. Compter les phrases identiques, rapportées à l’article le plus court des deux. Rapporter au plus court est important : un article de 400 mots entièrement recopié dans un article de 2 000 mots doit ressortir à 100 %, pas à 20 %.

Le seuil que nous utilisons est 15 %. En dessous, deux articles proches sont deux articles distincts qui partagent un vocabulaire de métier. Au-dessus, il y a un bloc entier écrit deux fois, et il faut aller le regarder.

Ce seuil n’est pas une règle universelle édictée par Google — c’est un repère de travail, calibré sur nos propres contenus. Ce qui compte n’est pas le chiffre exact, mais le fait de mesurer le texte au lieu de deviner à partir des titres.

Une précision honnête sur la limite de la méthode : elle attrape le copier-coller, pas la reformulation. Deux articles qui disent la même chose avec des mots différents ressortiront à 0 % et se cannibaliseront quand même. C’est pourquoi la mesure ne remplace pas la question de fond — à quelle question distincte cette page répond-elle ? — elle la déclenche.

Que faire au-dessus du seuil

Le réflexe habituel est de fusionner les deux articles en un seul. C’est souvent une erreur : on détruit une page qui répond à une intention réelle pour régler un problème qui tient à trois paragraphes.

Dans l’ordre :

1. Regarder quelles phrases sont communes. La mesure donne la liste. Dans notre cas 2, les onze phrases se concentraient sur un seul bloc — la marque partagée — plus une check-list générique et une FAQ. Rien qui touche au cœur de chaque comparatif.

2. Réécrire le bloc commun, pas l’article. Le même sujet traité sous deux angles différents ne produit pas les mêmes phrases. Si la marque X est comparée à Y, ce qui compte est ce qui la distingue de Y — pas une fiche d’identité recopiable.

3. Ne jamais dupliquer une question de FAQ. Une question ne doit exister qu’à un seul endroit du site. Ailleurs, on y renvoie par un lien.

4. Fusionner seulement si les deux pages répondent à la même question. C’est le cas quand vous ne savez pas dire, en une phrase, à qui s’adresse l’une plutôt que l’autre.

5. Relier les pages entre elles. Une série d’articles proches n’est un problème que si chaque page est isolée. Reliées, elles forment un ensemble cohérent et se renforcent. C’est le même travail de maillage interne que celui qui décide de la visibilité d’un site : une page sans lien entrant depuis le reste du site part avec un handicap, quel que soit son contenu.

Les trois vérifications avant de publier

Elles s’appliquent à n’importe quel site professionnel, y compris sans compétence technique.

1. Cherchez d’abord chez vous. Dans Google, tapez site:votredomaine.fr suivi du sujet de votre futur article. Vous verrez immédiatement les pages qui traitent déjà la question. C’est gratuit et ça prend trente secondes.

2. Formulez la question distincte. En une phrase : « cette page répond à … , l’autre répond à … ». Si vous n’y arrivez pas, vous n’avez pas deux articles, vous en avez un.

3. Contrôlez le recouvrement quand les deux sujets se touchent. Sur un site à faible volume de publication, une lecture attentive suffit. Dès qu’une série se décline — par ville, par prestation, par gamme de prix — la mesure devient nécessaire, parce que c’est exactement là que les blocs se recopient sans qu’on s’en aperçoive.

Le cas des pages par ville mérite un avertissement particulier. Une entreprise de service qui décline « prestation + ville » sur quinze communes produit presque toujours quinze pages identiques à l’adresse près. C’est le scénario de duplication le plus fréquent que nous rencontrons, et il ne se règle pas en changeant le titre : il faut que chaque page contienne quelque chose de local que les quatorze autres ne peuvent pas contenir.

Ce que nous retenons de ces deux cas : un contrôle automatique qui ne lit pas le texte fabrique des refus et laisse passer des vrais défauts. Nous avons corrigé le nôtre pour qu’il aille lire les pages en ligne et mesure le recouvrement réel — les trois guides bloqués sont repassés au vert, et l’article déjà publié qui sert de référence est, lui, resté bloqué. Un garde-fou ne s’assouplit pas parce qu’il gêne ; il se corrige quand on a prouvé qu’il mesurait la mauvaise chose.

Nous concevons et exploitons des sites pour des activités de service, et nous appliquons à nos propres domaines les contrôles que nous mettons en place chez nos clients — y compris quand ils nous donnent tort. Vous pouvez voir comment nous avons construit le site d’une entreprise de nettoyage, lire pourquoi la position moyenne de Search Console trompe si souvent, vérifier que votre formulaire de contact ne perd pas de demandes, ou nous exposer votre situation.