Paramètre de tri dans l'URL : canonique, robots.txt ou rien ?

Une liste de produits proposant quatre critères de tri et deux ordres génère huit adresses pour un contenu identique, multipliées par le nombre de pages de pagination et par le nombre de catégories. Sur un catalogue moyen, cela représente rapidement plusieurs dizaines de milliers d'adresses supplémentaires, toutes explorées, toutes évaluées, aucune utile. La question de savoir quoi faire des paramètres de tri dans les URL revient dans tous les audits, avec trois réponses possibles qui ne règlent pas le même problème : la canonique traite la duplication, le fichier réservé aux robots traite l'exploration, et ne rien faire reste parfois la décision la plus raisonnable. Encore faut il savoir ce que chacune fait réellement.

Ce que produit réellement un paramètre de tri

Avant de choisir un traitement, il faut mesurer l'ampleur du phénomène sur son propre site, qui varie énormément d'une configuration à l'autre. Les journaux du serveur donnent la réponse la plus fiable, comme nous l'expliquons dans notre article sur l'analyse de logs en SEO.

Une adresse distincte par combinaison

Pour un moteur, deux adresses différant d'un seul caractère sont deux ressources distinctes qu'il faut explorer, évaluer et éventuellement indexer. L'ordre des paramètres compte également : la même liste demandée avec les paramètres dans un ordre différent produit encore une autre adresse. La combinatoire explose donc très vite, et le nombre d'adresses réellement explorables dépasse souvent de plusieurs ordres de grandeur le nombre de pages que le site croit publier. Un outil d'exploration lancé sur le site donne immédiatement l'ampleur du phénomène, et le chiffre obtenu surprend presque toujours les équipes qui découvrent ce qu'elles publient réellement.

Un contenu identique ou presque

Une liste triée différemment contient exactement les mêmes éléments dans un autre ordre, sauf sur la première page de pagination où les éléments affichés diffèrent réellement. Cette nuance est importante : la duplication est totale sur une liste courte tenant en une page, et partielle dès que la pagination entre en jeu. Les moteurs traitent assez bien ces situations et finissent par ne retenir qu'une version, mais ils y consacrent des ressources qui ne servent à rien. Le risque n'est donc pas tant de voir des variantes indexées à la place de la version principale que de gaspiller un budget d'exploration limité sur des pages sans valeur.

Le coût sur l'exploration

Le budget que le moteur consacre au site est fini, et chaque requête passée sur une variante de tri est une requête qui n'a pas servi à découvrir un contenu nouveau. Sur un site publiant régulièrement, ce coût se traduit par un délai d'indexation allongé, effet indirect et difficile à attribuer. C'est le vrai problème posé par ces adresses, bien plus que la duplication elle même, que les moteurs savent globalement gérer. Sur un site publiant plusieurs contenus par semaine, un allongement du délai d'indexation de quelques jours a un effet commercial concret, notamment sur les contenus d'actualité.

Le coût sur le serveur

Ces pages ne sont jamais servies depuis un cache, précisément parce qu'aucun visiteur humain ne demande deux fois la même combinaison. Chaque requête déclenche donc une génération complète, souvent une requête de base coûteuse avec un tri sur une colonne non indexée. Sur les sites où l'exploration est intensive, cette charge devient mesurable et se traduit par un ralentissement général qui touche aussi les visiteurs réels. Il n'est pas rare que la moitié de la charge d'une base de données provienne de requêtes de tri déclenchées par des robots sur des combinaisons que personne ne consulte.

Les paramètres qui ne sont pas du tri

Il faut distinguer soigneusement les paramètres qui réorganisent un contenu identique de ceux qui le filtrent réellement. Un filtre par marque ou par catégorie produit une page au contenu différent, susceptible de répondre à une intention de recherche propre, et il ne relève pas du même traitement. Confondre les deux familles conduit soit à bloquer des pages qui auraient pu apporter du trafic, soit à laisser explorer des variantes sans valeur, deux erreurs symétriques et également coûteuses. Le critère de distinction est simple : si la page obtenue contient un ensemble d'éléments différent, il s'agit d'un filtre ; si elle contient les mêmes éléments dans un autre ordre, il s'agit d'un tri.

Les trois options et ce qu'elles font

Chacune de ces solutions agit à un endroit différent de la chaîne, et confondre leurs effets est la cause de la plupart des configurations bancales que nous rencontrons.

La canonique

Déclarer une canonique depuis chaque variante de tri vers l'adresse sans paramètre indique au moteur quelle version retenir et consolide les signaux. C'est la solution la plus propre sur le plan de l'indexation : une seule version apparaît dans les résultats, et la valeur accumulée par les liens pointant vers des variantes revient à la version principale. Son fonctionnement général est décrit dans notre article sur la balise rel=canonical comme solution anti-duplication.

Ce que la canonique ne fait pas

Elle n'empêche pas l'exploration. Le moteur doit charger la page pour lire la déclaration, ce qui suppose exactement la requête que l'on cherchait à éviter. La canonique règle donc le problème d'indexation sans toucher au problème de budget d'exploration, distinction cruciale et pourtant systématiquement ignorée. Sur un site où le vrai coût est l'exploration, elle n'apporte à peu près rien. Elle a même un léger effet pervers, en donnant le sentiment que le problème est traité alors que les requêtes continuent d'arriver au même rythme.

Le blocage par le fichier réservé aux robots

Interdire l'exploration des adresses contenant un paramètre donné supprime les requêtes, ce qui traite directement le coût d'exploration et la charge serveur. C'est l'outil approprié quand le volume d'adresses générées est important, et il agit immédiatement. Les moteurs relisent ce fichier fréquemment, et la réduction du nombre de requêtes se constate en général dans les jours qui suivent la modification. Sa syntaxe et ses pièges sont détaillés dans notre article sur la manière de tenir un fichier robots.txt sur un site volumineux.

Ce que le blocage ne fait pas

Une adresse bloquée à l'exploration peut rester dans l'index si elle est liée depuis l'extérieur, et elle y figure alors sans description, ce qui est le pire résultat possible. Le blocage empêche également la lecture de toute canonique ou directive placée sur la page, ce qui rend les deux solutions incompatibles : bloquer une adresse portant une canonique revient à annuler cette canonique. Ce point est la source d'erreur la plus répandue sur ce sujet. Il explique la plupart des situations où un site présente à la fois une configuration soignée et des résultats incompréhensibles dans les rapports de couverture.

Ne rien faire

Sur un site de taille modeste, dont les listes tiennent en une ou deux pages et dont le nombre de combinaisons reste faible, ne rien faire est une décision parfaitement défendable. Les moteurs gèrent correctement les paramètres courants, ils apprennent à les ignorer, et le coût réel reste négligeable. Ajouter une configuration à maintenir pour un gain nul relève de l'optimisation superstitieuse, dont les sites de contenu sont largement pourvus. Le temps ainsi épargné se réinvestit bien plus utilement dans la production de contenu ou dans l'amélioration des pages qui reçoivent réellement du trafic.

La solution structurelle

La meilleure réponse, quand elle est possible, consiste à ne pas générer d'adresse du tout : le changement de tri s'effectue sans modifier l'adresse, par un mécanisme côté navigateur. Le problème disparaît alors entièrement, sans configuration ni maintenance. Cette approche a un inconvénient réel, l'impossibilité de partager un lien vers une liste triée, contrainte souvent parfaitement acceptable sur une boutique et gênante sur un outil de recherche avancée. Une variante consiste à conserver l'adresse propre tout en mémorisant la préférence de tri du visiteur, ce qui préserve le confort d'usage sans créer d'adresse supplémentaire.

Choisir selon le contexte

La décision se prend à partir de deux chiffres, faciles à obtenir, et d'une question éditoriale. Sans ces éléments, on applique une recette lue quelque part qui ne correspond pas forcément à la situation.

Mesurer le volume exploré

Les journaux du serveur indiquent combien de requêtes de robots portent sur des adresses contenant le paramètre concerné, et quelle proportion cela représente du total. En dessous de cinq pour cent, le sujet ne mérite pas d'intervention. Au delà de vingt pour cent, il devient prioritaire. Cette mesure prend dix minutes et remplace avantageusement une discussion de principe entre deux positions également argumentées et également peu informées.

Mesurer ce qui est indexé

Une interrogation du moteur restreinte au domaine et au paramètre montre si des variantes figurent effectivement dans l'index. Souvent, la réponse est négative : le moteur a déjà fait le tri de lui même, et le problème d'indexation n'existe que sur le papier. Ce constat oriente immédiatement vers un traitement du seul coût d'exploration, et évite de déployer une solution qui règle un problème inexistant. Le même contrôle mérite d'être refait quelques mois plus tard, la situation évoluant avec la taille du catalogue.

La question de la valeur de recherche

Existe t il des personnes cherchant une liste triée d'une façon particulière. Pour un tri par prix croissant sur certains catalogues, la réponse est parfois oui, et cette page mérite alors d'exister comme une véritable page, avec un titre propre et un contenu. Pour un tri par date de publication sur un blog, la réponse est non dans tous les cas. Cette question tranche définitivement le sort du paramètre. Y répondre suppose de regarder les requêtes réelles dans les outils de suivi plutôt que de spéculer sur ce que les visiteurs pourraient chercher.

Le cas de la pagination

Les paramètres de pagination ne sont pas des paramètres de tri et ne doivent pas subir le même traitement. Chaque page de pagination contient un contenu différent et doit rester explorable, sous peine de rendre inaccessibles les éléments situés au delà de la première page. Canoniser toute la pagination vers la première page est une erreur classique qui prive de découverte une partie du catalogue, parfois la majorité sur un site à listes longues. La bonne configuration consiste à laisser chaque page de pagination porter sa propre canonique vers elle même, et à s'assurer que les liens de navigation entre pages sont bien de vrais liens explorables.

Le cas des paramètres de campagne

Les paramètres de suivi ajoutés aux liens de campagne créent également des adresses distinctes et méritent une canonique vers l'adresse propre. Ils sont en général traités correctement par les moteurs, mais ils polluent les rapports et se retrouvent parfois indexés lorsqu'un partenaire les diffuse largement. Une canonique systématique sur toutes les pages, pointant vers l'adresse sans paramètre de suivi, règle ce point sans effort. Elle évite en outre les doublons dans les rapports d'audience lorsque plusieurs versions d'une même page se retrouvent comptées séparément.

Le cas des identifiants de session

Les identifiants de session dans les adresses appartiennent au passé et ne devraient plus exister, mais on en rencontre encore sur des applications anciennes. Ils produisent une adresse unique par visiteur, donc une explosion combinatoire totale, et ils constituent le seul cas où un blocage d'exploration s'impose de façon urgente et sans discussion. La vraie correction consiste évidemment à supprimer le mécanisme. Tant qu'elle n'est pas faite, le blocage limite les dégâts sans les supprimer, les adresses déjà découvertes restant susceptibles d'apparaître dans l'index.

Mettre en place et vérifier

La mise en œuvre est rapide, la vérification demande un peu de méthode, et l'erreur la plus fréquente consiste à combiner deux solutions incompatibles.

Ne jamais cumuler blocage et canonique

Une adresse bloquée à l'exploration ne sera pas lue, donc sa canonique ne sera jamais vue. Cumuler les deux traitements donne un site où la configuration paraît irréprochable et où les adresses restent dans l'index sans description. Il faut choisir : soit on canonise et on laisse explorer, soit on bloque et on accepte de ne pas consolider. Cette exclusivité est la règle la plus importante de tout le sujet. Elle vaut d'ailleurs pour toutes les directives placées dans une page, et pas seulement pour la canonique.

Retirer les liens internes vers les variantes

Quelle que soit la solution retenue, les liens internes pointant vers les variantes de tri doivent porter une indication de non suivi, ou mieux, ne pas être des liens du tout. Un moteur découvre ces adresses parce que le site les lui présente, et supprimer la source du problème est plus efficace que de traiter ses conséquences. Cette modification se fait dans le gabarit et prend quelques minutes. Elle a en outre l'avantage d'agir immédiatement, sans attendre que les moteurs relisent une configuration.

Normaliser l'ordre des paramètres

Lorsque plusieurs paramètres coexistent, imposer un ordre fixe et rediriger les adresses dans un autre ordre vers la forme normalisée divise la combinatoire de façon spectaculaire. Cette normalisation, souvent oubliée, est une des interventions au meilleur rapport entre effort et effet, et elle bénéficie également au cache, qui cesse de conserver plusieurs entrées pour un même contenu. La normalisation se fait par une redirection permanente vers la forme canonique de l'adresse, ce qui la rend visible et vérifiable.

Vérifier le fichier réservé aux robots

Une directive mal écrite peut bloquer bien plus que prévu, jusqu'à l'ensemble du site dans les cas extrêmes. Le fichier doit être testé avec l'outil proposé dans les interfaces pour webmasters, sur plusieurs adresses représentatives, avant et après modification. Ce test prend deux minutes et évite l'incident le plus coûteux du référencement technique, dont la détection prend parfois plusieurs semaines.

Suivre l'effet dans les rapports

Après intervention, le volume d'exploration consacré aux adresses paramétrées doit diminuer, et le délai de découverte des contenus nouveaux s'améliorer. Ces deux indicateurs se lisent dans les statistiques d'exploration et dans les journaux. Un délai de plusieurs semaines est normal avant de constater un effet, les moteurs ne réévaluant pas instantanément leurs habitudes de parcours sur un site.

Documenter la décision

La raison du choix effectué doit être écrite quelque part, avec les chiffres qui l'ont motivé. Sans cette note, la question sera reposée dans deux ans par une autre personne qui appliquera une autre recette, souvent contradictoire, et le site accumulera des configurations superposées dont plus personne ne comprend l'intention. Trois lignes suffisent, et elles économisent une demi journée à chaque réexamen. Ces trois lignes indiquent le paramètre concerné, le traitement retenu et la raison du choix, ce qui suffit à éviter qu'un intervenant ultérieur n'ajoute une règle contradictoire.