L'essentiel, en trois lignes
Trois étapes s'enchaînent : Google découvre l'adresse, explore la page, puis décide de l'indexer ou non. Cette dernière étape est un jugement de valeur, pas une formalité : une page peut être lue et écartée. Quand cela arrive, aucun réglage technique ne changera rien, et c'est le contenu qu'il faut reprendre.
Les trois étapes, et où ça casse
| Étape | Ce qui se passe | Ce qui la bloque |
|---|---|---|
| 1. Découverte | Google apprend qu'une adresse existe, par un lien ou par votre sitemap | Une page orpheline qu'aucun lien ne mentionne |
| 2. Exploration | Un robot vient lire la page et récupérer son contenu | Un blocage dans le robots.txt, un serveur qui refuse les robots, une erreur technique |
| 3. Indexation | Google analyse, comprend et décide de retenir la page dans son catalogue | Une balise noindex, une canonique qui pointe ailleurs, ou un contenu jugé sans valeur suffisante |
La confusion la plus coûteuse porte sur la troisième étape. Beaucoup pensent qu'être exploré garantit d'être indexé. C'est faux, et cela explique la majorité des situations où quelqu'un me dit « Google est passé mais ma page n'apparaît pas ». Google est effectivement passé, il a lu, et il a décidé de ne pas retenir.
Le rendu, l'étape intermédiaire qui pose problème
Entre l'exploration et l'indexation s'intercale une étape que peu de gens connaissent : le rendu. Quand une page dépend du JavaScript pour afficher son contenu, Google doit l'exécuter, comme le ferait un navigateur, avant de pouvoir analyser quoi que ce soit.
Cette exécution coûte des ressources, ce qui a deux conséquences pratiques. D'abord, elle n'est pas immédiate : elle peut intervenir bien après la première visite. Ensuite, si elle échoue pour une raison quelconque, Google indexe une page pratiquement vide sans vous prévenir.
Le test qui tranche : affichez le code source d'une page et cherchez-y une phrase que vous voyez à l'écran. Si vous ne la trouvez pas, votre contenu dépend du JavaScript. Cela ne rend pas l'indexation impossible, mais elle devient plus lente et plus fragile. Et pour les robots des moteurs génératifs, qui ne rendent généralement pas les pages, ce contenu est purement invisible : sujet traité sur GEO.
Les motifs de non-indexation, décodés
Le rapport d'indexation de la Search Console donne le motif exact pour chaque page écartée. Ces intitulés sont mal compris, alors voici leur traduction.
| Intitulé | Traduction | Action |
|---|---|---|
| Explorée, actuellement non indexée | « J'ai lu, ça ne m'a pas convaincu » | Problème éditorial. Enrichir, fusionner, ou supprimer |
| Détectée, actuellement non indexée | « Je connais l'adresse, je ne suis pas encore venu » | Question de priorité : maillage interne et budget de crawl |
| Autre page avec balise canonique correcte | « Vous m'avez dit qu'une autre page fait référence » | Vérifier que la canonique est bien voulue |
| Doublon sans URL canonique sélectionnée | « J'ai trouvé plusieurs versions et j'ai choisi seul » | Déclarer explicitement votre version de référence |
| Bloquée par le fichier robots.txt | « Vous m'interdisez d'entrer » | Vérifier si c'est voulu ou hérité d'une préproduction |
| Exclue par la balise noindex | « Vous me demandez de ne pas indexer » | Souvent posé par un gabarit : vérifier sur plusieurs pages du même type |
| Introuvable, erreur 404 | « L'adresse ne répond plus » | Rediriger si la page avait de la valeur, sinon laisser en 404 |
La distinction qui fait gagner des semaines
« Explorée, non indexée » et « détectée, non indexée » se ressemblent et n'ont rien à voir. La première est un refus : Google est venu, a lu, et a jugé. Aucun sitemap, aucune demande d'indexation ne changera cela, il faut améliorer la page. La seconde est une file d'attente : Google n'est pas encore venu, et là le maillage interne et les liens externes accélèrent réellement les choses.
Des pages qui n'entrent pas dans l'index ?
Le motif exact est dans votre Search Console, et il se lit en quelques minutes. Encore faut-il distinguer un refus éditorial d'une file d'attente technique.
Je vous dis ce qu'il faut corriger, et dans quel ordre.
Quand Google juge une page insuffisante
C'est le motif le plus fréquent sur les sites que j'audite, et le plus mal vécu. Il n'y a pourtant rien de personnel : Google indexe des centaines de milliards de pages et n'a aucune raison d'en stocker une de plus si elle n'ajoute rien.
Les cas typiques :
- Des pages très courtes qui n'apportent aucune information qu'on ne trouve ailleurs, en mieux.
- Des variantes quasi identiques, comme des pages locales où seul le nom de la ville change. Voir contenu dupliqué.
- Des pages générées automatiquement par un filtre, un tri ou une recherche interne.
- Des pages de balises ou d'archives qui ne contiennent qu'une liste de liens.
- Du contenu recopié, notamment les descriptions de fournisseur sur un catalogue.
La bonne réaction n'est jamais d'insister techniquement. C'est de décider, page par page : cette page a-t-elle une raison d'exister ? Si oui, il faut l'améliorer sérieusement. Si non, mieux vaut la supprimer ou la fusionner : un site plus petit et plus dense se référence mieux qu'un site large et creux. Voir thin content.
Le budget de crawl, et quand il compte vraiment
Le budget de crawl désigne la quantité de ressources que Google consacre à explorer votre site. C'est un sujet dont on parle beaucoup trop pour les petits sites, et pas assez pour les gros.
| Taille du site | Le budget de crawl est-il un sujet ? |
|---|---|
| Moins de 1 000 pages | Non. Travaillez le contenu, vous gagnerez bien davantage |
| De 1 000 à 10 000 pages | À surveiller, surtout si des paramètres d'URL génèrent des variantes |
| Au-delà de 10 000 pages | Oui, c'est un chantier à part entière |
| Catalogue avec filtres | Oui, quelle que soit la taille : les combinaisons explosent vite |
Le mécanisme qui pose problème est toujours le même : des adresses générées automatiquement par les filtres, les tris et la pagination consomment l'exploration au détriment des pages qui comptent. Le cas est détaillé sur le référencement PrestaShop, où il est particulièrement aigu. Pour aller au fond du sujet, voir budget de crawl et l'analyse des logs, qui est la seule façon de savoir ce que Googlebot fait réellement chez vous.
Ce qui accélère réellement
Par ordre d'efficacité décroissante, d'après ce que j'observe.
- 1. Un lien depuis une page souvent explorée
Votre page d'accueil, une catégorie active, un article récent. C'est le levier le plus efficace et le plus négligé : les robots suivent les liens, encore faut-il leur en donner.
- 2. Un lien externe depuis un site actif
Particulièrement décisif pour un site neuf. Un seul lien de qualité suffit à amorcer la découverte, il est inutile d'en acheter cinquante.
- 3. La demande d'inspection dans la Search Console
Efficace pour signaler quelques pages importantes. C'est un signalement, pas un bouton d'indexation : une page sans valeur restera écartée quel que soit le nombre de demandes.
- 4. Un sitemap propre et déclaré
Utile surtout sur les gros sites et les pages profondes. Il ne doit contenir ni pages bloquées, ni pages redirigées, ni pages en noindex : les signaux contradictoires nuisent plus qu'ils n'aident.
- 5. Un site qui publie régulièrement
Un site vivant est exploré plus souvent qu'un site figé. C'est un effet lent, mais durable.
Faire retirer une page de l'index
La question se pose aussi souvent dans l'autre sens, et le choix de la méthode compte.
- Balise
noindex: la méthode propre. La page reste accessible aux visiteurs mais sort de l'index. C'est le bon choix pour des pages utiles aux humains et sans intérêt en recherche. - Ne pas utiliser le robots.txt pour cela. C'est l'erreur classique : une page bloquée n'est jamais explorée, donc Google ne lit jamais votre consigne de désindexation, et il peut malgré tout l'afficher s'il en découvre l'adresse ailleurs.
- Suppression avec code 410 : pour un contenu retiré définitivement. Plus explicite qu'une 404 et généralement traité plus vite.
- Outil de suppression temporaire : pour masquer une page en urgence, le temps de mettre en place la solution durable. Ce n'est qu'un pansement de quelques mois.