Pourquoi vos filtres fabriquent des milliers d'URL
Faisons le calcul sur une seule catégorie « chaussures » : cinq couleurs, huit pointures, quatre tranches de prix, trois options de tri. Si chaque filtre ajoute un paramètre et que tout se combine, on dépasse déjà le millier de variantes possibles. Ajoutez l'ordre des paramètres (pour Google, ?couleur=noir&taille=42 et ?taille=42&couleur=noir sont deux adresses différentes), la pagination de chaque variante, les utm_ qui traînent dans les liens internes : quelques centaines de produits suffisent à générer des dizaines de milliers d'URL.
Ces pages ne sont pas un problème en soi. Vos clients s'en servent. Le souci, c'est qu'elles sont reliées par des liens <a href> classiques, donc Googlebot les découvre et les suit, une par une. Il passe ses visites sur des listes presque identiques au lieu de vos fiches produits et de vos nouveautés. Sur un petit catalogue, c'est surtout du bruit. Sur un gros site, ça finit par ralentir l'exploration des pages qui comptent, et c'est précisément le cas où se pencher sur le budget de crawl et son optimisation devient rentable.
Second effet, plus visible : une partie de ces URL entre dans l'index. Titres dupliqués, contenu mince, et parfois une version filtrée que Google retient comme canonique à la place de votre catégorie principale. Je le vois en audit plus souvent qu'on ne le croit.
Mesurer l'ampleur avant de toucher au robots.txt
Ouvrez la Search Console, rapport Pages, et regardez les exemples d'URL dans les motifs « Explorée, actuellement non indexée », « Autre page avec balise canonique correcte » et « Page en double sans URL canonique sélectionnée par l'utilisateur ». Si la majorité contient un ?, vous avez votre coupable. Passez ensuite par Paramètres > Statistiques sur l'exploration pour voir quelles URL Googlebot demande réellement au quotidien.
Puis faites l'inventaire, à l'ancienne, dans un tableur. Un crawl complet du site (Screaming Frog ou équivalent) vous sort la liste des paramètres. Pour chacun, notez son rôle :
- filtre : couleur, marque, matière, pointure, prix ;
- tri et affichage : ordre, vue grille ou liste, nombre de produits par page ;
- pagination :
?page=2; - suivi :
utm_source,gclid, identifiants de session.
En général, la liste est plus courte qu'on ne le craint. C'est ce tableau qui va dicter toutes les règles suivantes.
Trier les facettes : lesquelles méritent une page indexée ?
Une seule question compte : est-ce que quelqu'un tape cette combinaison dans Google ? « Robe longue fleurie », oui, probablement. « Robe longue fleurie taille 38 moins de 50 euros triée par prix croissant », non. Vérifiez avec les suggestions de Google ou votre outil de mots-clés, et assurez-vous que la combinaison affiche assez de produits pour faire une vraie page.
Les gagnantes ne restent pas des URL à paramètres. Elles deviennent des sous-catégories statiques (/robes/longues-fleuries/), avec leur title, leur H1, quelques lignes de texte et un lien depuis le menu ou la catégorie parente. Si l'ancienne URL filtrée avait déjà du trafic, une 301 vers la nouvelle adresse récupère ses signaux.
Une combinaison mérite l'index quand quelqu'un la cherche ; toutes les autres sont des outils de navigation, pas des pages.
Robots.txt, noindex, canonical : le bon outil selon votre cas
Cas 1, les URL filtrées ne sont pas (ou peu) indexées. Le robots.txt est l'outil le plus efficace, et c'est d'ailleurs la première option que recommande Google dans sa documentation sur la navigation à facettes. Googlebot respecte les jokers *, ce qui permet de cibler les paramètres un par un :
User-agent: *
Disallow: /*?*tri=
Disallow: /*?*prix=
Disallow: /*?*taille=
Disallow: /*?*vue=Testez chaque règle sur une poignée d'URL réelles avant de la publier (l'outil d'inspection d'URL indique si une adresse est bloquée). Une étoile mal placée, et c'est une catégorie entière qui sort de l'exploration. Ça m'est arrivé une fois, je vérifie maintenant deux fois plutôt qu'une.
Cas 2, des milliers d'URL filtrées sont déjà indexées. Là, ne bloquez surtout pas tout de suite. Une page interdite par robots.txt n'est plus explorée, donc Google ne voit jamais le noindex que vous y avez posé, et l'URL peut rester dans l'index des mois durant (c'est le fameux statut « Indexée, bien que bloquée par le fichier robots.txt »). L'ordre est donc : <meta name="robots" content="noindex"> sur les pages filtrées, attente de la désindexation, puis blocage. J'ai détaillé ce raisonnement pour choisir entre noindex et robots.txt selon la situation.
La canonical, elle, vient en complément. Pointer une variante de tri vers la catégorie non triée aide à regrouper les signaux. Mais ce n'est qu'une indication, et Google doit explorer la page pour la lire : aucune économie de crawl à court terme. Google lui-même la juge moins efficace sur la durée que le blocage. Même chose pour le nofollow sur les liens de filtres : il ne fonctionne que si tous les liens vers l'URL le portent, ce qui est rarement le cas.
Trois réglages de développeur qui font gagner beaucoup :
- une combinaison sans résultat renvoie un vrai code 404, pas une page vide en 200 ;
- l'ordre des paramètres est toujours le même, quel que soit l'ordre de clic du visiteur ;
- sur une refonte, les filtres non indexables peuvent passer en fragment (
#couleur=noir) ou en JavaScript sans changement d'URL : Google ignore ce qui suit le dièse, le problème disparaît à la source.
Déjà des milliers d'URL dans l'index : l'ordre de nettoyage
Ne cherchez pas de raccourci dans la Search Console. L'ancien outil de gestion des paramètres d'URL a été retiré en 2022, et l'outil de suppression ne fait que masquer temporairement des résultats, il ne désindexe rien.
La séquence qui marche : créer les sous-catégories statiques pour les facettes utiles (avec 301 depuis les anciennes URL qui rankaient), poser le noindex sur tout le reste, retirer les URL à paramètres du sitemap XML, attendre que le compteur « Exclue par la balise noindex » grimpe, et seulement ensuite ajouter les règles robots.txt. C'est la même logique que pour remettre d'aplomb un site qui a trop de pages indexées, appliquée aux filtres.
Vérifier que ça a marché
Revenez aux statistiques d'exploration au bout de quelques semaines : la part de requêtes sur des URL à paramètres doit baisser, et celle sur vos fiches produits monter. Dans le rapport Pages, les URL filtrées doivent glisser vers « Exclue par la balise noindex », puis vers « Bloquée par le fichier robots.txt » une fois la règle en place.
Comptez plusieurs semaines, parfois quelques mois sur un gros catalogue : Google ne repasse pas sur chaque variante tous les jours. Si vous avez accès aux logs serveur, c'est le meilleur juge, ils montrent ce que Googlebot fait vraiment, sans échantillonnage. Et gardez un œil sur les nouvelles extensions de filtres : un module installé à la va-vite peut recréer le problème en une mise à jour.