L'indexation web est le processus par lequel les moteurs de recherche — Google, Bing, autres — découvrent, analysent et stockent le contenu des pages d'un site web dans leur base de données (l'index). Seules les pages indexées peuvent apparaître dans les résultats de recherche.
Le processus complet a trois phases :
Que Google explore votre page ne garantit pas qu'il l'indexe. Le processus de sélection de quelles pages entrent dans l'index dépend de facteurs de qualité, de signaux techniques et de la pertinence perçue du contenu.
Pour une entreprise en ligne, l'indexation est le prérequis de toute stratégie SEO. Vous ne pouvez pas positionner une page que Google n'a pas indexée. C'est pourquoi comprendre et contrôler ce qui est indexé est une base indispensable.
Le crawler principal de Google s'appelle Googlebot. Il fonctionne en continu, visitant des pages déjà connues pour détecter des changements et découvrant de nouvelles pages via les liens qu'il trouve dans les pages qu'il connaît déjà.
Google découvre de nouvelles pages principalement de trois façons :
Google attribue à chaque site un budget d'exploration (crawl budget) : le nombre d'URLs que Googlebot visitera sur une période donnée. Pour les grands sites, c'est pertinent : si vous avez 50 000 pages mais que le crawl budget est de 5 000 pages/jour, certaines pages ne seront pas visitées fréquemment par Googlebot.
Le crawl budget s'optimise en supprimant les pages de mauvaise qualité, en évitant les URLs dupliquées et en structurant correctement l'architecture de liens internes.
L'index de Google n'est pas une copie exacte du web. C'est une base de données structurée qui stocke des signaux sur chaque page : contenu, mots-clés, structure, autorité, vitesse, expérience utilisateur, signaux de liens. Quand quelqu'un fait une recherche, Google n'explore pas le web en temps réel : il consulte son index et ordonne les résultats par pertinence.
C'est le problème le plus fréquent : des pages qui devraient être dans l'index mais ne le sont pas. Les causes les plus courantes sont :
<meta name="robots" content="noindex"> dans le HTML ou dans l'en-tête HTTP empêche l'indexation. Parfois appliqué par erreur en production après une migration ou un déploiement.Le contenu dupliqué est l'une des causes les plus courantes de problèmes d'indexation. Google essaie de ne pas indexer la même information deux fois, donc quand il détecte un contenu dupliqué ou très similaire entre plusieurs URLs, il en sélectionne une comme canonique et peut cesser d'indexer les autres.
Les sources habituelles de doublons sont :
/page vs /page/)www?sort=price, ?color=rouge)La solution est d'implémenter des balises canonical (<link rel="canonical" href="URL-préférée">) qui indiquent à Google quelle version indexer.
C'est plus fréquent qu'il n'y paraît. Un environnement de staging avec noindex global peut être déployé en production par erreur. Une migration peut transférer des balises noindex de la version précédente. Un plugin SEO mal configuré peut appliquer noindex à des catégories entières.
La vérification périodique que les pages importantes sont indexées est une pratique de maintenance technique de base.
Si la balise canonical pointe correctement vers elle-même, il n'y a pas de problème. Mais si elle pointe vers une URL erronée, s'il y a des chaînes de canonicals qui se contredisent, ou si le canonical et le sitemap pointent vers des URLs différentes, Google peut se confondre et prendre des décisions d'indexation imprévisibles.
Si votre serveur répond lentement aux requêtes de Googlebot, le crawl budget se consomme plus rapidement et moins de pages sont explorées. Un serveur lent peut être la cause pour laquelle de nouvelles pages mettent des semaines à s'indexer.
Google Search Console (GSC) est l'outil gratuit de Google pour surveiller et gérer la présence de votre site dans les résultats de recherche. C'est la source de données la plus directe pour vérifier l'état d'indexation.
Dans GSC > Indexation > Pages, vous trouverez un résumé de :
Les raisons les plus courantes qui apparaissent dans le rapport des non indexées :
| Raison dans GSC | Signification |
|---|---|
| Exclue par la balise "noindex" | La page a un meta noindex actif |
| Page alternative avec balise canonique correcte | Google a choisi la version canonique de cette URL |
| Non explorée (découverte mais pas encore explorée) | Elle est en file d'attente, pas encore visitée |
| Explorée mais non indexée actuellement | Google l'a vue mais a décidé de ne pas l'indexer pour raison de qualité |
| Redirigée | L'URL redirige vers une autre |
| Erreur 404 (non trouvée) | L'URL n'existe pas |
L'outil d'Inspection d'URL dans GSC permet de vérifier l'état exact de n'importe quelle URL spécifique : si elle est indexée, quand elle a été explorée pour la dernière fois, quelle version Google a rendue, et s'il y a des problèmes techniques.
Il permet aussi de demander l'exploration immédiate d'une URL, utile quand vous publiez un nouveau contenu et voulez que Google l'indexe rapidement.
Un sitemap XML est un fichier qui liste les URLs de votre site que vous voulez que Google connaisse et explore. Le soumettre dans GSC est une bonne pratique, surtout pour les sites avec de nombreuses pages ou une architecture complexe.
Le sitemap doit inclure uniquement les URLs que vous voulez indexer : excluez les pages d'erreur, avec noindex, les doublons ou les pages de mauvaise qualité. Un sitemap qui inclut des URLs problématiques ne nuit pas directement à l'indexation, mais envoie des signaux confus.
Le fichier robots.txt vit à la racine du domaine (votredomaine.com/robots.txt) et contient des instructions pour les crawlers sur les chemins à ne pas explorer.
Ce que robots.txt peut faire :
Ce que robots.txt NE peut PAS faire :
Une erreur habituelle est de bloquer dans robots.txt des chemins qui contiennent des ressources (CSS, JS) dont Google a besoin pour rendre correctement les pages. Bloquer l'accès aux ressources de design peut faire que Google voie une version cassée de la page.
Une révision mensuelle du rapport des pages non indexées permet de détecter les nouveaux problèmes avant qu'ils s'accumulent. Portez une attention particulière aux chutes soudaines du nombre de pages indexées, qui peuvent indiquer une erreur technique.
Le sitemap doit se générer automatiquement et se mettre à jour quand vous publiez ou supprimez du contenu. Des outils comme Next.js, Yoast (WordPress) ou Screaming Frog peuvent le générer. Après tout changement structurel important, vérifiez que le sitemap est à jour et sans URLs erronées.
Toute page que vous voulez indexer doit être accessible via au moins un lien interne depuis une page déjà indexée. Les pages orphelines (sans liens internes) sont difficiles à découvrir et moins prioritaires pour Googlebot.
Les pages avec peu de contenu, du contenu dupliqué ou de faible qualité diluent la qualité perçue du domaine et consomment du crawl budget. Mieux vaut avoir moins de pages de haute qualité que de nombreuses pages que Google décide de ne pas indexer.
Chaque page devrait avoir une canonical qui pointe vers elle-même ou vers sa version préférée. Vérifiez que les canonicals ne créent pas de boucles et sont cohérents avec le sitemap.
L'indexation correcte est le prérequis technique de toute stratégie de visibilité en ligne. Sans pages indexées, pas de trafic organique. Et sans trafic organique, pas d'utilisateurs à optimiser.
Pour connecter la santé technique de votre site à l'optimisation de l'expérience des utilisateurs qui arrivent, découvrez notre service d'agence CRO.
Si vous voulez un diagnostic rapide des problèmes techniques qui peuvent affecter votre visibilité ou conversion, essayez Scan&Boost.
Adrià Vidal, spécialiste CRO chez Boost.
L'above the fold est la zone visible de votre site sans scroll. Apprenez quels éléments inclure, ce que dit l'eye-tracking et comment l'optimiser pour...
Un audit web identifie ce qui freine votre conversion, vitesse et visibilité. Apprenez quelles zones analyser, quels outils utiliser et comment prioriser...
Le design centré utilisateur place les besoins réels du client au cœur de chaque décision de design. Apprenez ses principes, son processus et sa connexion...
