Facettes SEO : éviter le gaspillage de crawl inutile

Les facettes rendent un catalogue ou un site d’annonces plus navigable : marque, taille, couleur, zone géographique, type de bien, prix, date de publication ou disponibilité permettent de réduire une liste. Mais, pour un robot, chaque combinaison peut ressembler à une nouvelle page. Avec quelques filtres seulement, le nombre d’URL possibles devient très élevé. Google décrit précisément ce risque : une navigation à facettes fondée sur des paramètres peut créer des espaces d’URL infinis, provoquer une exploration excessive et ralentir la découverte de nouvelles URL utiles.

Le bon objectif n’est donc pas de supprimer les filtres. Il consiste à séparer trois décisions qui sont trop souvent confondues : faut-il laisser une combinaison être découverte par les robots, faut-il lui permettre d’être explorée, et faut-il viser son indexation ? Une page filtrée peut être excellente pour un visiteur connecté, mais n’avoir aucune valeur comme page d’atterrissage dans les résultats de recherche. À l’inverse, une sélection stable telle que des chaussures de randonnée pour femme ou des appartements à louer dans une ville peut répondre à une intention identifiable et mériter une URL dédiée.

Pourquoi les facettes diluent le crawl

Le crawl budget ne désigne pas un quota fixe attribué arbitrairement à chaque site. Google le présente comme l’ensemble des URL qu’il peut et veut explorer sur un hôte, en fonction notamment de la capacité de crawl et de la demande de crawl. La capacité dépend entre autres de la santé du site : si les réponses sont rapides, Google peut augmenter ses connexions ; si le serveur ralentit ou renvoie des erreurs, il les réduit. La demande dépend notamment du volume d’URL connues, de la popularité, de la fraîcheur et de la qualité perçue.

Les facettes agissent d’abord sur l’inventaire perçu. Une catégorie de vêtements peut proposer marque, taille, couleur, matière, fourchette de prix, disponibilité, promotion et ordre de tri. Si chaque choix crée un lien HTML vers une nouvelle adresse, les filtres simples, doubles, triples, leurs permutations et leurs pages paginées multiplient les chemins de crawl. Google indique que les robots ne peuvent généralement pas savoir si une URL à facettes sera utile avant de l’explorer ; ils peuvent donc en consulter un grand nombre avant de conclure qu’elles sont inutiles.

Le coût ne se limite pas à Googlebot. Chaque requête filtrée peut déclencher des recherches en base de données, du calcul de stock, du rendu côté serveur, des appels à un moteur de recherche interne ou la construction d’une page JavaScript. Google souligne que l’exploration d’URL à facettes consomme souvent beaucoup de ressources de calcul, en raison du nombre d’URL et des opérations nécessaires pour rendre ces pages. Une architecture qui expose sans limite des combinaisons rares peut donc ralentir à la fois les robots et les vrais visiteurs.

Le problème SEO est également qualitatif. Les résultats de filtres et de tris figurent parmi les causes de pages dupliquées citées par Google. Les doublons ne constituent pas, en eux-mêmes, une violation des règles antispam, mais la multiplication d’adresses qui affichent le même contenu ou un contenu très proche complique le suivi et peut conduire Google à sélectionner une autre URL canonique que celle souhaitée.

Le cadre de décision : valeur, unicité, volume, coût

Avant de choisir une directive technique, évaluez chaque type de filtre avec quatre questions simples. Le résultat doit être un classement opérationnel : indexable et maillé, explorable mais non indexable dans un cas transitoire, ou non explorable. Ce cadre évite la règle simpliste selon laquelle tous les filtres seraient mauvais pour le SEO.

Valeur de recherche : la combinaison correspond-elle à une intention que les internautes formulent réellement, de façon suffisamment stable ? Une marque, un type de produit ou une localisation peuvent répondre à ce critère ; un tri par prix croissant y répond rarement.
Unicité utile : la page propose-t-elle une sélection distincte, des produits ou annonces suffisamment nombreux, un titre cohérent et éventuellement un contenu éditorial qui aide réellement à choisir ? Si le résultat change à peine par rapport à la catégorie mère, la page ressemble davantage à une variante qu’à une destination.
Volume et pérennité : la sélection conserve-t-elle un inventaire significatif dans le temps ? Une page qui passe fréquemment de quelques résultats à zéro n’est pas une bonne cible d’indexation.
Coût et contrôle : l’URL est-elle rapide à générer, stable, dédupliquée et facile à normaliser ? Peut-on empêcher les permutations, les valeurs impossibles et les combinaisons sans résultat ?

Une réponse positive aux quatre questions justifie généralement une page d’atterrissage indexable. Dans ce cas, donnez-lui une URL stable, un ordre de filtres déterministe, une pagination cohérente, un canonical autoréférent et des liens internes vers sa version canonique. Google recommande d’ailleurs de lier systématiquement, en interne, vers l’URL considérée comme canonique, et de n’inclure dans les sitemaps que les URL canoniques souhaitées.

Si l’intention est plausible mais que la page reste trop proche d’une autre destination, choisissez plutôt une consolidation canonique. Le canonical exprime une préférence, pas une garantie : Google peut choisir une autre URL canonique selon les signaux qu’il observe. Il reste utile pour regrouper les signaux de pages similaires, simplifier les métriques et éviter de consacrer de l’exploration à des doublons plutôt qu’à des contenus nouveaux ou actualisés.

Les filtres à laisser explorables et indexables

La première famille regroupe les facettes qui créent de véritables pages d’atterrissage. En e-commerce, il peut s’agir d’une catégorie associée à une marque importante, à un usage net ou à une caractéristique centrale du produit. Dans les annonces, cela peut correspondre à un type de bien et une ville, à une catégorie d’emploi et une zone, ou à une catégorie de véhicules et une marque. Ce ne sont pas des recommandations automatiques : il faut confirmer l’intérêt via les données de recherche, les performances existantes, le catalogue et la capacité à maintenir une page utile.

Exemple hypothétique : un marchand dispose d’une catégorie chaussures de randonnée, puis de pages stables pour chaussures de randonnée femme et chaussures de randonnée homme. Si chaque page conserve un inventaire réel, une sélection différente et une intention distincte, elles peuvent être indexables. En revanche, combiner systématiquement sexe, couleur, largeur, remise, pointure, tri et tranche de prix ne produit pas mécaniquement des destinations SEO. Google distingue dans son exemple historique les paramètres potentiellement utiles aux chercheurs, tels que la catégorie ou la marque, des paramètres qui créent surtout de la duplication, comme la fourchette de prix.

Pour rendre ces pages maîtrisables, imposez une seule forme d’URL par combinaison. Avec des paramètres, utilisez le séparateur standard esperluette. Avec des segments de chemin, fixez un ordre logique constant et empêchez les filtres dupliqués. Google recommande précisément ces deux mesures afin que les robots interprètent correctement les paramètres et que des variantes équivalentes ne se multiplient pas.

La pagination mérite un traitement distinct. Elle peut être nécessaire pour donner accès à toutes les fiches produits ou annonces. Ne la confondez pas avec un filtre de tri ou une combinaison de facettes. Chaque fiche importante doit rester accessible par un chemin de liens interne clair ; Google rappelle que toute page importante devrait être liée depuis au moins une autre page du site.

Les filtres à ne pas laisser explorer

La seconde famille regroupe les paramètres sans intérêt comme page de recherche : ordre de tri, nombre de résultats par page, affichage en grille ou en liste, identifiant de session, identifiants de campagne, préférences de visite, fourchettes de prix très fines, combinaison de filtres trop profonde ou choix purement contextuels. Une URL qui ne fait que réordonner les mêmes éléments est un candidat classique au blocage de crawl. Google cite explicitement les versions différemment triées d’une même page parmi les pages non importantes qu’il est possible de bloquer avec robots.txt lorsque la consolidation ne suffit pas.

La solution la plus propre est de concevoir l’interface pour que ces variantes ne créent pas d’URL explorables. Les fragments d’URL peuvent être une option lorsque l’état du filtre ne doit pas être découvert ni indexé : Google indique qu’il ne prend généralement pas en charge les fragments dans le crawl et l’indexation. Une autre solution est de placer les filtres non destinés aux moteurs sous un répertoire ou une structure de paramètres identifiable, puis de bloquer cette famille dans robots.txt.

Attention à la nuance : robots.txt gère l’exploration, pas une garantie de désindexation. Google précise qu’une URL bloquée peut encore apparaître dans les résultats si elle est liée ailleurs, sans que le robot ait pu lire son contenu. C’est pourquoi robots.txt convient aux variantes que vous ne voulez pas faire explorer du tout, tandis qu’une URL déjà accessible et que vous souhaitez retirer de l’index doit rester explorable pour que Google puisse lire une directive noindex.

Un filtre peut rester indispensable à l’expérience utilisateur tout en étant inutile à l’exploration. Le choix SEO porte sur l’URL et ses signaux, pas sur le droit de l’utilisateur à filtrer.

Canonical, noindex et robots.txt : ne pas mélanger les objectifs

Le canonical sert à consolider des pages dupliquées ou très similaires autour d’une URL représentative. Il ne bloque pas immédiatement le crawl. Google explique qu’un canonical peut, avec le temps, réduire le volume d’exploration des versions non canoniques, mais le présente comme moins efficace à long terme que le blocage de crawl ou les fragments lorsqu’il n’est pas nécessaire que les facettes soient indexées.

Le noindex sert à empêcher l’indexation après exploration. Google doit demander la page pour voir cette directive ; l’utiliser massivement sur des milliers de combinaisons ne résout donc pas une surcharge de crawl. Sa documentation sur le crawl budget est explicite : noindex implique encore une requête suivie d’un abandon de la page, ce qui gaspille du temps de crawl. Réservez-le plutôt aux cas où la page doit temporairement rester accessible aux robots, mais ne doit pas apparaître dans les résultats, par exemple lors d’une transition technique ou d’un assainissement progressif d’URL déjà connues.

Robots.txt sert à réduire les requêtes vers une famille d’URL que vous ne voulez jamais faire explorer. Il est particulièrement pertinent pour les paramètres de tri, les combinaisons sans valeur SEO et les filtres coûteux qui ne sont pas nécessaires pour découvrir les fiches. Mais ne bloquez jamais une URL si elle est le seul chemin permettant au robot d’atteindre un produit ou une annonce importante. Google insiste sur la nécessité de conserver au moins un chemin de clic vers chaque élément individuel.

Le cas critique des combinaisons vides et infinies

Une navigation à facettes robuste ne crée pas de lien vers une sélection sans résultat. Google recommande de ne produire des liens et URL que lorsqu’un choix utilisateur est valide, de griser les options à zéro résultat et d’afficher des comptes d’éléments. Pour une combinaison qui ne peut pas avoir de contenu utile, Google recommande une réponse HTTP 404, notamment lorsque la combinaison ne renvoie aucun résultat, contient des filtres dupliqués ou absurdes, ou vise une pagination inexistante.

Ne redirigez pas une combinaison vide vers une page générique introuvable ou vers la catégorie mère comme si la sélection existait. Servez le statut 404 sur l’URL demandée avec une page qui aide l’utilisateur à revenir vers des options pertinentes. Google recommande également les statuts 404 ou 410 pour les pages supprimées durablement, car ils signalent fortement qu’il n’est plus nécessaire de les explorer régulièrement.

Éliminez aussi les permutations. Les URL couleur-rouge et rouge-couleur, ou les variantes qui répètent deux fois la même valeur, ne doivent jamais être accessibles comme pages autonomes. Définissez un ordre unique des paramètres, normalisez les valeurs en amont, refusez les filtres incompatibles et limitez la profondeur de combinaisons exposées par les liens. Le risque n’est pas seulement l’indexation : chaque lien HTML avec une adresse exploitable peut devenir une cible de découverte. Google indique qu’il peut généralement explorer les liens ancre contenant un attribut href.

Deux applications concrètes : e-commerce et annonces

Pour un e-commerce, commencez par classer les facettes. Catégorie, marque et parfois genre ou usage peuvent devenir des destinations indexables si elles correspondent à une demande et à un inventaire durable. Couleur, taille, disponibilité immédiate, réduction, fourchette de prix et tri servent le plus souvent la conversion sur place : laissez-les fonctionner pour l’utilisateur, mais évitez de les publier comme un réseau de liens explorables. Une page marque plus catégorie peut être retenue ; une page marque plus couleur plus taille plus promotion plus tri doit être considérée comme une variante d’interface jusqu’à preuve de sa valeur.

Pour un site d’annonces immobilières, une page location appartement associée à une ville peut justifier une architecture SEO propre si l’offre est suffisante et régulièrement renouvelée. En revanche, un filtre combinant quartier, nombre de pièces, surface minimale, loyer maximal, meublé, ascenseur, balcon, date de mise en ligne et ordre de publication engendre rapidement des variantes instables. Conservez éventuellement quelques pages éditorialisées et stratégiques, puis bloquez ou ne liez pas les combinaisons de longue traîne qui ne constituent pas des destinations fiables. Ce choix préserve la découverte des fiches individuelles et limite les requêtes serveur inutiles.

Pour un site d’emploi ou de véhicules, le raisonnement est identique. Type de poste plus zone, ou marque de véhicule plus modèle, peuvent constituer des pages de recherche légitimes si elles restent utiles. Le rayon exact, les options très fines, la date de tri, le kilométrage par pas très courts ou la sélection de plusieurs dizaines de valeurs ne doivent pas automatiquement devenir des URL publiques. La granularité doit suivre l’intention et le catalogue, pas toutes les possibilités de l’interface.

Plan d’audit et de déploiement

Commencez par exporter les URL découvertes dans les journaux serveur, les rapports d’exploration et les données d’indexation. Regroupez-les par chemin et par paramètre : tri, pagination, filtres métier, suivi, session, recherche interne, URL vides. Vérifiez aussi le temps de réponse et les statuts HTTP de chaque famille. Google recommande de contrôler les problèmes de disponibilité pendant l’exploration et d’améliorer l’efficacité du crawl ; un site qui répond lentement ou produit des erreurs réduit sa capacité de crawl.

Définissez la liste fermée des facettes et combinaisons réellement indexables.
Créez pour elles une URL stable, un canonical autoréférent, un maillage interne cohérent et une présence éventuelle dans le sitemap.
Normalisez l’ordre des paramètres et rejetez les valeurs répétées, impossibles et les pages paginées inexistantes.
Supprimez les liens vers les combinaisons vides et renvoyez une 404 lorsque la sélection n’a aucun résultat.
Écartez de l’exploration les tris, paramètres techniques et combinaisons sans valeur, sans bloquer les chemins indispensables vers les fiches.
Utilisez noindex seulement quand le besoin porte sur l’indexation et que l’exploration doit rester possible.
Surveillez après mise en production la part des requêtes robots, les URL les plus demandées, les erreurs serveur, les URL découvertes et les canoniques choisies.

Enfin, traitez la gestion des facettes comme un produit évolutif. Une combinaison peut devenir pertinente si l’inventaire et la demande progressent ; une page autrefois indexable peut perdre son intérêt si son stock s’effondre. La meilleure configuration est celle qui rend les destinations fortes faciles à trouver, qui conserve une expérience de filtrage riche pour les utilisateurs et qui empêche les robots de consacrer du temps à un univers d’URL que le site ne souhaite ni positionner ni maintenir.