Comment trouver les pages orphelines de votre site, et pourquoi un crawler ne peut parler que d'orphelines « potentielles »

Une page orpheline est une page de votre site vers laquelle aucune autre page ne pointe. Elle peut toujours exister, figurer dans votre sitemap et même se classer sur une requête, mais les visiteurs qui parcourent votre site ne peuvent pas l'atteindre, et les moteurs de recherche n'ont que le sitemap pour apprendre son existence. Votre propre maillage ne leur envoie par ailleurs aucun signal indiquant que cette page compte.

Les orphelines sont rarement voulues. Elles sont ce qu'il reste lorsqu'une refonte fait disparaître une entrée de menu, qu'une page de destination de campagne survit à sa campagne, qu'une catégorie est supprimée ou qu'un article de blog n'a jamais été lié que depuis un emplacement de la page d'accueil passé depuis à autre chose.

Pourquoi les pages orphelines posent problème

• La découverte. Les moteurs de recherche trouvent la plupart des pages en suivant les liens. Une page accessible uniquement par le sitemap est découverte et réexplorée de façon moins fiable.
• L'importance. Les liens internes sont l'un des moyens par lesquels les moteurs de recherche jugent quelles pages vous considérez comme importantes. Une page qui n'en reçoit aucun paraît sans importance.
• Les visiteurs. Personne ne peut y arriver en cliquant : un contenu utile reste donc sans lecteurs.
• La maintenance. Les pages oubliées finissent par dater : anciens tarifs, offres périmées, conseils dépassés.

Comment on repère les pages orphelines

Pour qualifier une page d'orpheline, il vous faut deux listes : toutes les pages qui existent, et toutes les pages vers lesquelles quelque chose pointe. Les orphelines figurent dans la première et manquent dans la seconde. La difficulté tient à la première liste, puisque par définition on ne trouve pas d'orphelines en suivant des liens. Les sources habituelles sont :

• votre sitemap XML ;
• un export de contenu depuis votre CMS ;
• les pages qui reçoivent des visites dans votre outil d'analyse d'audience ;
• les pages que Google connaît, dans les rapports « Performances » et « Indexation des pages » de Search Console ;
• les URL qui apparaissent dans les journaux de votre serveur.

La seconde liste provient d'un crawl : on part de la page d'accueil, on suit chaque lien interne et on note quelles pages ont reçu un lien.

Pourquoi un crawler parle d'« orpheline potentielle »

Un crawler ne connaît que les liens des pages qu'il a réellement visitées. Si un crawl s'arrête à 10 ou 100 pages, ou à une certaine profondeur de clics, ou s'il ignore les pages bloquées par robots.txt, une page du sitemap qui semble sans lien peut très bien en recevoir un depuis une page que le crawl n'a jamais atteinte. C'est pourquoi un outil honnête parle d'orphelines potentielles : « aucun lien interne vers cette page n'a été trouvé lors de ce crawl », et non « rien ne pointe vers cette page ».

D'autres éléments peuvent masquer un lien bien réel à un crawler : les liens qui n'apparaissent qu'après l'exécution de JavaScript (lorsque le crawler lit le HTML brut), les liens situés dans des formulaires ou des résultats de recherche, et les liens provenant de sous-domaines ou d'autres hôtes, qui ne comptent pas comme internes.

Comment Rudra repère les orphelines potentielles

Une analyse de site Rudra (compte gratuit ; l'audit de site gratuit ne couvre qu'une seule page) lit votre sitemap XML pendant le crawl. Une fois celui-ci terminé, elle liste les pages du sitemap qui ont renvoyé un code 200 et n'ont reçu aucun lien interne d'une autre page explorée. La page d'accueil est exclue, seuls comptent les liens entre pages d'un même site, et les URL sont comparées après normalisation des barres obliques finales, des fragments et des variantes http/https ou www. Le contrôle ne s'exécute que si un sitemap a été trouvé et qu'au moins deux pages ont été explorées, et le constat précise combien de pages le crawl a couvertes, pour que vous puissiez juger de son exhaustivité.

Le même rapport liste les pages qui ont peu de liens internes (un seul, ou aucun, depuis les autres pages explorées) dans une remarque distincte, à faible niveau de confiance, ainsi que les pages situées à quatre clics ou plus de la page d'accueil. Ni l'un ni l'autre ne constitue une erreur ; ce sont des invitations à revoir votre maillage.

Confirmer qu'une page est orpheline

1. Cherchez dans votre propre site. Utilisez la recherche de votre CMS ou une requête en base de données sur l'URL et le slug de la page, ainsi qu'une recherche site:yourdomain.com "page title" pour trouver les mentions.
2. Consultez Search Console. Liens → Liens internes indique combien de liens internes Google a vus vers une URL.
3. Vérifiez où le crawl s'est arrêté. Si votre crawl a atteint sa limite de pages, un crawl plus large trouvera peut-être le lien.
4. Regardez vos statistiques d'audience. Une page qui reçoit des visites sans aucun référent interne n'est atteinte que par la recherche, l'e-mail ou la publicité.

Que faire de chaque page orpheline

Décidez, page par page, si elle mérite encore d'exister :

• Utile et à jour : faites des liens vers elle depuis les endroits pertinents, à savoir une page de catégorie ou une page pivot, des articles connexes, la navigation ou le pied de page si elle est importante, et le fil d'Ariane. Employez un texte de lien descriptif plutôt que « cliquez ici ».
• Utile mais dépassée : mettez-la à jour, puis faites des liens vers elle.
• Remplacée par une meilleure page : redirigez-la en 301 vers sa remplaçante et retirez-la du sitemap.
• Obsolète et sans remplaçante : supprimez-la (un 404 ou un 410 convient), et retirez-la du sitemap.
• Volontairement sans lien (page de destination de campagne, page de remerciement) : envisagez un noindex et son retrait du sitemap, pour qu'elle ne fasse pas concurrence à vos pages principales.

Tant que vous y êtes, vérifiez que les liens ajoutés fonctionnent bien (c'est l'objet de notre guide comment corriger les liens cassés) et gardez le sitemap synchronisé, comme expliqué dans comment diagnostiquer les problèmes de sitemap.