Pourquoi Google n'indexe-t-il pas toutes vos pages malgré un crawl actif ?

Que signifient exactement ces deux statuts dans Search Console ?

'Discovered - currently not indexed' indique que Googlebot a repéré l'URL (via sitemap, lien interne, lien externe) mais a choisi de ne pas la crawler immédiatement ou de ne pas l'indexer après un crawl superficiel. 'Crawled - currently not indexed' va plus loin : Google a bien visité la page, analysé son contenu, mais décide de ne pas l'intégrer à l'index.

Ces deux statuts ne sont pas des bugs techniques. Ils traduisent une décision algorithmique délibérée. Google estime que ces pages n'apportent pas assez de valeur pour mériter une place dans l'index — soit parce qu'elles dupliquent du contenu existant, soit parce que le site dans son ensemble manque de signaux de qualité ou d'autorité.

Pourquoi Google parle-t-il de 'qualité globale du site' ?

L'indexation n'est pas binaire. Google évalue chaque site selon un budget de crawl et un seuil de qualité implicite. Si votre domaine a mauvaise réputation (thin content, spam historique, liens toxiques, UX catastrophique), l'algorithme applique un filtre de sévérité accrue sur toutes les nouvelles URLs.

Vous pouvez publier du contenu correct, voire bon — si le reste du site est médiocre, Google reste frileux. C'est un effet de halo inversé : la qualité perçue du site contamine la perception de chaque page individuelle. Mueller insiste sur ce point : le problème n'est pas forcément la page non indexée elle-même, mais l'environnement dans lequel elle baigne.

En quoi cela diffère-t-il d'un simple problème de crawl budget ?

Le crawl budget limite le nombre de pages que Googlebot visite par jour. Ici, le souci est différent : même quand Google crawle, il refuse d'indexer. C'est un filtre qualitatif post-crawl, pas un blocage en amont.

Un site avec 10 000 pages peut voir 8 000 URLs crawlées régulièrement mais seulement 3 000 indexées. Le crawl budget n'est pas saturé — c'est la qualité qui coince. Google a décidé que ces 5 000 pages ne méritent pas l'index, même après les avoir visitées.

• Discovered not indexed : Google hésite, évalue, reporte la décision d'indexation
• Crawled not indexed : Google a tranché après analyse — la page est jugée insuffisante
• Signal de qualité globale : un volume massif de ces statuts révèle un problème structurel du site, pas ponctuel
• Pas de solution rapide : ajouter du contenu ou forcer le crawl ne change rien si la base qualité est défaillante
• Action requise : audit complet, élagage, refonte partielle — pas juste optimisation à la marge

Cette déclaration est-elle cohérente avec les observations terrain ?

Oui, elle corrobore ce qu'on observe depuis des années. Les sites qui accumulent des milliers de pages 'Discovered not indexed' ont souvent un historique chargé : migrations mal gérées, content farms rachetées, explosion de facettes e-commerce sans contrôle. Google ne dit pas explicitement comment il mesure cette 'qualité globale', mais l'expérience montre que des signaux comme le taux de rebond agrégé, la vitesse de chargement moyenne, la densité de liens internes cassés, ou la proportion de pages zero-trafic entrent en jeu.

Ce que Mueller ne précise pas — et c'est dommage — c'est le seuil. À partir de combien de pages non indexées faut-il s'inquiéter ? 10 % du total ? 50 % ? Ça dépend du contexte, évidemment, mais l'absence de chiffre rend le diagnostic difficile. [A vérifier] sur des sites neufs ou en forte croissance, un volume élevé de 'Discovered' peut être temporaire, le temps que Google évalue.

Quelles nuances faut-il apporter à cette affirmation ?

Tous les sites avec beaucoup de pages non indexées ne sont pas forcément de mauvaise qualité. Un média avec des milliers d'archives anciennes, un site e-commerce avec des produits saisonniers en rupture permanente, une plateforme UGC avec modération — dans ces cas, Google peut légitimement ignorer des pans entiers sans que cela traduise un problème de fond.

Le piège, c'est de généraliser. Si vous avez 5 000 pages 'Crawled not indexed' sur un blog de 6 000 articles, là oui, c'est un signal d'alarme. Si c'est sur un site de 200 000 fiches produits dont 80 % sont obsolètes, c'est presque logique. La clé : analyser le ratio indexé/total et la nature des pages concernées avant de paniquer.

Dans quels cas cette règle ne s'applique-t-elle pas ?

Les sites très récents (moins de 6 mois, faible autorité) peuvent voir un délai d'indexation long sans que cela reflète un souci de qualité. Google prend son temps pour évaluer les nouveaux entrants, surtout dans des niches saturées. De même, un site sous pénalité manuelle ou algorithme spam verra ses pages refusées en masse, mais c'est un cas particulier — la non-indexation est une conséquence, pas un diagnostic.

Enfin, certains CMS génèrent des URLs parasites (filtres, tris, sessions) que Google crawle par erreur mais n'indexe jamais. Si ces URLs représentent 90 % de vos 'Discovered not indexed', le problème n'est pas la qualité globale mais un défaut de configuration robots.txt ou canonical. Distinguer le bruit structurel du signal qualitatif est essentiel.

Que faut-il faire concrètement si votre site accumule ces statuts ?

Première étape : auditer la qualité réelle des pages non indexées. Exportez la liste depuis Search Console, échantillonnez 50-100 URLs, et évaluez-les honnêtement. Contenu thin ? Duplication interne ? Valeur utilisateur faible ? Si la réponse est oui, ces pages méritent peut-être de ne pas être indexées — ou d'être supprimées.

Ensuite, regardez les pages indexées et performantes. Qu'ont-elles en commun ? Longueur, profondeur sémantique, maillage interne, signaux UX (temps sur page, CTR) ? Identifiez les patterns gagnants et alignez progressivement le reste du contenu sur ce standard. Ne cherchez pas à indexer plus — cherchez à mériter l'indexation.

Quelles erreurs éviter dans ce contexte ?

Ne versez pas dans l'activisme aveugle. Ajouter 200 nouveaux articles pour 'diluer' le ratio de pages non indexées ne résout rien si ces articles sont eux-mêmes médiocres. Google évalue la tendance globale, pas juste un snapshot. De même, forcer le crawl via 'Demander une indexation' en masse est inutile — Google a déjà crawlé et refusé ces pages.

Autre piège : se focaliser uniquement sur les pages non indexées en ignorant celles qui le sont mais génèrent zéro trafic. Ces dernières plombent aussi votre score de qualité global. Un site avec 10 000 pages indexées dont 7 000 à zéro visite mensuelle envoie un signal négatif fort. Élaguer, fusionner, rediriger ces pages zombies améliore souvent la perception algorithmique du site entier.

Comment vérifier que votre stratégie produit des résultats ?

Suivez l'évolution du ratio pages indexées / pages soumises sur 3-6 mois après vos actions. Si vous élaguez 2 000 pages faibles et en améliorez 500, vous devriez voir le nombre de 'Crawled not indexed' baisser progressivement. Attention : c'est lent. Google réévalue la qualité globale d'un site sur plusieurs cycles de crawl.

Parallèlement, surveillez les métriques de crawl (fréquence, volume) et les signaux UX agrégés (Core Web Vitals, taux de rebond moyen). Une amélioration de ces indicateurs renforce la confiance algorithmique et favorise l'indexation de nouvelles pages. Si rien ne bouge après 6 mois d'efforts soutenus, il faut creuser plus profond — liens toxiques, pénalité silencieuse, problème technique structurel.

• Exporter et analyser les URLs 'Discovered' et 'Crawled not indexed' depuis Search Console
• Identifier les pages à faible valeur ajoutée et décider : améliorer, fusionner, supprimer ou noindex
• Auditer les pages indexées à zéro trafic et traiter ces 'zombies' pour nettoyer l'index
• Renforcer le maillage interne vers les pages stratégiques pour redistribuer l'autorité
• Améliorer les signaux UX globaux (vitesse, mobile, engagement) pour rehausser la perception qualité
• Suivre l'évolution du ratio indexation sur 6 mois minimum avant de conclure à l'efficacité des actions