Navigation à facettes et budget crawl sur Prestashop : quelles erreurs éviter ?

La plupart des boutiques traitent la navigation à facettes en empilant des balises noindex et des règles dans le robots.txt, puis regardent le nombre d’URL indexées baisser et se déclarent satisfaites. Le budget de crawl, lui, n’a pas bougé. Parce qu’il ne se pilote pas avec des directives d’indexation, il se pilote avec les sources de découverte des URL. Voici l’erreur de raisonnement de départ, et la méthode qui économise réellement du crawl sur PrestaShop.

L’erreur de fond : confondre indexation et découverte

« Faut-il indexer cette facette ? » est la question qui occupe la plupart des articles. Pour le budget de crawl, ce n’est pas la bonne. La bonne question est : « Google peut-il découvrir cette URL, et à quelle fréquence la recroise-t-il ? »

Une URL de facette qui n’est liée depuis nulle part, absente du sitemap, jamais pointée par un bloc de la page d’accueil, du footer ou du fil d’Ariane, n’est jamais crawlée. Son statut d’indexation n’a aucune importance : Googlebot ne connaît pas son existence.

À l’inverse, une URL de facette en noindex, mais liée depuis le menu, le footer, les fils d’Ariane et les blocs de produits similaires de milliers de pages, est recroisée à chaque exploration de ces pages. Elle consomme du budget de crawl en permanence, alors même qu’elle ne sera jamais indexée.

Le levier budget de crawl numéro un sur PrestaShop n’est donc pas la directive d’indexation, c’est la carte des liens internes qui pointent vers les facettes.

Le noindex n’économise pas de crawl

C’est le point le plus mal compris. Une balise noindex dit à Google de ne pas faire figurer la page dans l’index. Elle ne lui dit pas d’arrêter de la crawler. Au contraire : pour constater qu’une page est toujours en noindex, Google doit la recrawler régulièrement. Sur un gros volume de facettes en noindex, le crawl continue de tourner.

Le Disallow du robots.txt, lui, coupe le crawl. Mais posé seul et trop tôt, il empêche Google de voir le noindex des URL déjà connues, qui restent alors dans l’index sans jamais pouvoir en sortir proprement. D’où un ordre à respecter, détaillé plus bas.

Retenez la hiérarchie : pour ne pas indexer, noindex. Pour ne pas crawler, il faut soit ne pas laisser découvrir l’URL, soit la bloquer au robots.txt une fois le noindex digéré. Le sujet de l’indexation sélective des filtres utiles est traité dans notre article sur les filtres PrestaShop qui méritent d’être indexés.

Couper les sources de liens vers les facettes

Sur une boutique PrestaShop, les liens vers les URL de facettes viennent de quelques endroits identifiables.

Le module de navigation à facettes lui-même

Le module natif génère, dans le bloc de filtres, des liens <a href> vers chaque valeur de filtre et chaque combinaison. Ces liens sont crawlables. Ajouter rel="nofollow" sur les liens de filtres, dans le template du module, coupe la découverte à la source pour les combinaisons que vous ne voulez pas voir explorées. C’est plus efficace, pour le budget de crawl, que n’importe quel noindex posé en aval.

Les blocs de la page d’accueil et des pages de contenu

Certains thèmes ou modules marketing affichent des raccourcis « nos couleurs », « par matière », « par prix » qui pointent directement vers des URL de facettes. Multipliés par la présence de ces blocs sur beaucoup de pages, ils créent des milliers de points d’entrée. Retirez ces liens ou faites-les pointer vers des pages de catégorie réelles.

Le footer

Un footer qui liste des dizaines de « catégories populaires » dont certaines sont en réalité des facettes est un multiplicateur de découverte, présent sur toutes les pages du site. Nettoyez-le pour qu’il ne pointe que vers des URL que vous assumez d’indexer.

Les fils d’Ariane et les blocs de produits similaires

Vérifiez que le fil d’Ariane d’une page de filtre ne recrée pas des liens vers d’autres filtres, et que les blocs « vous aimerez aussi » ne renvoient pas vers des URL paramétrées.

L’ordre correct des mesures

Pour une famille d’URL de facettes déjà découvertes et indexées à tort, la séquence est la suivante.

1. Poser le noindexSur les URL de facettes concernées, via le module ou une règle sur le paramètre. Ne touchez pas encore au robots.txt.
2. Laisser Google recrawler et désindexerComptez plusieurs semaines. Suivez la sortie de l’index dans le rapport Indexation des pages, motif « exclue par une balise noindex ».
3. Couper la découverteUne fois le gros des URL sorti de l’index, ajoutez rel="nofollow" sur les liens de filtres et nettoyez les blocs qui les référencent.
4. Bloquer au robots.txtEn dernier, pour les motifs d’URL résiduels, poser le Disallow. À ce stade, il coupe le crawl sans piéger d’URL dans l’index.

Inverser cette séquence, robots.txt d’abord, est l’erreur qui laisse des milliers d’URL de facettes indexées et non nettoyables. Le mécanisme est le même que pour les URL de tri sur PrestaShop.

La boucle de contrôle : le rapport Statistiques d’exploration

Sans mesure du crawl réel, on avance à l’aveugle. Le rapport Statistiques d’exploration de la Search Console, dans les paramètres, est l’instrument.

Trois lectures utiles. La répartition par objectif distingue la « découverte » de l’« actualisation » : une part élevée de découverte sur une boutique au catalogue stable signale que Google passe son temps sur des URL nouvelles, souvent des combinaisons de facettes. La répartition par type de fichier montre si le crawl HTML est phagocyté par autre chose. La répartition par réponse révèle les 404 et les redirections crawlées en masse, autre source de gaspillage.

Prenez une capture de référence avant intervention. Après avoir coupé les sources de liens, surveillez sur six à huit semaines la baisse du nombre total de requêtes de crawl par jour et le rééquilibrage vers l’actualisation des pages produits et catégories. C’est cette évolution, et non le nombre d’URL indexées, qui prouve que le budget de crawl a été récupéré.

Les erreurs fréquentes, en résumé

Piloter par les liens, vérifier par le crawl

La logique tient en deux phrases. Le budget de crawl se pilote par les sources de découverte : coupez les liens vers les facettes dans le module natif, le footer, les blocs marketing et les fils d’Ariane, et Google cesse d’y aller. Il se vérifie dans le rapport Statistiques d’exploration : baisse du volume quotidien, rééquilibrage vers l’actualisation des pages utiles. Les directives d’indexation, noindex et robots.txt, servent à nettoyer l’existant dans le bon ordre, pas à économiser du crawl à elles seules.

Sur une boutique existante, ce travail commence par une cartographie des liens internes vers les URL paramétrées et une capture du crawl actuel. C’est le point de départ d’un accompagnement SEO PrestaShop centré sur l’indexation et le crawl, à mener aux côtés d’un audit SEO PrestaShop.