Guide SEO de l'entête HTTP X-Robots-Tag

L'entête X-Robots-Tag en SEO

Définition du X-Robots-Tag

X-Robots-Tag permet de fournir des indications aux robots des moteurs de recherche qui le supportent, en utilisant l'entête HTTP. Il s'agit d'instructions pour gérer le crawl, l'indexation, le suivi des liens, l'apparence dans les SERP (snippet), etc. Cela ne permet pas de définir des redirections.

En fait ça ressemble aux balises meta, avec quelques différences, notamment :

• X-Robots-Tag n'est pas situé dans une page HTML, il est envoyé par votre serveur
• X-Robots-Tag est donc utile pour gérer des documents qui ne sont pas des pages HTML
• X-Robots-Tag permet de définir des règles pour plein d'URL d'un seul coup

Si vous ne voyez pas de quoi il s'agit, lisez plus bas mes explications sur l'entête HTTP.

Comment mettre un X Robots Tag ?

Vous pouvez ajouter un X-Robots-Tag de plusieurs manières :

• en utilisant un plugin sur votre CMS, par exemple Rank Math sur WordPress
• en ajoutant des lignes dans un fichier de configuration serveur (Apache ou autre)
• en ajoutant du code PHP

Je fournis plein d'exemples concrets plus loin dans ce dossier.

Valeurs possibles du tag X-Robots-Tag

Un peu comme la balise meta robots, sa version HTTP peut contenir plusieurs valeurs. Voici mon tableau récapitulatif :

Tout comme la balise meta, il est possible de combiner plusieurs valeurs en les séparant par des virgules, par exemple : X-Robots-Tag: noarchive, nosnippet.

Cette directive HTTP a été introduite par Google en juillet 2007. Elle est également supportée par Bing.

À quoi ça ressemble le X-Robots-Tag ?

Voici un exemple d'entête HTTP avec 1 ligne X Robots Tag :

HTTP/1.1 200 OK
Date: Tue, 25 May 2024 21:42:43 GMT
(…)
X-Robots-Tag: noindex
(…)

Vous pouvez fournir plusieurs lignes X-Robots-Tag :

HTTP/1.1 200 OK
Date: Tue, 25 May 2024 21:42:43 GMT
(…)
X-Robots-Tag: noarchive
X-Robots-Tag: unavailable_after: 12 Jun 2025 20:00:00 PST
(…)

Vous pouvez aussi regrouper les valeurs dans une seule ligne, séparées par une(des) virgule(s) :

HTTP/1.1 200 OK
Date: Tue, 25 May 2024 21:42:43 GMT
(…)
X-Robots-Tag: noarchive, unavailable_after: 12 Jun 2025 20:00:00 PST
(…)

X-Robots-Tag sur un serveur Apache : exemples pratiques

Il existe des bouts de code très pratiques, à mettre dans le fichier .htaccess concerné (souvent à la racine du site, mais éventuellement directement dans un répertoire précis). La seule difficulté est d'éditer ce fichier.

Interdire l'indexation des PDF avec X-Robots-Tag

Pour interdire l'indexation de tous vos PDF, ou pour les désindexer, il suffit d'ajouter une instruction X-Robots-Tag noindex à la réponse HTTP de tous les fichiers .PDF. Ajoutez l'extrait suivant dans le fichier .htaccess ou httpd.conf à la racine du site :

<Files ~ "\.pdf$">
  Header set X-Robots-Tag "noindex"
</Files>

A savoir : la commande filetype:pdf dans Google limite la recherche aux fichiers PDF.

Interdire l'indexation des images avec X-Robots-Tag

Vous pouvez utiliser l'en-tête X-Robots-Tag pour les fichiers qui ne sont pas des HTML, comme les fichiers image, qui ne permettent pas d'utiliser des balises Meta pour les robots. L'exemple ci-dessous explique comment ajouter une instruction X-Robots-Tag noindex pour les fichiers image (.png, .jpeg, .jpg, .gif, .webp) d'un site entier :

<Files ~ "\.(png|jpe?g|gif|webp)$">
  Header set X-Robots-Tag "noindex"
</Files>

Désindexer des pages après un piratage, grâce à X-Robots-Tag

Si votre site a été piraté et que de nombreuses URL ont été créées et certaines indexées, alors le header X-Robots-Tag est une solution efficace pour les désindexer. Suivez ces étapes :

1. identifiez quelque chose qui permet de repérer ces URL. On appelle ça un motif (pattern en anglais)
2. créez une regex (expression régulière) pour cibler ces URL en fonction de ce motif
3. ajoutez une instruction X-Robots-Tag "noindex" dans le fichier .htaccess (ou autre, selon votre serveur)
4. testez une des URL concernées pour vérifier que ce noindex est présent ET qu'elle est autorisée au crawl (il ne faut pas les interdire dans le robots.txt)

Supposons que plein d'URL contenant "buy" ou "cheap" aient été créées, et que vous vouliez les désindexer. Voici le code à utiliser :

<Files ~ "\b(buy|cheap)\b">
  Header set X-Robots-Tag "noindex"
</Files>

Attention à bien tester votre code ! N'oubliez pas que des URL valides peuvent aussi correspondre, ce qui serait grave. Demandez de l'aide dans le forum .htaccess de WebRankInfo.

X-Robots-Tag sur un serveur Nginx

Tout ce qui a été indiqué pour Apache peut être fait sur un serveur Nginx, en adaptant le code.

Pour définir l'en-tête HTTP X-Robots-Tag sur un serveur Nginx, voici les étapes que je vous conseille :

1. Ouvrez le fichier de configuration Nginx approprié (généralement situé dans /etc/nginx/sites-available/).
2. Dans le bloc server ou location pertinent, ajoutez la directive add_header pour définir l'en-tête X-Robots-Tag. Voici quelques exemples :

Pour appliquer le X-Robots-Tag à l'ensemble du site :

server {
    ...
    add_header X-Robots-Tag "noindex, nofollow ;
    ...
}

Pour appliquer le X-Robots-Tag à un répertoire spécifique :

location /dossier-prive/ {
    add_header X-Robots-Tag "noindex, nofollow ;
}

Pour appliquer le X-Robots-Tag à certains types de fichiers :

location ~* \.(pdf|doc|docx)$ {
    add_header X-Robots-Tag "noindex ;
}

3. Après avoir effectué les modifications, sauvegardez le fichier et testez la configuration Nginx :

nginx -t

4. Si le test est réussi, redémarrez le service Nginx pour appliquer les changements :

sudo systemctl restart nginx

N'oubliez pas de vérifier que l'en-tête est correctement défini en utilisant des outils d'analyse d'en-têtes HTTP après avoir effectué ces modifications.

Vos questions

Détails sur l'entête HTTP en SEO

L'entête HTTP, qu'est-ce que c'est ?

Il s'agit d'informations envoyées par le serveur web à celui qui cherche à accéder à un document (que ce soit le navigateur d'un internaute, le robot d'un moteur de recherche ou n'importe quoi d'autre). Une de ces informations est le code de statut HTTP, dont les valeurs les plus connues sont les suivantes :

• 200 : le document a été trouvé, il est bien disponible
• 301 : le document n'est plus disponible à l'adresse demandée, il a définitivement changé d'adresse (c'est-à-dire d'URL). On appelle ça une redirection permanente.
• 302 : le document n'est plus disponible à l'adresse demandée, il a temporairement changé d'adresse (c'est-à-dire d'URL). On appelle ça une redirection temporaire.
• 404 : le document est introuvable à l'adresse indiquée

Il y a bien d'autres codes (consultez la liste des codes HTTP si vous voulez plus de détails) mais l'entête HTTP peut contenir plein d'autres informations :

• le nom et la version du serveur web (exemple : Server: Apache/2.0.59 (Unix))
• la date de dernière modification du document (exemple : Last-Modified: Wed, 26 Sep 2023 21:19:04 GMT)
• la taille du documents, en octets (exemple : Content-Length: 7854)
• le type de document (exemples : Content-Type: text/html ou Content-Type: image/gif)
• et la valeur du tag intitulé X-Robots-Tag

Comment vérifier le contenu de l'entête HTTP ?

Si vous souhaitez voir le contenu de l'entête HTTP, par exemple pour vérifier que votre implémentation de X-Robots-Tag est correcte, il suffit d'utiliser un des nombreux outils à votre disposition :

• des outils en ligne comme celui sur WebRankInfo : analyse de l'entête HTTP (header)
• des outils intégrés au navigateur comme Web Developer, Link Redirect Trace, Live HTTP Headers ou Detailed SEO
• des logiciels spécialisés comme mon crawler RM Tech

Balise canonique dans l'entête HTTP

Sachez que de façon similaire, il est également possible de définir une URL canonique par le biais d'un entête HTTP. En résumé, il faut utiliser le format  suivant :

Link: <URL>; rel="canonical"

Par exemple :

Link: <https://www.webrankinfo.com/dossiers/techniques/url-canonique>; rel="canonical"

Ressources

Discussion dans le forum : X-Robots-Tag

Sources : doc de Google