Fort déséquilibre d’indexation entre français et anglais (site bilingue)

AppErgo · Samedi à 07:54

Bonjour à tous,

J'ai un problème d'indexation avec mon site bilingue : https://www.appergo.com

Le site est relativement jeune : la v0.4 a été mise en ligne fin avril et il est actuellement en v0.8.9, avec de nombreux outils web ajoutés à partir de la v0.7.

Je pense avoir mis en place l'essentiel :

balise canonical sur chaque page ;
balises hreflang réciproques EN/FR ;
balise x-default pointant vers la version anglaise ;
un sitemap index contenant deux sitemaps distincts, un pour chaque langue (ajoutés bien sûr dans GSC);
page d’accueil anglaise à la racine du domaine, puis pages anglaises dans /en/ ;
page d’accueil française dans /fr/index.html, puis pages françaises dans /fr/ ;
contenus, titres, descriptions et navigation traduits ;
liens internes équivalents dans les deux versions.
boutons "English" / "Français" sur chaque page

Cependant, côté indexation Google, ça stagnait autour de 40-50 pages... alors que j'en ai quelques centaines.

Il y a une semaine, j'ai donc décidé de mettre plus de 120 liens directs vers mes outils web sur mes pages d'accueil.
Résultat ? Le jour même, côté FR, GoogleBot a tout crawlé, et il a indexé les pages les jours suivants. Une vraie réussite donc. Par contre, il n'a pas fait de même avec les liens sur la homepage anglaise.
Quelques jours plus tard, j'ai remis une quarantaine d'autres liens sur mes 2 pages d'accueil, et le comportement fut le même : crawle et indexation dans la foulée côté FR. Et côté EN, c'est ignoré.
GoogleBot visite de temps en temps ma page d'accueil anglaise, mon robots.txt et, rarement, il chope une page EN.

Actuellement, la situation est donc plutôt bonne pour la version française : une recherche manuelle affiche environ 24 pages de résultats sur Google France. Sur Google US et Google UK, j’obtiens également une vingtaine de pages de résultats, mais seules les deux premières contiennent principalement des pages anglaises. Les suivantes sont très majoritairement constituées de pages françaises.

GSC indique actuellement 218 pages indexées (j'en ai 293... pour chaque langue)

J'ai pensé que mon serveur en France me pénalisait peut-être. Il y a quelques jours, j'ai donc mis mon site derrière Cloudflare pour qu'il serve au max mon contenu (html compris). Bonne surprise : les temps de chargement ont sacrément baissé (mon site est statique à 99%). Mais 0 changement côté crawle de la version EN.

Ce qui me surprend, c’est que Googlebot peut être extrêmement réactif avec la partie française, tout en ignorant largement une partie anglaise techniquement presque symétrique et censée être la version par défaut du site.

Auriez-vous une idée du signal qui pourrait pousser Google à privilégier autant la version française ? Y a-t-il un point particulier que je devrais vérifier dans Search Console, mes logs serveur, mes hreflang, mes canonicals ou ma structure d’URL ?

EUSKAL CONSEIL · Samedi à 22:36

Bonjour je ne sais pas si ça va t'aider, moi aussi je suis sur un .com mais en trilingue, autant je n'ai pas eu trop de problème d'indexation sur mes landing pages dans les 3 langues, mais chaque architecture de site (donc dans chaque langue) est différent, par contre sur les articles de blogs qui étaient trop proches sémantiquement sur le même sujet je sais que google était réticent à l'es indexer en espagnol ou en anglais, donc j'ai fait des articles différents dans chaque répertoire linguistique...et après un an de travail et une réconciliation d'entité avec l'id gmb et le nap de ma zone d'intervention google teste mes contenus en espagnol enfin en tout cas un peu plus qu'au début, ça tient surtout à la cohérence des noeuds d'autorité et de mon NAP....et j'ai aussi des backlinks dans chacune des langues pour la plupart obtenus grâce à mes articles de blogs... Bon pour faire simple l'indexation actuelle est directement liée au knowledge graph de google qui fonctionne sur des triplets sémantiques...mais qui ne se répètent pas pour les entités ni la même entité...

etienneaubry · Dimanche à 10:56

Bonjour AppErgo,

Vraie contradiction en effet : la même action (ajout de liens sur les 2 accueils) donne un résultat quasi instantané en français et zéro effet en anglais, sur une architecture pourtant symétrique. Ça oriente plus vers un problème de PRIORITÉ de crawl que de config technique (hreflang/canonical réciproques ne pilotent normalement pas la vitesse à laquelle Google découvre une page, seulement quelle version il affiche une fois qu'il a le choix entre les deux).

Un réflexe que je n'ai pas vu dans le fil : dans GSC, sur le rapport Pages, regarde le statut détaillé des URLs /en/ non indexées. Il y a une vraie différence entre "Découverte, actuellement non indexée" (Google connaît l'URL mais n'a même pas pris la peine de la crawler = pur problème de priorité/budget) et "Explorée, actuellement non indexée" (Google l'a visitée puis a choisi de ne pas indexer = souvent un souci de qualité perçue ou de duplication). Si toutes tes pages EN sont dans le 1er cas, ça confirme que ce n'est pas ton contenu qui pose problème, juste que Google ne juge pas encore urgent de les visiter.

Deuxième piste, plus terre à terre : regarde tes logs serveur filtrés sur le vrai GoogleBot (vérifié par IP/reverse DNS, pas juste le user-agent) sur les 30 derniers jours, /en/ vs /fr/. Ça donne la fréquence réelle de crawl, plus fiable que l'échantillon GSC.

Troisième piste : le crawl demand d'une page jeune dépend énormément des signaux externes (backlinks, mentions, partages) qui pointent vers elle. Si l'essentiel de tes premiers backlinks/mentions (annuaires, réseaux, presse) pointent vers la version FR ou vers le domaine racine sans préciser la langue, Google alloue naturellement plus de budget de crawl au cluster FR, même avec un hreflang parfaitement réciproque, qui ne pilote QUE l'affichage, pas la découverte.

Dernier point, vu que tu es passé sous Cloudflare récemment : vérifie dans GSC > Statistiques d'exploration que le code retour HTTP sur /en/ n'a pas bougé après l'activation. Un Bot Fight Mode ou une règle WAF trop agressive peut occasionnellement challenger même un GoogleBot vérifié, sans que ça se voie à l'oeil humain. J'ai jeté un oeil à ton robots.txt : il liste pas mal de règles de blocage bot (légitime pour les IA), juste à confirmer que rien ne déborde sur Googlebot lui-même.

As-tu déjà comparé le ratio Découverte/Exploré pour tes pages EN non indexées ?

Cordialement,
Dilm Seo

AppErgo · Dimanche à 11:01

Bonjour à toi

Déjà, un grand merci pour ta réponse.

Cela fait plusieurs jours que je cherche à comprendre ce qui ne va pas, vu que j'ai fait vraiment tous les efforts possibles pour que mon site soit correctement architecturé (hreflang, sitemaps & co, comme je l'ai expliqué plus haut). J'ai aussi beaucoup travaillé sa qualité technique (lighthouse au top et propreté du html vérifié via W3C).

J'ai cherché via Google, mais je n'ai pas trouvé grand chose. J'ai discuté avec des IA, et ce n'est pas beaucoup mieux : Copilot et Gemini m'inventent des soucis qui n'existent pas ou me conseillent des choses que j'ai déjà mis en place, et chatGPT ne trouve rien à redire puisque, selon lui, mon site respecte déjà très bien les recommandations de Google.

Donc, les "problèmes" restant semblent être les suivants :

un souci évident : mon site étant jeune, il a presque aucun backlinks (à part ma page github, une page Saashub, et mes posts sur Twitter). Je sais que ça lui porte préjudice et que je vais devoir m'atteler à "promouvoir" mon site, enfin ses 2 versions, et de manière séparée pour viser leur public respectif. Divers sites d'audit que j'ai testés m'avaient bien signalé ce problème d'"autorité".

un autre problème, plus sournois (que je pensais avoir découvert hier et que tu abordes) : mon site EN est vraiment le miroir de mon site FR. Je pensais que c'était la bonne façon de faire. J'ai conçu mon site ainsi : une news est forcément bilingue, un article est forcément bilingue, etc. Mais c'est peut-être justement ce qui pose problème. Google verrait cela un peu comme du contenu dupliqué (même si les textes sont bien traduits et les hreflang bien configurés)... et il donnerait une forte priorité à une langue plutôt qu'à une autre. La solution serait de faire vivre séparément les différentes version linguistique du site.

Jai justement commencé hier a séparé cela : possibilité de poster une actu uniquement en FR, ou uniquement en EN. Idem pour les articles. J'en étais à différencier aussi certains élément de ma page d'accueil (nb d'articles affichés qui pourra maintenant être différent).

Je me demande d'ailleurs si je ne vais pas non plus séparer mon CSS. Un design pour mes pages FR, un autre pour mes pages EN. Même si ChatGPT ne me le recommande pas... je me demande quand même si ça n'aiderait pas Google a comprendre que ce sont 2 sites différents, pour 2 publics différents, et qu'il faut les indexer l'un comme l'autre avec la même priorité.

A noter qu'au niveau de mes outils web, les versions FR et EN sont presque "semblables", mais sur les plus récents, j'ai veillé à faire porter la langue au niveau de leur html, pas au niveau du javascript. Il faut que je corrige enccore une 50aine d'outils pour finir de basculer vers ce modèle qui est clairement recommandé.

Bref, ton message confirme totalement les 2 points que j'avais détectés. Le premier était une évidence, le second... beaucoup moins. Ton retour d'expérience me conforte à aller dans cette direction. Donc vraiment, merci à toi.

AppErgo · Dimanche à 11:05

Bonjour Etienne, merci pour ta réponse également. Là, je dois filer, mais je lirai bien sûr celle-ci très attentivement à mon retour.

AppErgo · Dimanche à 17:33

Je viens de regarder GSC. J’ai actuellement 22 pages indiquées comme « Explorées, actuellement non indexées », mais ce rapport semble en retard : lorsque j’inspecte plusieurs de ces URL individuellement, GSC confirme qu’elles sont bien indexées. Peu après mon premier message, Google a également exploré trois nouveaux outils anglais. Il ne les ignore donc pas totalement, mais aucun crawl massif comparable à celui sur la version FR.

Mais tu as raison, je vais télécharger mes logs sur les 30 derniers jours pour en récupérer les véritables visites de Googlebot, après vérification des IP. Je pourrai ainsi comparer précisément l’accueil EN, l’accueil FR et les autres pages de chaque langue.

Concernant Cloudflare, il n'est pas en cause. Je l’ai installé très récemment, alors que le déséquilibre existait déjà. Je vérifierai tout de même les codes HTTP et les statistiques d’exploration. Mon robots.txt ne contient aucune règle bloquant Googlebot.

Mon site était bilingue dès la v0.4, mise en ligne le 25 avril, et même la landing page précédente l’était déjà. Par contre, je reconnais que j'ai tatonné au début au niveau de la structure des URL FR/EN ; j'ai stabilisé ça à partir de la v0.6 ou la v0.7 (il y a maintenant près de deux mois...). Je pense que Google a malgré tout pu construire assez tôt une priorité d’exploration en faveur du français, car site jeune sans backlink, hébergé en France, sans CDN.

A noter que je viens tout juste de publier la v0.9 :

les actualités et articles peuvent désormais être propres à une langue,
l’ordre de certains blocs diffère entre les deux accueils
chaque version de l'accueil possède sa propre sélection de « meilleurs outils »
des classes CSS différentes sur mon header/body/footer afin de différencier légèrement l'apparence des 2 versions

Aussi, vu que j'ai des sélections FR et EN pour quelques dizaines d'outils web, j'ai retiré les centaines de liens directs vers l’intégralité de mon catalogue. Ça m'a grandement aidé pour l'indexation FR, mais inutile de laisser ça et d'attendre encore (j'ai de toute manière l'équivalent sur 2 pages : plan du site et page "tous les outils")

Je vais donc analyser les logs, développer progressivement des contenus et des liens propres à chaque public, puis observer si la priorité de crawl évolue.

Encore merci à vous deux.

Cordialement,
Seb

AppErgo · Dimanche à 17:43

A titre de comparaison, Bing webmaster Tools recense actuellement 615 URL, contre 218 dans GSC. J'ai pas encore analysé mes logs, mais ça confirme bien ce que j'ai pu observer "en direct" : Bing est très régulier et actif, tandis que GoogleBot est beaucoup plus discret.

La seule véritable exception a été le jour où j’ai ajouté un grand nombre de liens directement sur la page d’accueil. Googlebot a alors exploré massivement les outils web en version FR, alors qu’il semblait jusque-là accorder quasi aucune attention à la page "Tous les outils" ou les pages de catégories d'outils... pourtant accessibles en un seul clic depuis l’accueil.

EUSKAL CONSEIL · Dimanche à 22:13

Bon écoute je suis en lien avec des consultants du Mexique qui comme moi font du seo d'entités j'ai abordé les points que je t'ai soulevé car eux sont depuis plus d'un an déjà sous le régime de l'AIO et de toutes l'infrastructures IA de google sur le knowledge graph et product graph, j'attends de leur part confirmation de mes hypothèses évoquées plus haut qui sont logiques quand on raisonne en entités, triplets sémantiques et économie de budget crawl côté Google...dès que j'ai une réponse sur le sujet car nous abordions d'autre sujets d'actualité aussi je te tiens au jus...tu utilises quel cms?

Lydie

EUSKAL CONSEIL · Dimanche à 22:18

Bon et bien mon hypothèse est non seulement juste mais c'est la nouvelle ère des sites multilingues...tu sais maintenant ce que tu as à faire....

AppErgo · Dimanche à 22:58

C'est un CMS maison. J'utilise les outils modernes comme codex/chatGPT pour le créer. Bref, pour le moment, je ne mets pas encore trop les mains dans le code. (Heureusement, j'ai quelques connaissances en programmation, donc ça me permet de cadrer - ou plutôt recadrer X fois ! - ce que génère l'IA)

EUSKAL CONSEIL · Lundi à 07:31

Tu sais ça me fait bizarre quand tu dis que tu ne mets pas trop les mains dans le code et que tu dis utiliser un cms maison...bon en tout cas en matière de seo d'entités ce qui reste à explorer c'est au niveau des données structurées envoyées dans le knowledge graph de google, on a remarqué que les sites wordpress ancien avaient une certaine rigidité sémantique d'une part liée à l'ancienneté du domaine et la nécessité de la stabilité vectorielle pour google, mais aussi en raison des données structurées envoyées par les plugins, ce sont des éléments qui permettent l'interprétation.... pour ma part avec mon cms no code et mon architecture plate c'était une autre affaire mais mon site est trop récent pour que je puisse en tirer un conclusion...la réalité économique du consulting en matière de seo d'entités ne nous permet pas à ce jour d'avoir plus d'éléments pour conclure à moins de rencontrer un autre consultant qui le pratique sur des sites plus jeunes....

AppErgo · Lundi à 09:30

Tu peux me croire, ça me fait bizarre de parler de "CMS maison" alors que l'essentiel du code est actuellement produit par Codex / ChatGPT. Il y a X années de cela, quand je bidouillais un peu en PHP/HTML/CSS/JS (avec MySQL et phpMyAdmin), j'avais plutôt les mains dans le cambouis : j'écrivais mon code avec Notepad++.
Pour le moment, j'ai plutôt l'impression de créer un prototype. J'essaie de guider l'IA via mes instructions/demandes, j'arrive même à lui faire sortir une architecture MVC qui se tient (+ validation W3C et très bons scores Lighthouse), mais il est certain que je m'"amuserai" à réécrire une bonne partie du site à un moment donné. Tant que ce n'est pas satisfaisant, je "vibecode", comme disent les jeunes. ^^

Le SEO est par contre une découverte totale pour moi. C'est très frustrant, mais aussi très intéressant. Et je comprends bien que dans ce domaine, avec des algorithmes volontairement opaques (ce qui se comprend si on se place du côté de Google & co), on doit faire des hypothèses et tester différentes pistes.
Le coup des XXX liens sur la page d'accueil, c'était d'ailleurs bien une bidouille de ma part... qui a à moitié fonctionné, ce qui est déjà pas mal.
Bref, je vais explorer un temps les "deux" sites qui vivent leur vie en parallèle - plus en miroir parfait donc -, et je verrai bien ce que ça donne. Qui ne tente rien n'a rien. ^^

Mais il faut aussi, et peut-être surtout, que je m'attele sur les backlinks (Je sais que ça va être une grosse galère pour moi...). J'attends encore un peu car c'est "compliqué" de proposer mon site ici et là, même avec plus de 200 outils, quand une 50aine d'entre eux sont encore un peu bancals/buggés ou à finaliser.

EUSKAL CONSEIL · Lundi à 15:26

En vrai l'algorithme n'est pas vraiment opaque quand on lit la search console correctement et qu'on raisonne en seo d'entité pragmatisme et réalisme, l'opacité vient surtout de nos attentes non pourvues malgré toutes nos optimisations techniques...mais quand on revient à l'entité et aux noeuds d'autorité on gagne du temps en terme d'éclairage...moi je code avec Gemini mais c une horreur parfois car il faut tout surveiller et pas mal d'erreurs se glissent d'autant que je n'ai pas vraiment appris les bases, en tout cas ça fonctionne...mon prochain apprentissage sera sans doute de mieux maîtriser l'outil cloudflare mais je t'avoue que je me demande si ça a un intérêt car on dirait que l'algorithme s'est protégé de la suroptimisation afin de servir ses propres intérêts....enfin j'ai réussi à mieux stabiliser mon graph d'entités quand même....

AppErgo · Mardi à 07:22

J'ai téléchargé mes logs sur une trentaine de jours et j'ai discuté avec chatGPT pour lui demander de me fournir un rapport, avec des graphs, ainsi, c'est beaucoup plus parlant. Bref... c'est très intéressant et ça confirme bien le souci de déséquilibre FR/EN avec GoogleBot.

Screenshot 2026-07-21 at 07-58-21 Analyse des crawlers AppErgo — 20 juin au 20 juillet 2026.png

AppErgo · Mardi à 07:51

J'ai demandé à chatGPT d'ajouter les 2 autres robots que je vois régulièrement dans mes logs : Baiduspider et Seznam.

C'est très intéressant aussi pour moi, car je pensais Baidu beaucoup moins présent que ça (alors qu'il l'est presque autant que Bing !) et je pensais que Seznam l'était beaucoup plus (mais en fait, non).

Je lui ai également demandé un graph final pour bien comparer les 5 robots sur la même échelle.