Soft 404 : arrêtez d'enrichir la page, choisissez le bon code HTTP

Une soft 404Code HTTP indiquant qu'une page n'existe pas. Trop d'erreurs 404 nuisent au crawl budget., c'est une URL qui répond 200 OK alors que la page affichée dit, ou laisse penser, qu'il n'y a rien à voir. Google la requalifie lui-même en erreur, la sort de l'index et la range dans le rapport « Soft 404 » de la Search ConsoleOutil gratuit Google pour surveiller et optimiser la présence d'un site dans les résultats de recherche.. Votre serveur affirme que la page existe, le contenu dit le contraire, et GooglebotRobot d'exploration de Google qui parcourt le web pour découvrir et indexer les pages. croit le contenu.

Pour corriger, vous avez cinq options : rendre la page vraiment utile (200), la rediriger en 301Redirection permanente transférant le jus SEO de l'ancienne URL vers la nouvelle. vers un équivalent, renvoyer une 404 ou une 410, ou la garder en noindexDirective indiquant aux moteurs de ne pas indexer une page.. Une seule convient à chaque cas, et vous tranchez pattern par pattern. Ajouter du texte pour sortir du rapport ne règle rien tant que la règle qui produit ce 200 reste en place.

Soft 404, 404, 410 : ce que dit votre serveur et ce que Google en retient

Google ne s'arrête pas au code de statut. Il compare ce que l'en-tête annonce avec ce que la page affiche une fois rendue, et quand les deux divergent, c'est le rendu qui gagne.

Pour l'internaute, une soft 404 et une vraie 404 peuvent être strictement identiques : même gabarit, même message « page introuvable », mêmes liens vers les catégories. La seule différence se trouve dans la réponse HTTP, que personne ne regarde à part les robots. C'est pour ça que le problème traîne si longtemps sur la plupart des sites. À l'écran, rien n'a l'air cassé.

Pourquoi Google requalifie votre page

La documentation de Google sur les codes HTTP est explicite : quand le contenu suggère une erreur, une page vide ou un message d'erreur, la Search Console affiche une soft 404. La détection va donc plus loin que les messages explicites. Elle attrape aussi les listings vides, les fiches réduites à un titre et une image, et les gabarits dont le bloc principal n'a pas chargé.

Une détection sur le contenu fait des faux positifs. Une page contact très courte ou une fiche produitPage dédiée à un produit, devant être optimisée avec description unique, images et données structurées. sans description peuvent remonter dans le rapport alors qu'elles doivent exister. Les pages minces peuvent aussi atterrir sous un autre motif, « Explorée, actuellement non indexée », qui se traite lui aussi par famille d'URL. On y revient dans la matrice de décision.

Les mécanismes qui fabriquent des soft 404 en série

Quatre mécanismes produisent l'essentiel des soft 404, et chacun vient d'une règle du site, pas d'une page isolée.

La page supprimée dont la route répond toujours

C'est le mécanisme typique de l'e-commerce. Le produit est désactivé dans le back-office, mais le routeur résout toujours l'URL et le gabarit affiche « Ce produit n'est plus disponible » avec un 200. Côté métier, le CMS a fait ce qu'on lui demandait. Personne ne lui a demandé de changer la réponse HTTP.

Le contenu vide ou trop mince

Recherches internes sans résultat, catégories dont tout le stock est épuisé, archives de tags avec un seul article, pages de pagination au-delà de la dernière page réelle (?page=47 sur un listing qui en compte 12). Le serveur génère une page valide, mais vide. Google les classe en soft 404 sans hésiter.

La redirection de masse vers la page d'accueil

Un plugin ou une règle « catch-all » renvoie toute URL inconnue vers la home. Sur le papier, c'est propre : plus aucune erreur visible. Le guide de Google sur les migrations le déconseille pourtant noir sur blanc : rediriger beaucoup d'anciennes URL vers une destination sans rapport, comme la page d'accueil, peut être traité comme une soft 404. Une redirection 301 garde sa valeur seulement quand la destination répond à la même demande.

Le gabarit qui casse sans changer de statut

Une API produit qui ne répond plus, un include côté serveur introuvable, un bloc chargé en JavaScriptLangage de programmation web. Son mauvais usage peut bloquer l'indexation par les moteurs de recherche. que le rendu de Google n'exécute pas. Le header, le footer et le menu s'affichent, le contenu principal non. Le serveur renvoie 200 parce que, de son point de vue, il a bien servi du HTML. C'est le cas le plus sournois : la page doit exister, elle est juste cassée.

Détecter une soft 404 : la Search Console pour l'alerte, les logs pour le volume réel

Le rapport Search Console sert d'alerte, les logsFichiers enregistrant toutes les requêtes reçues par un serveur, permettant d'analyser le comportement des bots. mesurent le volume, et le regroupement par pattern transforme des centaines d'URL en quelques décisions. Au-delà de quelques milliers de pages, traiter les URL une par une revient à soigner des symptômes pendant que le template continue d'en produire.

Lire le rapport Soft 404 sans se noyer

Dans la Search Console : IndexationProcessus par lequel Google ajoute une page à sa base de données pour qu'elle puisse apparaître dans les résultats. > Pages, section « Pourquoi les pages ne sont pas indexées », ligne « Soft 404 ». Le rapport d'indexation des pages affiche un échantillon : la liste est limitée à 1 000 lignes et ne montre pas forcément toutes les URL concernées. Exportez, puis regroupez par pattern d'URL avant de prendre la moindre décision.

Sur un site e-commerce, un export regroupé ressemble à ça (exemple illustratif) :

Pattern                          URLsUniform Resource Locator. Adresse unique d'une page web. Une URL optimisée est courte, descriptive et contient le mot-clé.  Exemple
/recherche?q=*                    412  /recherche?q=chaussure+rouge+42
/c/*?couleur=*&ampAccelerated Mobile Pages. Framework Google pour créer des pages mobiles ultra-rapides (moins utilisé aujourd'hui).;taille=*           287  /c/baskets?couleur=vert&taille=48
/p/* (fiches désactivées)         163  /p/sneaker-xyz-2023
/blog/tag/*                        58  /blog/tag/promo-noel
redirections legacy vers /         21  /ancien-catalogue/sandales -> /

Cinq lignes, donc cinq décisions au lieu de 941 tickets. Pour chaque pattern, passez ensuite deux ou trois URL dans l'outil d'inspection et lancez « Tester l'URL active ». La capture d'écran et le HTML rendu vous disent tout de suite si Google voit un message d'erreur (problème de statut) ou un gabarit vide (problème de rendu). Les deux se corrigent de façon opposée.

Vérifier une URL à la main en trente secondes

Deux commandes suffisent pour voir ce que le serveur répond vraiment :

curl -s -o page.html -L -A "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" \
  -w "%{http_code} %{size_download} %{num_redirects} %{url_effective}\n" \
  "httpsProtocole sécurisé de transfert de données. Facteur de ranking depuis 2014.://www.exemple.fr/p/sneaker-xyz-2023"

grep -iE "introuvable|n'existe plus|aucun résultat|0 produit|indisponible" page.html

La première sort le code final, le poids du HTML, le nombre de redirections et l'URL d'arrivée. La seconde cherche les formulations d'erreur dans le contenu. Un 200 nettement plus léger que les pages saines du même gabarit, avec un match sur « indisponible » : soft 404 confirmée. Un 200 après une redirection vers / : redirection de masse. Le user-agent Googlebot est là parce que certains serveurs et CDNContent Delivery Network. Réseau de serveurs distribuant le contenu depuis le serveur le plus proche de l'utilisateur. ne répondent pas pareil aux robots et aux navigateurs.

Croiser avec les logs Googlebot

Le rapport GSC arrive en retard et ne montre qu'un échantillon. Les logs serveur, eux, montrent ce que Googlebot explore chaque jour. Sur un log au format combined, cette commande liste les réponses 200 les plus légères servies à Googlebot :

grep "Googlebot" access.log \
  | awk '$9 == 200 {print $10, $7}' \
  | sort -n | head -200

Celle-ci compte les hits par famille d'URL, pour mesurer le poids de chaque pattern suspect :

grep "Googlebot" access.log \
  | awk '$9 == 200 {print $7}' \
  | sed -E 's#\?.*##; s#^(/[^/]+/).*#\1#' \
  | sort | uniq -c | sort -rn | head -30

Raisonnez en part des hits Googlebot : combien de requêtesTerme ou expression que les utilisateurs saisissent dans un moteur de recherche. Base de toute stratégie SEO. partent sur /recherche, sur les combinaisons de filtresSystème de filtres (taille, couleur, prix) générant de nombreuses URLs. Nécessite une gestion SEO. vides, sur les fiches désactivées, face aux fiches produit actives. Règle de priorisation : dès qu'une famille de soft 404 reçoit plus de visites Googlebot qu'une famille de pages qui font du chiffre d'affaires, elle passe en P0.

Deux pièges faussent l'analyse. Le premier, c'est d'analyser les logs de l'origine alors qu'un CDN sert une partie des réponses depuis son cache. Ces hits n'atteignent jamais l'origine et vous sous-estimez le volume, il vous faut les logs du CDN. Le second, c'est de filtrer sur la chaîne « Googlebot » sans vérifier l'IP, alors qu'une partie du trafic qui se déclare Googlebot n'en est pas. Une résolution DNS inverse élimine les faux : host 66.249.66.1 doit renvoyer un nom en googlebot.com ou google.com, qui doit lui-même pointer vers la même IP. La méthode de vérification de Googlebot détaille les deux étapes.

La matrice de décision pour corriger chaque soft 404

Décidez du statut de chaque famille d'URL et inscrivez cette décision dans le code du CMS. Une correction qui ne vit que dans un fichier de redirections maintenu à la main saute au prochain import catalogue.

Si la page doit exister, réparez le rendu avant le texte

Un gabarit vide à l'inspection veut dire que le bloc principal ne s'affiche pas pour Google. Trois paragraphes de plus n'y changeront rien si ce sont les données produit qui ne chargent pas. Corrigez la dépendance, puis faites en sorte qu'une panne renvoie un 503 plutôt qu'un 200 vide : Google ralentit alors l'explorationProcessus par lequel les robots des moteurs de recherche parcourent et analysent les pages web. et garde la page dans l'index le temps de la panne, au lieu de la classer en soft 404. Si la panne dure, la page finit quand même par sortir.

Si la page s'affiche bien mais reste très pauvre (fiche sans description, catégorie avec un seul produit), là, oui, c'est un sujet de contenu. Posez-vous quand même la question honnête avant d'écrire : cette page mérite-t-elle d'être indexée ? Sur un catalogue de plusieurs milliers de références, beaucoup de fiches ne passent pas ce test.

Si la page a été déplacée

Une 301 vers un équivalent réel : même produit sous une nouvelle référence, successeur direct, catégorie renommée. Le test : un internaute arrivé par l'ancienne URL trouve-t-il ce qu'il cherchait sur la nouvelle ? Si la réponse est « à peu prAlgorithme historique de Google évaluant l'importance d'une page selon ses backlinks. Toujours utilisé en interne.ès », ce n'est pas un équivalent, et Google risque de traiter la redirection comme une soft 404.

Si la page n'existe plus

Une 404 ou une 410, avec une page d'erreur utile pour l'humain : recherche, catégories principales, produits proches. Côté Google, la question est tranchée : toutes les erreurs 4xx, sauf la 429, sont traitées de la même façon. La 410 garde un intérêt de lisibilité pour vos équipes, sur des suppressions en masse assumées. Franchement, le débat 404 contre 410 coûte en général plus de temps qu'il ne rapporte.

Si la page doit rester accessible mais non indexée

Une balise meta robots noindex, ou un en-tête X-Robots-Tag: noindex pour les ressources non HTML. L'URL reste explorable, Google lit la directive et la page sort de l'index sans compter comme une erreur. C'est la bonne réponse pour les pages utiles au parcours mais sans valeur de recherche, et pour les catégories vides sur la durée. Pour une rupture de quelques jours, gardez plutôt la catégorie en 200 avec des produits proches : au retour du stock, une page passée en noindex ne revient dans l'index qu'après le prochain passage de Googlebot.

Le robots.txt vient après la correction

Bloquer un pattern de soft 404 dans le robots.txt empêche Googlebot de l'explorer, donc de constater que la page est vide. Les URL déjà connues peuvent rester indexées sans contenu, et vous ne pouvez plus transmettre ni 404 ni noindex. Le robots.txt a sa place après coup, pour fermer des espaces d'exploration infinis une fois qu'ils sont proprement désindexés. Exception : les espaces qui n'ont jamais été indexés et n'ont pas à l'être, facettes ou recherche interne. Vous pouvez les fermer dès le départ, il n'y a rien à désindexer. Pour les facettes, la doc de Google sur la navigation à facettes va plus loin : si vous n'avez pas besoin que ces URL soient indexées, elle conseille d'en empêcher l'exploration dans le robots.txtFichier texte à la racine d'un site indiquant aux robots quelles pages explorer ou ignorer.. Sur des facettes déjà indexées, passez d'abord par la 404 ou le noindex.

Une fois le correctif en ligne, le bouton « Valider la correction » de la Search Console relance une vérification. Google annonce en général jusqu'à deux semaines environ, parfois beaucoup plus. Si de nouvelles URL du même pattern apparaissent entre-temps, la règle qui les génère tourne toujours.

Soft 404 en e-commerce, sur WordPress et en JavaScript

Chaque plateforme a son point faible : la fiche qui se vide en e-commerce, les archives et plugins sur WordPress, la route qui répond 200 à tout en JavaScript.

Produit en rupture ou retiré du catalogue

Une rupture temporaire ne pose pas de problème si la fiche reste complète : gardez le 200, affichez la disponibilité et passez availability à OutOfStock dans les données structuréesCode ajouté au HTML pour aider les moteurs à comprendre le contenu et générer des rich snippets. Product. Une fiche qui se réduit à « produit indisponible », elle, finira en soft 404. Pour un retrait définitif, revenez à la matrice : 301 vers le successeur ou 410.

Catégories, filtres et recherche interne à zéro résultat

C'est le gros réservoir. Chaque combinaison de filtres crawlable peut produire une page vide, et une navigation à facettes en génère des milliers. La même doc de Google sur les facettes pose la règle de base : renvoyer une 404 quand une combinaison de filtres ne donne aucun résultat. Ajoutez deux règles de votre côté : ne pas rendre en HTML les liens vers les combinaisons vides, et passer en noindex celles que vous devez garder accessibles. Quant à la recherche interne, elle n'a presque jamais vocation à être explorée : si elle n'a jamais été indexée, fermez-la dans le robots.txt, sinon appliquez d'abord la matrice.

WordPress : archives, pièces jointes et plugins de redirection

Sur WordPress, les suspects habituels sont les archives de tags maigres, les archives d'auteur sur les sites mono-auteur et les pages de pièces jointes. Depuis la version 6.4, les nouvelles installations redirigent les pièces jointes vers le fichier, mais les sites mis à jour gardent l'ancien comportement. Les plugins qui « redirigent toutes les 404 vers l'accueil » sont à désinstaller : ils fabriquent exactement la soft 404 décrite plus haut.

Les SPA qui répondent 200 à tout

Une application rendue côté client renvoie le même index.html avec un 200 pour n'importe quelle route, y compris celles qui n'existent pas. La documentation JavaScript SEO de Google propose deux sorties : rediriger en JavaScript vers une URL pour laquelle le serveur renvoie un vrai 404, ou injecter un noindex quand la route ne résout rien.

Les frameworks avec rendu serveur règlent le problème proprement, à condition que les devs appellent la fonction prévue (notFound() sur Next.js, par exemple) au lieu d'afficher un composant d'erreur. Sur Next.js, appelez notFound() avant le début du streaming : dans un bloc déjà en cours d'envoi, la réponse garde son 200 et Next.js ajoute seulement un noindex.

Ce que les soft 404 coûtent vraiment

Le coût le plus concret, c'est l'exploration. Le guide de Google sur le budget d'exploration le dit en toutes lettres : les soft 404 continuent d'être explorées et gaspillent ce budget. Une vraie 404 voit sa fréquence d'exploration baisser avec le temps. Une soft 404, elle, ressemble à une page vivante, donc Googlebot revient.

Le même guide vise les sites de plus d'un million de pages, ou de plus de 10 000 pages dont le contenu change chaque jour : le budget d'exploration concerne surtout les gros sites. Sur un blog de 300 pages, quelques soft 404 ne bloquent rien. Sur un catalogue à facettes, c'est une autre histoire : Googlebot passe son temps sur des pages vides pendant que les nouvelles fiches attendent.

Le dernier coût est moins discuté, et c'est celui qui me gêne le plus. La requalification en soft 404 est une décision de Google. Rien ne garantit que les autres robots, crawlers des moteurs IA compris, fassent la même analyse. Une page qui répond 200 avec « produit introuvable » peut très bien être récupérée comme source valide. Je n'ai pas de chiffres pour mesurer l'ampleur du phénomène. Mais si votre objectif est d'être cité par les moteurs génératifs, un code HTTP honnête protège mieux votre citabilité qu'un rapport Search Console à zéro.

Garder les codes HTTP sous contrôle après la correction

Une soft 404 corrigée revient par les mêmes portes : un import catalogue, une refonteModification majeure du design ou de la structure d'un site. Risque SEO si mal gérée. de template, un plugin mis à jour. Le contrôle a donc sa place dans le cycle de déploiement. Un audit annuel arrive trop tard.

Le minimum, c'est une liste d'URL témoins par gabarit (fiche active, fiche désactivée, catégorie vide, recherche sans résultat, URL inventée) que vous testez à chaque mise en production avec la commande curl vue plus haut, sans l'option -L pour lire le code que renvoie l'URL elle-même. Le pipeline échoue si une URL inventée renvoie autre chose que 404, ou si une fiche désactivée renvoie 200. Côté monitoring, suivez chaque semaine la part des hits Googlebot sur les patterns à risque : vous verrez une régression bien avant que la Search Console ne l'affiche.

Les moments où un nouvel audit s'impose sont prévisibles : migration, refonte du listing, changement de moteur de recherche interne, ajout de facettes. Le reste du temps, méfiez-vous d'un rapport Soft 404 qui reste stable. Ça peut simplement vouloir dire que Google a cessé d'échantillonner un pattern qu'il explore toujours.

Questions fréquentes