Dix mille pages le premier jour : ce que les moteurs font d'un tube tout neuf

Un tube tout neuf mis en ligne avec dix mille pages en voit quelques centaines indexées, puis, lentement, de moins en moins. Le reste attend dans l'antichambre de l'index pendant des mois, et le site entier est jugé sur cette antichambre. Ce n'est pas une pénalité et ce n'est pas un bac à sable. C'est de l'arithmétique, et ça vaut la peine de la comprendre parce qu'elle décide de la seule chose que tu contrôles le jour du lancement : le nombre de pages que tu publies.

Ce qu'un robot accorde à un domaine neuf

Google le documente ouvertement dans son guide sur le budget de crawl. Chaque site reçoit un rythme de crawl que ses serveurs et sa valeur perçue peuvent porter, et la demande vient de l'air de popularité et de fraîcheur de ses URL. Un domaine enregistré le mois dernier, sans lien qui pointe dessus et sans historique, démarre petit. Quelques centaines de lectures par jour, c'est une image raisonnable d'un site frais, et ça grandit à mesure que le site gagne des liens et que les pages déjà lues s'avèrent en valoir la peine.

Mets dix mille pages devant ça. Le robot lit l'accueil, le sitemap, quelques catégories, quelques centaines de vidéos, et s'arrête pour la journée. Demain il revient en lire quelques centaines de plus, mais il doit aussi revérifier celles d'hier, et il donne la priorité à ce qu'il croit avoir changé. Des semaines plus tard, la plus grande partie du site n'a jamais été lue, et ce qui a été lu a été jugé.

Ce que les pages jugées disent du reste

C'est la partie qui transforme un départ lent en mauvais départ. Le robot n'évalue pas les pages une par une, isolément. Il se fait une image du site à partir de l'échantillon qu'il a, et l'échantillon d'un tube lancé en masse, c'est quelques centaines de pages qui se ressemblent toutes : un player, un titre du flux, une description du flux, une grille de vignettes. Le même titre et la même description existent sur tous les autres sites nourris par le même réseau. Sur la foi de cet échantillon, le robot décide de la part de son budget que le reste du site mérite. Moins, en général.

Donc le site reçoit moins de lectures, donc plus de pages restent hors de l'index, donc le site est surtout fait de pages non indexées, ce qui est la définition d'un site mince généré en masse. La boucle se referme en deux mois. Le propriétaire voit quarante visites et accuse la niche.

La signature d'un site que personne ne tient

Il y a une seconde lecture du lancement, et elle porte sur la façon dont un site se comporte dans le temps plutôt que sur ce qu'il dit. Un site tenu par une personne publie des pages cette semaine, d'autres la semaine prochaine, davantage dans un mois. Son sitemap gagne des entrées à un rythme humain, et chaque page porte une date proche du jour où elle est apparue. Ce motif est ordinaire et c'est à quoi ressemble presque tout le web.

Un site qui passe de zéro à dix mille en une nuit et ne change plus jamais a la forme d'un vidage de base de données. Rien n'y dit que quelqu'un est là. Les moteurs ont passé vingt ans à apprendre à distinguer ces deux formes, parce que la seconde est celle où vit le spam. Tu n'as pas besoin d'être du spam pour en avoir la forme ; il suffit de tout lancer d'un coup et de t'arrêter.

Le rythme qui marche

L'alternative n'est pas « publier lentement pour toujours ». C'est un lancement qui ressemble à un site avec un passé, suivi d'un rythme qu'un robot peut suivre. Concrètement :

Une première fournée déjà là quand le site ouvre, avec des dates étalées sur les semaines précédentes, pour que le site n'ait pas l'air né ce matin. Puis un nombre stable de nouvelles pages chaque jour, chacune avec sa date, chacune avec un texte qui n'existe que sur ce site. Le sitemap grandit tous les jours, le robot trouve du neuf à chaque visite, et l'échantillon qu'il se construit est fait de pages qui valent la lecture. Le budget grandit avec, et les pages publiées demain sont indexées demain au lieu de rejoindre la file.

Les chiffres exacts comptent moins que la forme. Pour un site de vidéos, le rythme sur lequel on s'est arrêtés, et qu'on a cessé de rendre réglable, c'est soixante vidéos datées sur les quatre-vingt-dix jours précédents au lancement, puis six nouvelles vidéos par jour. C'est le même sur tous les plans parce que ce n'est pas une fonctionnalité, c'est la vitesse à laquelle un domaine de niche jeune fait indexer des pages. Publier plus ne produit pas plus de pages indexées ; ça produit la file d'attente.

Ne jamais retirer une page

Une règle de plus, et c'est celle que les gens enfreignent pour de bonnes raisons. Une fois qu'une page est indexée et qu'elle est dans les résultats depuis un moment, elle a gagné quelque chose, et la dépublier jette ça à la poubelle. Les propriétaires le font quand ils changent de plan, élaguent des catégories, ou passent à une formule moins chère qui « n'inclut que » tant de vidéos. Chaque page retirée est un signal de classement rendu.

Donc : ce qui est en ligne reste en ligne. Si le budget des nouvelles pages doit s'arrêter, arrête les nouvelles pages ; ne touche pas aux anciennes. Un site qui cesse de grandir perd sa fraîcheur lentement. Un site qui rétrécit perd son classement vite.

Ce qu'il faut surveiller

Dans la Search Console, deux chiffres disent si le lancement a marché. Le premier, c'est le nombre de pages indexées face au nombre de pages du sitemap : sur un lancement sain, l'écart se referme en quelques semaines et reste fermé, avec les nouvelles pages indexées un jour ou deux après leur publication. Le second, c'est le rapport des statistiques de crawl, où le nombre de lectures par jour doit monter de mois en mois. Si le nombre de pages indexées s'aplatit pendant que le sitemap continue de grandir, tu publies au-delà du budget ; ralentis au lieu de pousser.

Rien de tout ça n'est propre aux sites adultes, sauf que les tubes adultes sont ceux qu'on construit le plus souvent en versant un flux dans un template, donc ceux qu'on lance le plus souvent comme ça. Le remède, c'est un calendrier de publication, du texte unique, et une patience qui se compte en semaines. La publication programmée de Jimp, c'est ce calendrier intégré et impossible à couper, et la page Publication et SEO de la doc en donne le détail. Mais si tu tiens ta propre pile, la règle est la même : lance comme un site qui a un passé, publie au rythme où tu peux être indexé, et ne retire jamais une page.