Quand on lance un crawl sur un site, le premier réflexe est souvent le même : on plonge dans la liste des codes HTTP, on filtre les 404, on traque les titles dupliqués, on vérifie que chaque page possède bien un H1. Ces analyses sont indispensables. Elles constituent le socle de tout audit technique sérieux et personne ne devrait s’en passer.

Mais la richesse d’un crawl ne s’arrête pas là. Derrière les indicateurs classiques se cachent des analyses moins courantes, qui apportent pourtant un éclairage précieux sur la santé réelle d’un site. Cet article en propose trois. Pas pour remplacer les vérifications habituelles, mais pour les compléter avec des angles d’analyse que vous n’exploitez peut-être pas encore.

Les exemples visuels de cet article sont tirés de Scouter, un crawler SEO open source et self-hostable. Mais les principes décrits ici s’appliquent quel que soit l’outil que vous utilisez.

Avant de rentrer dans le vif du sujet, un préalable s’impose.

Avant toute analyse : catégorisez vos URLs

C’est le geste qui transforme un crawl brut en un outil de diagnostic. Avant d’analyser quoi que ce soit, la première étape consiste à regrouper vos URLs par template technique : fiches produit, pages catégorie, articles de blog, pages institutionnelles, etc. Sans ce découpage, vous travaillez à l’aveugle.

Pourquoi c’est indispensable ?

Prenons un exemple concret. Votre crawl remonte 30 % de H1 dupliqués sur l’ensemble du site. Le chiffre fait peur. Mais en l’état, il ne vous dit rien sur la cause du problème.

Maintenant, éclatez cette donnée par catégorie. Vous découvrez que la duplication touche massivement les fiches produit. L’hypothèse devient limpide : les déclinaisons (couleur, taille) génèrent un H1 identique parce que le variant n’est pas intégré dans le titre. La recommandation coule de source : modifier la règle de génération du H1 produit pour y injecter l’attribut de déclinaison (la couleur du produit par exemple).

Sur le template article, le même symptôme peut avoir une cause totalement différente : un mauvais balisage du template, un H1 codé en dur, un champ éditorial mal configuré. La recommandation sera donc elle aussi différente.

La logique à retenir : Constater l’anomalie → éclater par template → observer des exemples → comprendre le pattern → formuler une recommandation ciblée.

C’est cette démarche de catégorisation qui donne du sens à toutes les analyses qui suivent. Pensez-y comme un filtre que vous posez sur vos données pour passer du constat global à la compréhension fine.

1. La profondeur de crawl : un diagnostic express de votre architecture

Parmi les données remontées par un crawl, le niveau de profondeur des pages est sans doute l’une des plus parlantes. Beaucoup la survolent, se contentant de vérifier que les pages importantes ne sont « pas trop profondes ». C’est passer à côté de l’essentiel.

De quoi parle-t-on ?

Le niveau de profondeur d’une page correspond au nombre minimum de liens qu’il faut suivre depuis la page d’accueil pour y accéder. C’est le chemin le plus court, pas n’importe quel chemin. On parle souvent en « clics » pour vulgariser, mais ce sont bien les liens qui comptent. La homepage se situe au niveau 0, les pages qu’elle lie directement...