Sites d'annuaires qui comptent 28 000 pages sans être pénalisés pour contenu insuffisant.

Pratiquement n'importe quelle structure de répertoires, à condition de disposer d'une source de données structurée. Au cours des deux dernières années, les modèles que j'ai mis en œuvre se répartissent en quatre grandes catégories, et la plupart des projets clients s'inscrivent d'une manière ou d'une autre dans l'une d'entre elles.

Les annuaires sectoriels répertorient les entreprises d'un secteur donné, classées par catégorie, localisation, taille et fonctionnalités. HostList.io en est l'exemple par excellence : je le gère moi-même et il recense environ 28 000 hébergeurs web, classés par type d'hébergement, région, fourchette de prix et cas d'utilisation. Les acheteurs y trouvent des prestataires, les prestataires y génèrent du trafic, et l'annuaire lui-même se monétise grâce à des placements sponsorisés, des liens d'affiliation ou des annonces premium payantes, selon ce qui convient le mieux au secteur concerné.

Les annuaires locaux et géolocalisés constituent le deuxième type de contenu. Guides de restaurants, guides de pubs, annuaires de dentistes, annuaires d'artisans… Chaque fiche est associée au schéma LocalBusiness et contient des coordonnées GEO, des horaires d'ouverture et des notes, lorsque vous disposez des droits sur ces données. Les pages programmatiques classées par ville et par catégorie, telles que « les meilleurs restaurants italiens à Manchester » ou « les pubs à Stoke Newington », constituent l'essentiel de la surface de SEO « long tail » sur ces sites.

Les annuaires d'outils et de logiciels répertorient les produits logiciels au sein d'une catégorie donnée : outils CRM, applications de gestion de projet, plateformes « no-code », outils d'IA. Le trafic sur ces sites provient principalement des pages comparatives (Notion vs Linear vs ClickUp) et des pages présentant un tableau comparatif des fonctionnalités, où l'internaute connaît déjà les noms des produits et cherche simplement un critère décisif pour faire son choix.

Les annuaires de personnes et de services constituent le quatrième modèle. Agences. Indépendants. Consultants. Photographes. Avocats. La difficulté avec ce type de projet réside dans le fait que la plupart des annuaires de personnes finissent par disparaître, car les informations qu’ils contiennent deviennent obsolètes et personne ne les met à jour. Nous intégrons dès le premier jour du projet des processus de péremption et une fonctionnalité de modification des profils en libre-service, plutôt que de les ajouter a posteriori.

HostList.io est l'annuaire que j'ai développé seul afin de répertorier l'ensemble du secteur de l'hébergement web. Il compte environ 28 000 fiches d'hébergeurs, en ligne depuis le printemps 2024, et repose sur la même pile technologique (Next.js, Supabase et Vercel) que celle que nous utilisons désormais pour créer les annuaires de nos clients.

HostList répertorie tous les hébergeurs web que nous pouvons vérifier, classés par type (hébergement mutualisé, VPS, WordPress géré, cloud, serveur dédié, revendeur), par région, par tranche de prix et par cas d'utilisation. Le site propose des pages de comparaison entre des hébergeurs spécifiques, des pages de catégories pour chaque segment, une interface de recherche et de filtrage capable de gérer un ensemble de données de 28 000 lignes sans latence de requête, un balisage de schéma sur chaque fiche, ainsi qu’un plan du site en streaming, car le nombre d’URL dépasse déjà la capacité d’un seul fichier sitemap.xml.

Les trois enseignements tirés de cette expérience guident désormais la création de chaque annuaire client. Premièrement, la qualité des données est primordiale. Les pages comportant au moins trois éléments de données uniques, en plus du nom de l’entité, résistent aux mises à jour de Google ; celles qui ne contiennent qu’un nom et une description générique sont désindexées. Deuxièmement, à cette échelle, les liens internes ont plus d’importance que les backlinks. Le réseau de liens entre les fiches produits, les catégories et les pages de comparaison détermine quelles pages « feuilles » sont explorées suffisamment souvent pour rester indexées. Troisièmement, « programmatique » ne rime pas avec « paresse ». Chaque page doit avoir une raison d’être, et « nous avons une ligne dans la base de données » n’en est pas une.

Nous avons exclu environ 15 % de la base de données de l’indexation, car le seuil de données uniques n’était pas atteint pour ces lignes. Nous avons supprimé les pages de catégories comportant moins de cinq fiches pertinentes, car elles donnaient l’impression d’être trop maigres, même si le schéma sous-jacent était correct. Nous avons ajouté des pages de comparaison entre des concurrents spécifiques en tant que type de page distinct, et ce modèle s’est avéré générer l’un des taux de conversion les plus élevés du site. Cette stratégie est désormais la norme pour tous les annuaires que nous livrons à nos clients.

Il y a plus de répertoires qui disparaissent que de ceux qui survivent, et les causes d'échec sont suffisamment prévisibles pour que je puisse généralement déterminer, dès le premier appel, vers quelle issue un projet se dirige.

La désindexation due à un contenu pauvre est l’échec le plus courant. Un annuaire est lancé avec cinq mille entrées, dont la moitié ne comporte qu’un nom et une description d’une ligne, et Google indexe les mille cinq cents premières avant de s’arrêter. Le site donne l’impression d’être un simple agrégateur réalisé sans grand effort. Six mois plus tard, la plupart des pages indexées sont désindexées lors d’une mise à jour majeure. La solution doit intervenir dès la collecte des données : chaque ligne doit comporter trois éléments uniques avant de pouvoir figurer dans le plan du site, et non pas « on complétera plus tard ».

La dérive des données obsolètes constitue le deuxième schéma. Un annuaire qui répertoriait des entreprises valides en 2023 ne répertorie plus qu’une moitié d’entre elles en 2026, car personne n’a mis à jour les entrées : les coordonnées sont périmées, les sites web redirigent vers des pages de parking, et l’annuaire perd de sa crédibilité tant aux yeux de Google que des visiteurs humains. Nous intégrons soit des processus d’édition participatifs permettant aux entreprises répertoriées de revendiquer et de modifier leur profil, soit des contrôles automatisés de mise à jour qui désactivent les fiches obsolètes, soit les deux. Sans mécanisme de mise à jour, l’annuaire perd toute pertinence au fil du temps, quelle que soit la qualité initiale des données.

L’absence de « fossé » constitue le troisième schéma. Trois annuaires concurrents couvrent le même secteur d’activité avec des données similaires. Aucun ne dispose de données exclusives, et aucun n’a donc de raison valable d’exister. Les parts de marché en matière de recherche sont fragmentées et aucun d’entre eux ne se démarque dans les classements. La solution réside dans la dimension éditoriale : analyses originales, notations, recommandations et cadres de comparaison, que les données sous-jacentes ne peuvent à elles seules fournir. HostList se distingue par sa grille d’évaluation, et non par sa liste d’hébergeurs, car cette dernière n’est pas particulièrement justifiable en soi.

Le « gonflement » de l’index dû aux filtres constitue le quatrième schéma. Un répertoire comportant huit dimensions de filtrage peut techniquement générer des millions de combinaisons d’URL. Si chaque combinaison est indexable, vous inondez Google de pages de faible qualité et affaiblissez les pages de qualité. Nous bloquons systématiquement l’indexation des combinaisons de filtres de faible qualité : tout ce qui comporte moins de trois résultats reçoit l’attribut « noindex », tout ce qui ne correspond à aucune intention de recherche réelle (comme les ordres de tri ou les pages à partir de la deuxième) reçoit l’attribut « noindex », et seules les combinaisons de filtres canoniques correspondant à de véritables recherches restent indexables.

Une architecture de référence pour un annuaire comporte cinq couches. Chaque projet adapte ces spécificités, mais la structure de base reste la même d'une version à l'autre.

La couche de données est gérée par Postgres via Supabase ou en auto-hébergement, avec des index appropriés sur chaque colonne de facette. Il existe une table dédiée aux fiches pour chaque type d’entité (entreprises, produits, lieux, personnes), ainsi que des colonnes de contrôle qualité associées au contenu (score d’unicité, pourcentage d’exhaustivité, horodatage de la dernière vérification). Une vue d’éligibilité au plan du site filtre automatiquement les lignes ne respectant pas le seuil de qualité.

Les modèles de page se répartissent en une page de détail d'annonce (données complètes, annonces associées, schéma, fil d'Ariane), une page de catégorie (liste paginée avec interface de filtrage et schéma ItemList), une page de comparaison permettant de comparer directement des entités nommées, une page de localisation avec carte intégrée et schéma géographique lorsque la géographie est un élément important, ainsi que des pages « À propos » et « Méthodologie » qui apportent la valeur éditoriale originale que les données sous-jacentes ne peuvent pas fournir.

La recherche et le filtrage utilisent la recherche en texte intégral de Postgres pour environ dix mille entrées, puis Algolia ou Meilisearch pour les répertoires plus volumineux nécessitant une faible latence de requête. Les URL de filtrage générées côté serveur attribuent une URL canonique à chaque combinaison de filtres, tandis que l’application de l’attribut « noindex » aux combinaisons peu pertinentes ou en double évite la surcharge de l’index. Pour la soumission et la modération, la plateforme dispose d’un formulaire public permettant d’alimenter le modèle grâce à la contribution collective, d’une file d’attente administrative affichant les scores de contrôle qualité pour examen par les modérateurs, d’e-mails de refus types indiquant des motifs précis, ainsi que d’un processus de modification en libre-service permettant aux entités répertoriées de revendiquer et de mettre à jour leur propre profil.

L'architecture SEO est la couche qui détermine si le répertoire sera conservé. Un plan de site en streaming suivant un modèle « chunk-per-template », les balises schema.org « Organization », « Product », « Place », « Service » ou « LocalBusiness » sur chaque fiche selon le cas, une « CollectionPage » avec une « ItemList » sur les pages de catégories, une « BreadcrumbList » partout, une URL canonique générée à partir d’une source unique de vérité (la base de données, et non le modèle), ainsi qu’un linter SEO intégré à la phase de compilation qui bloque la compilation en cas d’absence de balise H1, de méta-descriptions trop longues ou de JSON-LD non valide.

La monétisation s'effectue grâce aux annonces mises en avant (un indicateur booléen permet de faire remonter une ligne en haut des pages de catégories), aux emplacements sponsorisés dans les catégories (une marque occupe la première place d'une catégorie pendant une période de facturation), au suivi des liens d'affiliation avec l'attribution appropriée « rel="sponsored" », ainsi qu'aux formules premium payantes permettant aux entités référencées d'obtenir un meilleur placement, davantage de champs de données enrichis et un accès aux statistiques.

La variable la plus importante dans un projet de répertoire est la source de données elle-même. La réussite ou l'échec de la plupart des projets dépend de la réponse à une seule question : d'où proviendront les données dès le premier jour, et comment seront-elles mises à jour après le lancement ?

La rédaction manuelle consiste à confier la rédaction de chaque fiche à une équipe. C'est un processus lent et coûteux, mais justifiable. Cette approche convient pour moins de mille fiches. Voici quelques exemples qui, d'après mon expérience, fonctionnent bien : les guides d'hôtels haut de gamme, les annuaires d'agences sélectionnées avec soin, ainsi que les sites éditoriaux de niche où le simple fait d'y figurer constitue en soi une valeur ajoutée.

L'importation structurée consiste à nous fournir un fichier CSV ou une exportation de base de données provenant d'une source fiable, que nous nettoyons, dédupliquons, enrichissons et intégrons. Cette méthode convient pour un à cent mille annonces. Exemples : annuaires professionnels contenant des données publiques, importations de registres administratifs, exportations de type « Companies House ».

Le « scraping » automatisé ou l'utilisation d'une API signifie que les fiches sont alimentées à partir d'une API tierce ou d'un processus de « scraping » respectueux. La légalité et l'éthique de cette pratique dépendent de la source. Cette méthode convient pour des volumes allant de 10 000 à plusieurs millions de fiches, lorsque les données se trouvent dans un emplacement canonique connu. Exemples : répertoires d'outils de développement extraits de GitHub, avis sur les hébergeurs récupérés à partir des avis publics publiés sur les sites des entreprises elles-mêmes.

« Soumis par les utilisateurs » signifie que les annonces proviennent des personnes concernées. Peu coûteux à mettre en place, mais onéreux à modérer. Idéal en complément d’une base de données éditoriale initiale, mais pas comme seule source. Le modèle hybride (base éditoriale initiale + importation structurée + révision éditoriale annuelle) est celui utilisé par HostList et celui que la plupart des véritables annuaires finissent par adopter, qu’ils l’aient prévu ou non.

Lors du premier entretien, nous vous demanderons quelle combinaison correspond à la réalité de vos données. Si vous n'avez pas de réponse claire, la question relative aux données constitue en soi la première étape du travail ; la mise en place viendra ensuite.

Ces tarifs reflètent des contrats effectivement conclus plutôt que des présentations commerciales ambitieuses. Un petit annuaire éditorial comptant moins de mille annonces est proposé à partir de 8 000 $ et nécessite entre six et neuf semaines. Pour passer à un annuaire de 1 000 à 10 000 annonces avec une importation de données structurées, le prix commence à 13 000 $ pour une durée de dix à quatorze semaines. Un grand annuaire comprenant entre 10 000 et 100 000 annonces programmatiques est proposé à partir de 22 000 $, pour un délai de douze à dix-huit semaines. Et au sommet de la gamme se trouve la place de marché bilatérale, qui gère les réservations ou les transactions, à partir de 27 000 $, pour un délai de quatorze à vingt-deux semaines.