Comment détecter vos pages en déclin dans Google Search Console (sans passer deux heures sur Excel)

La majorité des baisses de trafic SEO ne viennent pas d’une chute brutale. Elles viennent d’un empilement de petites pertes sur des dizaines de pages, que personne ne regarde parce qu’aucune ne déclenche d’alerte. Quand vous finissez par voir le total chuter sur le dashboard mensuel, le mal est fait — et il faut remonter semaine par semaine pour comprendre.

Cet article décrit un workflow concret pour repérer ces pages avant qu’elles vous coûtent du CA, sans passer deux heures dans Excel.

Pourquoi Google Search Console seule ne suffit pas

L’interface GSC est pensée pour l’exploration, pas pour le suivi. Trois limites récurrentes :

1. 1000 lignes maximum dans le comparateur par page. Sur un site moyen, c’est largement en dessous du nombre de pages indexées.
2. 16 mois d’historique glissants. Impossible de comparer proprement à l’année précédente si vous êtes à mi-2026.
3. Pas de tri par delta. Vous triez par clics absolus, puis vous devez recalculer les deltas à la main pour chaque URL.

Résultat : on fait l’analyse en fin de mois, on rate ce qui bouge en semaine 2, et on le découvre en semaine 4 sur la courbe globale.

Les trois signaux qui comptent vraiment

Pour détecter une page en déclin de façon fiable, on ne regarde pas un seul chiffre. On regarde trois signaux en parallèle :

1. Le delta de clics M-1

La comparaison mois sur mois est le bon premier filtre : elle neutralise la plupart des variations hebdomadaires (jours fériés, scheduling éditorial, cycle crawl). Une page qui perd 20 % de clics M-1 sur deux périodes consécutives n’est déjà plus un accident.

2. Le delta de clics N-1

Indispensable sur les sites à forte saisonnalité (e-commerce, voyage, finance). Une page qui gagne +10 % M-1 mais perd -30 % N-1 est en réalité en déclin — la saison est juste favorable. Sans N-1, vous pilotez à l’aveugle.

3. La position moyenne pondérée par impressions

Une page qui passe de position 3 à position 6 perd son CTR. Mais un simple AVG(position) sur GSC est biaisé : il pondère toutes les requêtes pareil. Le bon calcul, c’est SUM(position × impressions) / SUM(impressions) — la position “que voient réellement vos utilisateurs”.

💡 Envie de voir ce workflow sur vos données ? Analyser mes pages en déclin →

Le workflow en 4 étapes

Étape 1 — Lister les pages qui ont perdu des clics

Exportez vos données GSC sur la dernière période (28 derniers jours) et la période de comparaison (28 jours précédents). Sur un site avec 10 000 URLs, ça fait 10 exports à 1000 lignes — prévoyez l’API ou un outil qui lit BigQuery directement.

Pour chaque URL, calculez :

• Clics période courante
• Clics période précédente
• Delta absolu
• Delta %

Filtrez sur delta < 0 et triez par delta absolu décroissant. Vous obtenez votre top 50 des pages perdantes.

Étape 2 — Filtrer les faux positifs

Toutes les pertes ne sont pas un problème. Excluez :

• Les pages à moins de 50 clics sur la période de référence (bruit statistique).
• Les pages désindexées volontairement ou dont l’URL a changé (refactor).
• Les pages avec delta -10 % mais N-1 + 40 % (saisonnier favorable, faux positif).

Après ce filtrage, il reste généralement 10 à 20 pages qui méritent investigation.

Étape 3 — Drill-down par requête

Pour chaque page, trouvez les 3-5 requêtes responsables de la baisse. C’est là que le travail devient intéressant :

• Position stable, CTR en baisse → problème de title/description, intent mal couvert.
• Position en baisse, CTR stable → nouveau concurrent en haut de page, refonte technique chez Google.
• Impressions en baisse → volume du mot-clé qui s’effrite, shift d’intent vers une autre formulation.

Étape 4 — Prioriser l’action

Tout ne se traite pas pareil. Pour chaque page en déclin, trois questions :

1. Combien ça coûte ? Clics perdus × valeur/clic (idéalement via GA4 ou CRM).
2. Combien ça coûte de réparer ? Refonte complète vs simple ajustement de title ?
3. Y a-t-il un pattern ? Si 5 pages de la même catégorie baissent en même temps, c’est un signal qu’il y a un problème structurel, pas page-par-page.

Ce qu’on récupère en 20 minutes

Avec un outil qui automatise ce workflow, voici ce qu’on récupère par client, par mois :

• La liste des 10 pages en déclin priorisées par CA perdu estimé.
• Les requêtes responsables de chaque baisse, avec le breakdown impressions / CTR / position.
• La courbe M-1 et N-1 sur chaque URL pour valider qu’on n’est pas sur un faux positif saisonnier.
• Le marqueur des actions passées pour voir ce qui a été tenté et ce qui a marché.

Le reste du temps (3h30 gagnées sur 4h de reporting), vous l’utilisez pour traiter les problèmes réels.

Régression linéaire vs delta brut : le filtre qui change tout

Les trois signaux décrits plus haut (delta M-1, delta N-1, position pondérée) restent des photos à un instant T. Sur des sites volatils — saisonnaliers, e-commerce avec promos, médias avec actu — ces deltas génèrent énormément de faux positifs : une page qui clignote entre +25 % et −20 % d’une semaine à l’autre va déclencher des alertes presque chaque mois sans qu’aucune action ne soit nécessaire.

La méthode la plus robuste pour départager le bruit du vrai déclin est la régression linéaire sur 90 jours. Au lieu de comparer deux périodes adjacentes, on calcule la pente de la droite qui ajuste au mieux la série temporelle. Une pente franchement négative est un signal de déclin structurel, indépendamment du delta brut sur les 28 derniers jours.

Le diagramme ci-dessus illustre ce qu’on observe régulièrement : une page A avec un delta M-1 de −18 % qui semble alarmante (panel de gauche, courbe orange volatile) a en réalité une régression linéaire quasi-plate sur 90 jours — c’est un faux positif. À l’inverse, une page B avec un delta apparemment moins critique de −10 % (panel de droite, courbe rouge) cache une régression de −34 % sur la même fenêtre — déclin structurel à traiter en priorité.

Concrètement, le critère qu’on retient en production est : régression sur 90 jours inférieure à −15 %, avec R² > 0,3 (qualité d’ajustement minimale pour exclure le bruit pur). En dessous de ce seuil, la décroissance n’est pas suffisamment “tendancielle” pour qu’une intervention SEO soit justifiée — on regarde, mais on ne touche pas.

Deux cas types qu’on rencontre presque toujours

Cas 1 — La page-zombie qui consomme du crawl budget

Une URL qui faisait 2 000 clics/mois il y a un an, qui en fait aujourd’hui 200, et dont la régression linéaire pointe vers 0 dans 6 mois. Ce n’est pas un cas où on “essaie de remonter” — c’est un cas où on archive ou réécrit complètement.

Le piège classique : une équipe qui s’acharne à patcher une URL agonisante (refresh title, ajout de quelques paragraphes, rebrand de la H1) au lieu d’admettre que le sujet est devenu marginal et que l’URL, désormais, fait baisser la moyenne d’autorité du site sans rien apporter en clics. La régression linéaire négative continue malgré 3 patches successifs est le meilleur signal qu’il faut changer de stratégie : soit fusionner avec une URL plus forte du même cluster, soit noindex propre, soit réécrire pour un nouvel angle.

Cas 2 — Le sous-cluster qui décline simultanément

Cinq URLs de la même catégorie qui perdent toutes 15-25 % de clics sur 90 jours, sans qu’aucune ne bascule individuellement en alerte critique. C’est le signal le plus difficile à voir manuellement (parce qu’on regarde page par page) et celui qui révèle un problème structurel : refonte récente du template de catégorie, perte d’autorité de la silo, changement d’intent côté Google, concurrent qui a publié un cluster complet.

La détection automatique passe par un regroupement (par type de page, par cluster de catégorie, par silo dans l’arborescence) et un calcul de régression agrégée sur le cluster. Quand la pente cumulée du groupe est plus négative que celle de chaque page prise individuellement, c’est qu’il y a un signal de cluster — pas un problème par URL.

Cette analyse à deux niveaux (page + cluster) est ce qui sépare un audit qui trouve les vrais leviers d’un audit qui se contente de lister les pages perdantes une à une.

Pour aller plus loin

Ce workflow tient debout en manuel sur un site, à condition d’y consacrer plusieurs heures par mois et de discipliner sa rigueur. Au-delà du 3ᵉ site géré ou du 4ᵉ reporting mensuel, le ratio temps/valeur bascule : un outil dédié se rentabilise typiquement en 2 mois sur le seul gain de productivité.

SearchLens automatise précisément les 4 étapes décrites ici — exports GSC sans plafond 1 000 lignes, régression linéaire 90 jours sur chaque page et chaque cluster, drill-down par requête en un clic, et tagging des actions directement sur les courbes pour mesurer ce qui fonctionne. Le temps gagné, vous le réinvestissez là où vous apportez réellement de la valeur : produire, structurer, linker.