Sitemaps XML

Google découvre les URL de trois façons : pages déjà visitées, liens extraits d'autres pages, et listes soumises via un sitemap (ouvre un nouvel onglet). Selon Gary Illyes, le sitemap est le 2e meilleur signal de découverte (ouvre un nouvel onglet), après les liens. Il complète donc, sans remplacer, un bon maillage interne — voir l'architecture de site.

Concrètement, soumettre un sitemap permet d'informer Google des pages nouvelles (ouvre un nouvel onglet) ou mises à jour, accélérant leur découverte par rapport au seul suivi de liens.

Un sitemap ne fait pas que lister des adresses. Il fournit des informations sur ces fichiers (ouvre un nouvel onglet) : date de dernière mise à jour, versions linguistiques alternatives, durée et classement d'âge des vidéos, titre et date des articles d'actualité, localisation des images. Ces métadonnées enrichissent le crawl et l'indexation.

Google le dit : si vos pages sont bien reliées (ouvre un nouvel onglet), le moteur découvre l'essentiel du site sans aide. Un sitemap devient vraiment utile dans trois cas : les grands sites (difficile de tout relier), les sites neufs avec peu de backlinks (ouvre un nouvel onglet), et les sites riches en médias. À l'inverse, un petit site bien maillé peut s'en passer.

Au-delà de la découverte, le sitemap dit aux moteurs quelles pages méritent d'être crawlées en priorité. En y incluant une page, vous indiquez explicitement que vous la considérez comme une page de qualité (ouvre un nouvel onglet). Ce signal de priorisation vaut aussi pour les crawlers des grands modèles de langage, qui utilisent les sitemaps pour découvrir le contenu.

Un sitemap propre ne contient que des pages utiles : URL en 200, sans redirects ni pages mortes (ouvre un nouvel onglet). Les URL en noindex n'ont aucune place dans le sitemap (ouvre un nouvel onglet) : elles n'apportent pas de trafic, donc rien ne justifie de les faire crawler. Même chose pour les URL canonicalisées vers une autre adresse.

Le fil conducteur reste l'indexabilité : être crawlé ne garantit pas d'être stocké. Le sitemap ne liste donc que ce qui mérite d'entrer dans l'index.

Ne listez jamais une page bloquée par robots.txt ou marquée noindex. Comme le note Backlinko, ce serait envoyer des messages contradictoires (ouvre un nouvel onglet) : le sitemap déclare la page importante, mais la configuration l'interdit. Alignez sitemap, robots.txt et balises noindex.

Google n'utilise la valeur <lastmod> que si elle est exacte (ouvre un nouvel onglet), c'est-à-dire cohérente avec la vraie date de dernière modification. La mettre à jour à chaque génération sans changer le contenu, ou la manipuler pour forcer un recrawl, peut conduire les moteurs à ignorer ce signal sur tout le site.

Les balises <changefreq> et <priority> du protocole sitemaps.org étaient des indications de fréquence et d'importance. Elles sont désormais ignorées par les moteurs (ouvre un nouvel onglet). Seuls <loc> et <lastmod> ont une valeur opérationnelle.

La directive Sitemap dans le fichier robots.txt pointe les crawlers vers l'emplacement du plan de site. Elle oriente les bots vers le sitemap (ouvre un nouvel onglet) et n'est supportée que par Google, Bing, Ask et Yahoo.

Regroupez les URL par type — catégories, produits, articles, langue — dans des sitemaps nommés de façon descriptive. Ce découpage par type de page (ouvre un nouvel onglet) permet de piloter les taux d'indexation section par section. Pour un audit fin, des groupes de 1 000 URL maximum collent à la limite de téléchargement de GSC.

Des fichiers d'index distincts par section (blog, produits, répertoires) permettent de suivre les URL valides et exclues (ouvre un nouvel onglet) section par section. Cette granularité cible le diagnostic.

Rappel essentiel : un sitemap aide à la découverte, mais ne garantit ni crawl ni indexation (ouvre un nouvel onglet). Brian Dean le formule autrement : le sitemap n'indexe pas, il augmente les chances (ouvre un nouvel onglet). L'indexation reste soumise aux critères de qualité de Google — c'est un signal, pas une instruction.