Un sitemap est un fichier qui liste les URL de votre site web. Il sert de guide aux robots d’exploration de Google ou Bing pour parcourir vos pages. Sans ce fichier, certaines parties de votre site peuvent rester invisibles dans les résultats de recherche, même si leur contenu est pertinent. Comprendre son fonctionnement permet de corriger des problèmes d’indexation que beaucoup de propriétaires de sites ignorent.
Ce que Google ne lit plus dans votre sitemap XML
Vous avez déjà vu des balises comme priority ou changefreq dans un fichier sitemap XML ? Google les ignore. Ces deux champs, pourtant présents dans la spécification du protocole, n’ont aucun effet sur la fréquence d’exploration ni sur le classement de vos pages.
En revanche, la balise lastmod reste le seul signal de fraîcheur exploité par Google. Elle indique la date de dernière modification réelle d’une page. Si vous la mettez à jour à chaque publication ou correction, les robots savent quelles URL revisiter en priorité.
Le piège fréquent : certains outils régénèrent le sitemap en actualisant la date lastmod de toutes les pages, même celles qui n’ont pas changé. Ce comportement brouille le signal. Google finit par ne plus faire confiance à cette balise sur votre site. Vérifiez que votre générateur de sitemap ne met à jour lastmod que sur les pages réellement modifiées. Pour explorer ce sujet avec des exemples concrets, le site pepseo.fr en détail décrit les bonnes pratiques de configuration.
Sitemap et crawl budget : pourquoi les gros sites ne peuvent pas s’en passer
Prenons un exemple simple. Votre site contient plusieurs milliers de pages. Googlebot dispose d’un temps limité pour explorer chaque site. Ce temps, appelé crawl budget, varie selon l’autorité de votre domaine et la vitesse de votre serveur.
Sans sitemap, le robot découvre vos pages en suivant les liens internes. Si une page est mal reliée au reste du site (pas de lien depuis le menu, pas de lien contextuel), elle peut ne jamais être explorée. Le sitemap XML compense ce problème en déclarant explicitement chaque URL.
Pour les sites de moins d’une centaine de pages, avec un maillage interne correct, le sitemap reste utile mais moins critique. Les sites volumineux ou à structure complexe en dépendent directement pour que leurs pages profondes soient indexées.
Pages orphelines et contenu invisible
Une page orpheline est une page qui n’est liée par aucune autre page du site. Elle existe sur le serveur, mais aucun chemin de navigation n’y mène. Googlebot ne la trouvera que si elle figure dans le sitemap.
Vous publiez régulièrement du contenu ? Chaque nouvel article a besoin d’être découvert. Le sitemap accélère ce processus en signalant les nouvelles URL dès leur publication.
Soumettre un sitemap à Google : les deux méthodes qui fonctionnent encore
Jusqu’en 2023, il était possible de « pinger » Google pour signaler un nouveau sitemap. Cette méthode ne fonctionne plus. Google a déprécié son endpoint de ping en juin 2023, et les URL de type /ping?sitemap= renvoient désormais une erreur 404.
Deux méthodes restent valides :
- Soumettre le sitemap via Google Search Console, dans le rapport Sitemaps. Vous obtenez un retour sur le nombre d’URL découvertes et les éventuelles erreurs de format.
- Déclarer le sitemap dans le fichier robots.txt avec la directive Sitemap: suivie de l’URL du fichier. Cette approche garantit la découverte automatique, même sans intervention manuelle dans Search Console.
La combinaison des deux offre le meilleur résultat. Search Console vous donne un diagnostic, robots.txt assure la découverte permanente par tous les robots compatibles.
Sitemap HTML et sitemap XML : deux fichiers, deux publics
Le sitemap XML s’adresse aux moteurs de recherche. Il contient des données techniques : URL, date de modification, langue. Son format est structuré pour être lu par des machines.
Le sitemap HTML, lui, est une page classique de votre site, visible par les visiteurs. Il affiche la liste de vos rubriques et pages sous forme de liens cliquables. Son rôle est d’améliorer la navigation pour les utilisateurs qui cherchent une page précise.
Le sitemap XML reste la priorité pour le référencement. Le HTML est un complément utile pour l’expérience utilisateur, mais il n’a pas le même poids auprès de Google. Si vous devez choisir par quoi commencer, le fichier XML passe en premier.
Ce que le sitemap XML doit contenir
La règle est simple : n’incluez que les pages que vous souhaitez voir apparaître dans les résultats de recherche. Les pages avec une balise noindex, les pages de connexion, les pages de résultats de recherche interne n’ont pas leur place dans le sitemap.
- Les pages principales (accueil, catégories, services, articles de blog) doivent y figurer.
- Les URL canoniques uniquement : si plusieurs URL mènent au même contenu, seule la version canonique apparaît dans le fichier.
- Les images et vidéos peuvent faire l’objet de sitemaps spécifiques, utiles pour apparaître dans Google Images ou Google Vidéos.
Erreurs fréquentes qui réduisent l’efficacité d’un sitemap
Un sitemap mal configuré peut faire plus de mal que de bien. Déclarer des URL qui renvoient une erreur 404 dégrade la confiance de Googlebot envers votre fichier. Si le robot constate que la moitié de vos URL sont cassées, il ralentit l’exploration du reste.
Autre erreur courante : un sitemap qui dépasse la limite de taille. Le protocole autorise un maximum de 50 000 URL par fichier, avec une taille ne dépassant pas 50 Mo. Au-delà, il faut le diviser en plusieurs fichiers et les regrouper via un sitemap index.
Enfin, ne confondez pas sitemap et garantie d’indexation. Soumettre une URL ne force pas Google à l’indexer. Le moteur de recherche décide seul si la page mérite de figurer dans son index, en fonction de sa qualité et de sa pertinence. Le sitemap facilite la découverte, pas le classement.
Un fichier sitemap bien maintenu, mis à jour à chaque modification réelle de contenu et soumis via les bons canaux, reste l’un des leviers techniques les plus simples à mettre en place pour améliorer la visibilité d’un site web. Le travail ne s’arrête pas à sa création : vérifiez régulièrement son contenu dans Search Console pour repérer les URL en erreur et ajuster le fichier en conséquence.