Le sitemap XML est un fichier d’inventaire soumis aux robots d’exploration. Il liste des URL, fournit des métadonnées facultatives et laisse le moteur décider de ce qu’il en fait. Cette distinction entre signal et directive conditionne toute la stratégie d’implémentation.
Balises XML du sitemap : ce que Google exploite vraiment
La spécification du protocole prévoit plusieurs champs pour chaque entrée <url>. Tous ne reçoivent pas le même traitement côté moteur, et confondre les deux catégories revient à gaspiller du temps de configuration.
Google ignore les champs priority et changefreq. Les renseigner n’influence ni l’ordre d’exploration ni sa fréquence. Ces balises, héritées de la première version du protocole, restent tolérées syntaxiquement mais n’ont aucun effet opérationnel.
Le champ lastmod, lui, est pris en compte, à condition que la date corresponde à une modification substantielle du contenu principal, des données structurées ou du maillage interne de la page. Modifier l’année du copyright ou un élément cosmétique du gabarit ne compte pas. Quand la valeur est incohérente ou systématiquement identique sur toutes les URL, le moteur finit par l’ignorer pour l’ensemble du site.
En pratique, un sitemap bien construit se concentre sur loc (l’URL) et lastmod (la date fiable). Le reste est du bruit. Nous constatons que de nombreux générateurs automatiques remplissent encore priority à 0.8 par défaut sur chaque page, ce qui n’a strictement aucune utilité.
Par exemple, le sitemap d’Incroyable Maison illustre un fichier XML lisible qui répertorie l’ensemble des pages du site, permettant aux robots comme aux visiteurs curieux de visualiser l’arborescence complète.
Limites de taille du fichier sitemap XML et index de sitemaps
Un fichier sitemap unique accepte au maximum 50 000 URL ou 50 Mo non compressés. Au-delà, le fichier n’est plus valide et les robots l’ignorent sans avertissement explicite dans tous les cas.
Pour les sites volumineux (catalogues e-commerce, annuaires, médias avec archives profondes), la solution normalisée est l’index de sitemaps. Ce fichier parent référence plusieurs sitemaps enfants, chacun respectant les contraintes de volume.
- Segmenter par type de contenu (pages produit, articles de blog, catégories) facilite le diagnostic quand un problème d’indexation touche une section précise du site.
- Segmenter par date de publication permet de ne régénérer que le fichier du mois courant, au lieu de recalculer l’intégralité à chaque mise à jour.
- Un index peut lui-même contenir plusieurs dizaines de milliers de références vers des sitemaps enfants, ce qui couvre la quasi-totalité des architectures existantes.
La compression gzip est acceptée et réduit sensiblement la bande passante consommée par les crawlers. Le fichier compressé doit toujours peser moins de 50 Mo une fois décompressé.
Sitemap et indexation : un signal, pas une directive
Une confusion fréquente consiste à traiter le sitemap comme une garantie d’indexation. Soumettre une URL dans le sitemap ne force pas son exploration. Google télécharge le fichier, note les URL candidates, puis décide selon ses propres critères (qualité perçue, budget de crawl, signaux de popularité) si chaque page mérite d’être explorée et indexée.
Le sitemap ne remplace donc pas un maillage interne cohérent. Une page orpheline (aucun lien interne pointant vers elle) déclarée dans le sitemap a peu de chances d’être indexée si le moteur ne trouve aucune autre raison de la visiter. Le fichier XML agit comme un complément de découverte, pas comme un substitut à l’architecture du site.
Déclarer dans le sitemap des URL renvoyant un code 404, une redirection 301 ou une balise noindex envoie des signaux contradictoires. Chaque URL du sitemap doit renvoyer un code 200 et être indexable. Les outils d’audit SEO signalent ces incohérences, mais la correction passe par un nettoyage régulier du fichier, pas uniquement par un scan ponctuel.
Sitemaps spécialisés : images, vidéos et actualités
Le protocole sitemap ne se limite pas aux pages HTML. Des extensions permettent de décrire des contenus spécifiques pour les moteurs de recherche verticaux.
- Le sitemap images enrichit chaque entrée
<url>avec les balises<image:image>, déclarant les visuels associés à la page. Cela facilite leur découverte par Google Images quand les images sont chargées dynamiquement ou hébergées sur un CDN distinct. - Le sitemap vidéo utilise l’espace de noms
<video:video>pour renseigner la durée, la description, la miniature et l’URL du lecteur. Ce format cible Google Vidéos et la section vidéo des résultats de recherche. - Le sitemap actualités (
<news:news>) concerne les éditeurs de presse inscrits dans Google Actualités. Il déclare le titre, la langue et la date de publication d’articles récents (généralement de moins de deux jours).
Ces extensions se combinent dans un même fichier ou dans des sitemaps dédiés, selon la volumétrie. Pour un site qui publie à la fois des articles illustrés et des vidéos, séparer les sitemaps par type de contenu simplifie la maintenance et le suivi dans Google Search Console.
Robots.txt et Search Console : déclarer le sitemap aux moteurs
Le sitemap XML peut être signalé aux robots de deux façons complémentaires. La première consiste à ajouter la ligne Sitemap: https://example.com/sitemap.xml dans le fichier robots.txt, à la racine du site. Tous les crawlers compatibles avec le protocole détectent cette déclaration automatiquement.
La seconde passe par la soumission directe dans l’interface de Google Search Console (ou Bing Webmaster Tools). Cette méthode offre un avantage concret : le rapport indique le nombre d’URL soumises, le nombre d’URL indexées et les éventuelles erreurs détectées dans le fichier. C’est le seul moyen d’obtenir un retour explicite du moteur sur la validité du sitemap.
Combiner les deux approches est la pratique standard. Le robots.txt assure la découverte passive par tous les moteurs, tandis que la Search Console fournit les données de suivi nécessaires au diagnostic.
Un sitemap XML bien maintenu reste un levier technique sobre mais structurant. Il ne modifie pas le classement d’une page, il facilite sa découverte. La valeur réside dans la rigueur du fichier : URL propres, dates fiables, aucune entrée morte. Le reste appartient au maillage interne et à la qualité du contenu.
