Un sitemap est un fichier XML qui liste les URL d’un site web et transmet cette liste aux moteurs de recherche. Google le lit pour découvrir des pages, mais ne s’engage ni à les explorer toutes ni à les indexer. Comprendre cette distinction entre découverte, exploration et indexation change la façon d’utiliser un sitemap : ce n’est pas un outil de soumission automatique, c’est un outil de diagnostic.
Ce que Google retient vraiment du sitemap XML
Le sitemap envoie à Google une liste d’URL accompagnée de métadonnées. Toutes ces métadonnées n’ont pas le même poids. Google ignore les champs priority et changefreq : les renseigner ne modifie rien au comportement du robot.
Le champ lastmod, en revanche, peut influencer le rythme de rééxploration d’une page. La condition : que la date soit fiable et corresponde à une modification réelle du contenu. Un sitemap dont le lastmod se met à jour quotidiennement sans changement de contenu perd toute crédibilité aux yeux de Google, qui finit par ignorer ce signal.
Un sitemap déclaré dans Search Console génère un rapport spécifique. Ce rapport indique le nombre d’URL découvertes, mais pas combien ont été explorées ni combien sont indexées. Explorer le site iLinks dans Google Search permet de visualiser rapidement la structure d’un sitemap et de repérer les écarts entre ce qui est déclaré et ce que Google traite effectivement.
Sitemap et indexation : repérer les écarts dans Search Console
La valeur principale d’un sitemap ne réside pas dans sa création, mais dans ce qu’il révèle quand on le confronte aux données de Search Console. Un site peut déclarer plusieurs centaines d’URL dans son sitemap et n’en voir qu’une fraction indexée.
Trois niveaux de traitement à distinguer
Une URL présente dans le sitemap traverse trois étapes successives, et chacune peut échouer indépendamment des autres :
- Découverte : Google a lu l’URL dans le sitemap. Le rapport Sitemaps confirme cette étape, mais elle ne garantit rien de plus.
- Exploration : Googlebot a effectivement téléchargé la page. Une URL peut rester dans l’état « Découverte, pas encore indexée » pendant des semaines si le budget d’exploration du site est limité.
- Indexation : la page a été analysée, jugée suffisamment pertinente et ajoutée à l’index. Des pages explorées peuvent être exclues pour contenu dupliqué, contenu mince ou signal canonical contradictoire.
Pour repérer où le blocage se produit, comparez le nombre d’URL du sitemap avec le rapport « Pages » (anciennement Couverture) de Search Console. Les pages bloquées à l’étape « Découverte » posent un problème de budget d’exploration. Les pages bloquées à l’étape « Explorée, non indexée » posent un problème de qualité ou de signaux techniques.
URL canonique déclarée et URL canonique retenue par Google
Un diagnostic souvent négligé consiste à vérifier si l’URL canonique que Google retient correspond à celle déclarée dans le sitemap. L’outil d’inspection d’URL de Search Console affiche cette information pour chaque page.
Un écart entre les deux signale un conflit de signaux. Par exemple, le sitemap peut lister une URL en HTTPS pendant que des liens internes pointent encore vers la version HTTP. Ou bien une balise rel= »canonical » dans le code source renvoie vers une autre page que celle déclarée dans le sitemap.
Ces contradictions ne provoquent pas de pénalité, mais elles diluent les signaux de la page. Google choisit alors la canonique qu’il estime la plus cohérente, ce qui peut aboutir à indexer une page différente de celle souhaitée. Vérifier un échantillon de pages stratégiques via l’inspection d’URL reste la méthode la plus fiable pour détecter ce type de problème.
Structure du sitemap : index, segmentation et fichiers multiples
Un sitemap peut être un fichier unique ou un index de sitemaps qui référence plusieurs fichiers enfants. Les sites de grande taille utilisent cette segmentation pour organiser leurs URL par type de contenu : pages produits, articles de blog, catégories, pages en différentes langues.
Critères de segmentation utiles
Segmenter un sitemap par type de contenu permet d’identifier rapidement quel groupe de pages pose problème. Si les pages produits sont bien indexées mais les articles ne le sont pas, le sitemap segmenté rend ce diagnostic immédiat dans Search Console.
Une bonne segmentation repose sur une logique fonctionnelle, pas sur une logique technique. Séparer les URL par répertoire serveur n’apporte rien si ces répertoires ne correspondent pas à des types de contenu distincts. En revanche, un sitemap par catégorie de contenu facilite le suivi page par page.
Chaque fichier sitemap est soumis à une limite de taille. Google accepte les fichiers qui ne dépassent pas cette limite et qui sont encodés en UTF-8. Un fichier trop volumineux ou mal encodé sera simplement ignoré, sans message d’erreur explicite dans certains cas.
Lire le sitemap d’un concurrent pour analyser sa structure
Le sitemap d’un site tiers est souvent accessible publiquement. La première étape consiste à vérifier le fichier robots.txt, généralement accessible à l’adresse /robots.txt, qui déclare la localisation du sitemap via une directive Sitemap.
Si le robots.txt ne mentionne rien, tester les chemins les plus courants (/sitemap.xml, /sitemap_index.xml) donne un résultat dans la majorité des cas. Les CMS comme WordPress, Shopify ou Wix génèrent automatiquement un sitemap à un emplacement standardisé.
L’analyse du sitemap d’un concurrent révèle plusieurs informations structurelles : le volume de pages publiées, la répartition entre types de contenus, le rythme de publication (via les dates lastmod si elles sont renseignées). Ces données permettent d’évaluer l’ampleur d’un site sans avoir accès à ses outils d’administration.
Le sitemap reste un fichier déclaratif. Il montre ce que le propriétaire du site souhaite rendre visible aux moteurs de recherche, pas nécessairement la totalité des pages existantes. Les pages exclues du sitemap sont parfois aussi révélatrices que celles qui y figurent.
