Un sitemap XML ne sert à rien s’il contient des URL que Google ne doit pas indexer. Nous observons régulièrement des fichiers sitemap gonflés de redirections 301, de pages en noindex ou de paramètres d’URL dupliqués, ce qui dilue le budget de crawl au lieu de le concentrer. Optimiser la navigation d’un site via son sitemap, c’est d’abord nettoyer ce fichier pour n’y laisser que des URL canoniques, indexables et à jour.
Fiabilité de lastmod : le seul signal XML que Google exploite encore
Les balises <priority> et <changefreq> sont ignorées par Google. Nous recommandons de les retirer du fichier pour alléger sa lecture. Le seul paramètre XML qui influence réellement le comportement du crawler est <lastmod> avec une date de modification réelle.
Une date lastmod fiable signifie qu’elle correspond à une modification significative du contenu, des données structurées ou des liens internes de la page. Régénérer automatiquement le sitemap chaque nuit en mettant à jour toutes les dates ne constitue pas un signal pertinent. Google compare la date annoncée au contenu réel de la page : si rien n’a changé, la confiance dans le fichier diminue globalement.
Bing va plus loin et utilise lastmod comme signal de fraîcheur dans ses systèmes de recherche, y compris pour les expériences assistées par IA. Un sitemap dont les dates sont fiables améliore donc la visibilité sur les deux moteurs principaux. Pour observer comment un site structure concrètement ses URL dans un fichier sitemap, la page sitemap de Soupir illustre bien un découpage par sections thématiques.
Sitemap XML et budget de crawl : ce qu’il faut exclure
Le premier réflexe à adopter est de croiser le contenu du sitemap avec la couverture d’indexation dans Google Search Console. Les URL qui remontent en erreur (404, soft 404, redirections) ou en statut « explorée, non indexée » n’ont rien à faire dans le fichier.
Voici les catégories d’URL à exclure systématiquement :
- Pages redirigées (301 ou 302) : le sitemap doit pointer vers la destination finale, pas vers l’URL source de la redirection
- URL avec paramètres de tri, de filtrage ou de pagination qui génèrent du contenu dupliqué sans balise canonical correcte
- Pages protégées par un
noindexou bloquées dans le robots.txt, puisque leur présence dans le sitemap envoie un signal contradictoire au crawler - Ressources obsolètes (fiches produit épuisées, articles dépubliés) qui ne renvoient plus de contenu utile
Un sitemap ne doit contenir que des URL indexables et à jour. Chaque entrée superflue consomme du budget de crawl sans retour. Sur un site de plusieurs milliers de pages, cette hygiène fait une différence mesurable sur la vitesse d’indexation des nouveaux contenus.
Sitemap index et segmentation par type de contenu
Au-delà d’un certain volume de pages, un fichier unique devient difficile à maintenir et à analyser. La spécification du protocole sitemap autorise les fichiers index qui référencent plusieurs sitemaps enfants. Nous recommandons de segmenter par type de contenu plutôt que par ordre alphabétique ou par date de création.
Un découpage efficace sépare les pages éditoriales (articles, guides), les fiches produit ou service, les pages catégories, et les médias (images, vidéos). Cette segmentation permet d’identifier rapidement quel sous-ensemble pose problème dans Search Console. Si le taux d’indexation des fiches produit chute, le diagnostic se fait en quelques secondes au lieu de fouiller un fichier monolithique.
Les sitemaps spécialisés pour images et vidéos méritent une attention particulière. Un sitemap image enrichi avec les balises <image:loc> et <image:title> facilite l’indexation dans Google Images. Pour la vidéo, les balises <video:thumbnail_loc>, <video:title> et <video:description> permettent d’apparaître dans les résultats enrichis. Ces sitemaps spécialisés sont sous-exploités sur la majorité des sites que nous auditons.
IndexNow et soumission du sitemap : combiner les deux approches
Soumettre son sitemap via Google Search Console et Bing Webmaster Tools reste la méthode de référence pour la découverte initiale des URL. La déclaration dans le fichier robots.txt (Sitemap: https://example.com/sitemap.xml) assure que tout crawler conforme au protocole trouve le fichier sans configuration supplémentaire.
Pour Bing, le protocole IndexNow complète le sitemap lors de changements ponctuels. Au lieu d’attendre que le crawler revisite le sitemap, IndexNow notifie le moteur en temps réel qu’une URL a été ajoutée, modifiée ou supprimée. Cette notification ne doit pas être envoyée de façon répétitive pour des pages inchangées, sous peine de perdre en crédibilité auprès du système.
La combinaison fonctionne ainsi : le sitemap XML couvre la totalité du site et sert de filet de sécurité pour la découverte à grande échelle, tandis qu’IndexNow accélère la prise en compte des mises à jour urgentes. Google n’a pas adopté IndexNow, mais son API d’indexation offre un mécanisme similaire pour les types de contenu éligibles.
Sitemap HTML et maillage interne : deux outils complémentaires
Un sitemap HTML visible par les visiteurs ne remplace pas le fichier XML, mais il renforce le maillage interne. Chaque lien dans un sitemap HTML transmet du PageRank vers les pages profondes que la navigation principale ne couvre pas toujours.
Pour que cette page soit utile et non un simple annuaire plat, elle doit refléter la hiérarchie réelle du site. Regrouper les liens par catégorie, avec un niveau de profondeur limité à deux ou trois niveaux, donne au visiteur comme au crawler une cartographie lisible de la structure.
Un sitemap, qu’il soit XML ou HTML, n’est pas un document figé. La fréquence de mise à jour doit suivre le rythme de publication du site. Un fichier XML obsolète qui référence des URL mortes dégrade la confiance du crawler envers l’ensemble du domaine. Maintenir cette cohérence entre le sitemap et l’état réel du site reste la condition première pour que l’outil serve réellement la navigation et l’indexation.
