sitemap.xml : la table des matières pour les moteurs de recherche

Module 3: Les bases techniques d'une page · Temps de lecture : 11 minutes

Objectif pédagogique : À la fin de cette leçon, vous saurez lire un sitemap.xml, juger s'il est correct et faire en sorte que les moteurs de recherche le trouvent.

Notions clés : sitemap XML, protocole sitemaps.org, urlset, url, loc, lastmod, changefreq et priority (ignorés par Google), limite de 50.000 adresses et 50 MB, index de sitemaps, adresses canoniques, ligne Sitemap: dans robots.txt, sitemap généré automatiquement

Ce qu'est un sitemap, et ce qu'il n'est pas

Un sitemap est un fichier qui contient la liste des adresses de votre site que vous souhaitez voir apparaître dans les résultats de recherche. C'est la table des matières que vous remettez à un moteur de recherche. Un robot d'exploration découvre surtout les pages en suivant des liens (leçon 1.2). Le sitemap l'y aide : il mentionne aussi les pages vers lesquelles peu de liens pointent, et il indique quand une page a été modifiée pour la dernière fois.

Il y a deux choses qu'un sitemap ne fait pas :

1. Il n'est pas une garantie. Google le dit lui-même : un sitemap ne garantit pas que tout ce qu'il contient sera exploré et indexé. Envoyer un sitemap, c'est donner une indication.
2. Il ne remplace pas de bons liens. Une page qui figure uniquement dans le sitemap et vers laquelle aucun lien de votre propre site ne pointe indique à un moteur de recherche que vous-même ne la jugez pas très importante.

Avez-vous besoin d'un sitemap ? Selon Google, il est surtout utile pour un grand site, un nouveau site qui reçoit peu de liens externes, et un site comportant beaucoup de vidéos ou d'images. Un petit site (Google parle d'environ 500 pages ou moins) bien maillé en interne peut s'en passer. Mais un sitemap ne coûte presque rien et la plupart des créateurs de sites le génèrent automatiquement. Si vous en avez un, veillez à ce qu'il soit correct : un sitemap truffé d'erreurs est pire que pas de sitemap du tout.

À quoi ressemble un sitemap

Le sitemap classique est un fichier XML conforme au protocole sitemaps.org, que Google, Bing et d'autres moteurs de recherche utilisent en commun. Voici le sitemap de Bloemenatelier Lotte :

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://www.example.com/</loc>
    <lastmod>2026-11-02</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/bruidsboeketten</loc>
    <lastmod>2026-10-14</lastmod>
  </url>
  <url>
    <loc>https://www.example.com/contact</loc>
    <lastmod>2026-06-30T09:15:00+02:00</lastmod>
  </url>
</urlset>

Quelques règles souvent mal appliquées :

• Des adresses complètes. Pas /contact, mais https://www.example.com/contact. Google demande explicitement des adresses complètes et absolues.
• UTF-8 et échappement. Le fichier doit être en UTF-8, et les caractères comme & dans une adresse s'écrivent &. Un & isolé rend tout le XML invalide.
• Le même schéma et le même hôte. Selon le protocole, un sitemap ne peut contenir que des adresses ayant le même schéma et le même hôte que le sitemap lui-même. Un sitemap placé sur https://www.example.com/ qui contient des adresses en http://example.com/ n'est donc pas correct. C'est d'ailleurs le signe que votre canonical et votre redirection ne sont pas alignées (leçons 3.5 et 4.1).

lastmod : uniquement s'il est exact

Google utilise <lastmod> lorsqu'il est exact « de manière cohérente et vérifiable ». En 2023, Google a précisé ce qui compte comme modification : le texte principal, les données structurées ou les liens de la page. Une nouvelle année dans le pied de page n'est pas une modification. Si vous indiquez chaque jour la date du jour sur toutes les pages, Google apprend que vos dates ne veulent rien dire et les ignore. Une date honnête, ou pas de date du tout, vaut mieux qu'une date inventée.

Un grand site ? Alors un index de sitemaps

Un sitemap peut contenir au maximum 50.000 adresses et peser au maximum 50 MB (sans compression). Si votre site est plus grand, ou si vous voulez découper le sitemap (pages, blog, produits), vous créez un index de sitemaps : un sitemap de sitemaps.

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://www.example.com/sitemap-paginas.xml</loc>
  </sitemap>
  <sitemap>
    <loc>https://www.example.com/sitemap-blog.xml</loc>
  </sitemap>
</sitemapindex>

Vous n'envoyez alors que l'index. WordPress procède ainsi : https://www.example.com/wp-sitemap.xml est un index qui renvoie vers des sitemaps distincts pour les pages, les articles, les catégories et les auteurs. Les extensions SEO le remplacent souvent par leur propre index, par exemple sitemap_index.xml.

Quelles adresses doivent y figurer ?

Uniquement les adresses que vous souhaitez voir dans les résultats de recherche, et ce dans leur forme canonique (leçon 3.5). Donc pas :

• les adresses qui redirigent (la variante http://, l'ancien nom d'une page) ;
• les adresses qui renvoient un 404 ou un 410 ;
• les pages en noindex (leçon 1.3) : vous diriez à la fois « indexez ceci » et « n'indexez pas ceci » ;
• les pages que vous bloquez dans robots.txt (leçon 3.3) ;
• les variantes avec paramètres, comme ?sorteer=prijs ou ?utm_source=nieuwsbrief ;
• les pages de remerciement, les paniers, les pages de connexion.

Ces contradictions apparaissent dans Search Console (leçons 2.2 et 2.4) : dans le rapport Pages, vous pouvez filtrer sur les adresses de votre sitemap, et vous voyez alors par exemple des adresses exclues par une balise noindex ou bloquées par robots.txt. Chacun de ces signalements correspond à une adresse qui n'a pas sa place dans votre sitemap, ou à une page bloquée par erreur.

Comment les moteurs de recherche trouvent votre sitemap

Il existe deux méthodes courantes, et vous appliquez les deux :

1. Une ligne dans robots.txt (leçon 3.3). Tous les moteurs de recherche lisent robots.txt : ainsi, même un moteur de recherche sur lequel vous n'avez jamais créé de compte le trouve :

   Sitemap: https://www.example.com/sitemap.xml

   L'adresse doit être complète. Vous pouvez ajouter plusieurs lignes Sitemap:.

2. L'envoyer dans Search Console et Bing Webmaster Tools (leçons 2.2 et 2.5). Vous voyez alors aussi si la récupération a réussi et combien d'adresses ont été trouvées.

Autrefois, on pouvait « pinger » Google via une adresse spéciale. Google a supprimé cette possibilité en 2023 : un tel ping n'a plus aucun effet. Pour informer rapidement les moteurs de recherche d'une modification, utilisez lastmod et, pour Bing et quelques autres moteurs de recherche, IndexNow (leçon 2.5).

En pratique : le créer vous-même ou le faire générer

Presque personne n'écrit un sitemap à la main. Depuis la version 5.5, WordPress génère lui-même wp-sitemap.xml et ajoute la référence dans son robots.txt (virtuel). L'AI Builder de WebOké place lors de la publication un sitemap.xml dans le dossier web, avec la date de dernière modification de chaque page, ainsi qu'un robots.txt contenant la ligne Sitemap:. D'autres créateurs de sites font des choses similaires. Votre rôle est de vérifier :

• Ouvrez /robots.txt sur votre propre domaine (par exemple https://www.example.com/robots.txt) et regardez s'il contient une ligne Sitemap:.
• Ouvrez ce sitemap dans votre navigateur. Contient-il les adresses attendues, avec https:// et le bon nom d'hôte (avec ou sans www) ?
• Cliquez sur quelques-unes. Chaque page s'affiche-t-elle directement, sans redirection ?

Résumé

• Un sitemap est une table des matières et une indication, pas une garantie. Les petits sites bien maillés peuvent s'en passer, mais un sitemap correct est toujours utile.
• Sont obligatoires urlset avec le bon espace de noms, url et loc avec des adresses complètes ; lastmod uniquement s'il est exact. Google ignore changefreq et priority.
• Au maximum 50.000 adresses et 50 MB par fichier ; au-delà, un index de sitemaps.
• Uniquement des adresses canoniques qui renvoient 200, sans noindex et non bloquées.
• Ajoutez une ligne Sitemap: dans robots.txt et envoyez le sitemap à Google et à Bing. L'ancien ping ne fonctionne plus.

Quiz

Exercice

Exercice A3.4 : Votre sitemap est-il valide et accessible ? Saisissez l'adresse de votre site. Le programme recherche votre sitemap comme le ferait un moteur de recherche (d'abord via robots.txt, sinon sur /sitemap.xml), vérifie s'il s'agit d'un XML valide selon le protocole, s'il est mentionné dans robots.txt, si les adresses sont complètes et sur votre propre hôte, puis en récupère quelques-unes pour voir si elles peuvent réellement être indexées. Vous n'avez pas de site ? Utilisez european-union.europa.eu.

Pour aller plus loin

Les étapes décrites dans ces articles s'appliquent aux panneaux de WebOké ; chez d'autres hébergeurs, le fonctionnement est similaire.

• Soumettre votre site web aux moteurs de recherche (Google et Bing)
• Google Search Central, Créer et envoyer un sitemap : https://developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
• Google Search Central, Qu'est-ce qu'un sitemap ? : https://developers.google.com/search/docs/crawling-indexing/sitemaps/overview
• Le protocole sitemaps.org : https://www.sitemaps.org/protocol.html
• Google Search Central Blog, Sitemaps ping endpoint is going away (2023) : https://developers.google.com/search/blog/2023/06/sitemaps-lastmod-ping