Un sitemap XML liste les URL d’un site, mais cette liste ne dit rien sur l’état réel des pages qu’elle contient. Certaines URL peuvent renvoyer une erreur, d’autres ne reçoivent aucun lien interne, d’autres encore affichent un contenu obsolète malgré une date de modification récente. Explorer un sitemap de façon utile, c’est le traiter comme un inventaire de candidates à vérifier, pas comme un annuaire de pages fonctionnelles.
Sitemap XML : ce que le fichier ne révèle pas sur vos pages
Le protocole Sitemap autorise au maximum 50 000 URL ou 50 Mo non compressés par fichier. Les sites qui dépassent ces seuils utilisent un index de sitemaps, c’est-à-dire un fichier qui pointe vers plusieurs sitemaps secondaires. Cette segmentation est une première piste d’exploration : chaque sous-fichier regroupe généralement un type de contenu (articles, fiches produit, catégories), ce qui permet d’examiner des ensembles cohérents plutôt qu’une liste unique.
Google précise qu’inclure une URL dans un sitemap ne garantit pas son indexation. Le fichier signale l’existence d’une page, pas sa qualité ni sa pertinence. Pour observer comment un site organise ses contenus, parcourir le sitemap de Passez l’info donne un bon aperçu de la façon dont un index de sitemaps segmente les URL par rubrique.
Deux balises du sitemap sont souvent mal comprises. La balise priority est ignorée par Google : elle n’influence ni l’ordre d’exploration ni le classement. La balise changefreq subit le même sort. Ces métadonnées déclaratives n’ont donc aucune valeur pour hiérarchiser les pages à examiner en priorité.
Croiser le sitemap avec les liens internes et les rapports d’inspection
L’angle le plus productif pour explorer un sitemap consiste à le confronter à deux autres sources : le maillage interne du site et les données de Search Console. Cette triangulation fait apparaître des écarts que la lecture du fichier XML seul ne montre jamais.
Repérer les pages orphelines dans le sitemap
Une URL présente dans le sitemap mais absente du maillage interne pose un problème concret. Les robots d’exploration peuvent la découvrir via le fichier XML, mais les visiteurs n’y accèdent par aucun chemin de navigation. Ce type de page orpheline a peu de chances de recevoir du trafic, même si elle est indexée.
Pour identifier ces cas, il faut croiser la liste des URL du sitemap avec un crawl du site (Screaming Frog, Sitebulb ou tout autre outil d’exploration). Les URL qui apparaissent dans le sitemap sans recevoir de lien interne méritent un examen : soit elles doivent être reliées à la structure du site, soit elles n’ont plus de raison d’exister dans le fichier.
Vérifier l’état réel via l’inspection d’URL
Le rapport Sitemaps de Google Search Console indique le nombre d’URL découvertes et les erreurs rencontrées. Ce rapport donne une vue globale, mais l’inspection individuelle d’une URL reste le seul moyen de connaître son état exact : indexée, découverte mais non indexée, exclue par une balise canonique pointant ailleurs, ou bloquée par le fichier robots.txt.
En pratique, commencer par les URL que le rapport Sitemaps signale comme problématiques permet de concentrer l’effort sur les cas concrets. Inspecter une URL au hasard dans un sitemap de plusieurs milliers de pages n’a pas grand intérêt.
La balise lastmod : un signal utile sous condition
Google indique que la balise lastmod peut l’aider à planifier de nouvelles explorations, à une condition : la date doit refléter une modification importante du contenu, des données structurées ou des liens de la page. Une simple mise à jour du pied de page ou une recompilation automatique du site ne justifie pas un changement de date.
Sur de nombreux CMS, la date lastmod se met à jour à chaque enregistrement, même pour une correction de virgule. Ce comportement dilue le signal. Les sites dont la balise lastmod est régulièrement exacte et vérifiable envoient un signal plus fiable aux robots d’exploration.
Pour exploiter cette information lors d’une exploration manuelle, trier les URL du sitemap par date lastmod permet de repérer deux cas intéressants :
- Des pages dont la date est très ancienne (plusieurs années) et qui n’ont visiblement jamais été mises à jour, ce qui peut indiquer du contenu obsolète à vérifier ou à supprimer
- Des pages dont la date change très fréquemment sans que le contenu visible évolue, ce qui signale un problème de configuration du CMS
- Des pages récemment modifiées qui ne sont pas encore indexées selon Search Console, ce qui mérite une inspection individuelle pour comprendre le blocage
Sitemap et IndexNow : distinguer découverte et indexation sur Bing
Le protocole IndexNow permet de signaler à Bing et à d’autres moteurs participants qu’une URL a été ajoutée, modifiée ou supprimée. Une réponse de réception confirme que la notification a été reçue, mais elle ne garantit ni l’exploration ni l’indexation.
Le sitemap reste l’inventaire de référence pour ces moteurs. IndexNow joue un rôle complémentaire de notification en temps réel. Lors de l’exploration d’un sitemap, cette distinction compte : une URL peut figurer dans le fichier, avoir été signalée via IndexNow, et ne toujours pas apparaître dans les résultats de recherche. Les outils pour webmasters de Bing offrent un rapport d’état des URL similaire à celui de Google, qui permet de vérifier ces cas.
Méthode pratique pour trier les URL d’un sitemap
Explorer un sitemap de façon systématique suppose de ne pas lire le fichier ligne par ligne. La démarche la plus efficace suit un ordre précis :
- Télécharger le sitemap (ou l’index de sitemaps) et importer les URL dans un tableur ou un outil de crawl pour obtenir une vue d’ensemble par type de contenu
- Croiser ces URL avec les données de liens internes issues d’un crawl : isoler les pages orphelines, les pages à un seul lien entrant, et les pages les plus maillées
- Confronter la liste aux rapports Search Console (ou Bing Webmaster Tools) pour identifier les URL non indexées, exclues ou en erreur
- Vérifier la cohérence des balises lastmod en comparant les dates affichées avec les modifications réelles du contenu
Ce croisement entre sitemap, maillage interne et rapports d’inspection transforme un simple fichier XML en outil de diagnostic. Les pages qui cumulent présence dans le sitemap, bon maillage interne et indexation confirmée sont celles qui contribuent réellement à la visibilité du site. Les autres méritent une action corrective ou un retrait du fichier.
Un sitemap propre, dont chaque URL correspond à une page accessible, canonique et reliée au reste du site, envoie un signal clair aux moteurs. À l’inverse, un fichier gonflé d’URL mortes ou orphelines dilue l’attention des robots d’exploration sur des pages sans valeur pour les visiteurs.