Un sitemap XML est un fichier qui liste les URL d’un site web destinées à être explorées par les moteurs de recherche. Sa structure détermine la rapidité avec laquelle Google découvre, explore et indexe les pages. Un sitemap mal construit ne provoque pas d’erreur visible, mais il ralentit silencieusement l’indexation des contenus stratégiques.
Balises obsolètes du sitemap XML : ce qu’il faut supprimer
La spécification originale du protocole sitemaps.org prévoit plusieurs balises optionnelles pour chaque URL. Parmi elles, priority et changefreq sont désormais ignorées par Google. Les conserver dans le fichier n’apporte aucun bénéfice et alourdit inutilement le document.
A voir aussi : Comment optimiser la gestion informatique de votre collectivité grâce à des solutions innovantes
La balise priority attribuait une valeur entre 0.0 et 1.0 pour signaler l’importance relative d’une page. Google n’en tient plus compte pour programmer ses visites. La balise changefreq, censée indiquer la fréquence de mise à jour (daily, weekly, monthly), est traitée de la même façon : le robot l’ignore.
Supprimer ces deux champs réduit la taille du fichier et élimine une fausse impression de contrôle sur le crawl. Les informations du site actuweb fr illustrent bien à quoi ressemble un sitemap épuré, centré sur les URL et leurs métadonnées réellement exploitées.
A lire également : Découvrez les dispositifs innovants pour booster votre recherche d'emploi en 2024
La seule balise optionnelle qui conserve un poids réel est lastmod, à condition qu’elle soit utilisée correctement, ce qui fait l’objet de la section suivante.
Lastmod du sitemap : le seul signal de fraîcheur fiable
Le champ lastmod indique la date de dernière modification significative d’une page. Quand cette date est fiable, Googlebot s’en sert pour prioriser le recrawl des contenus récemment mis à jour. C’est le levier le plus direct dont dispose un webmaster pour accélérer la prise en compte d’une modification.
Lastmod ne doit refléter que les modifications réelles du contenu, pas la date de régénération automatique du fichier. Un sitemap où toutes les URL affichent la date du jour envoie un signal contradictoire : si tout a changé, rien n’a changé. Google finit par ignorer le champ entièrement pour ce domaine.
Erreurs fréquentes sur lastmod
- Mettre à jour lastmod après un changement cosmétique (correction d’un espace, modification du footer) sans toucher au contenu éditorial de la page
- Régénérer le sitemap quotidiennement via un cron job qui applique la date du jour à toutes les entrées, même celles inchangées depuis des mois
- Laisser lastmod vide sur des pages récemment remaniées, ce qui empêche Google de détecter la mise à jour
Un lastmod exact sur une fiche produit mise à jour (nouveau prix, nouveau stock, nouvelle description) accélère le recrawl de cette fiche. Sur un article de blog republié avec des données actualisées, l’effet est identique.
Filtrage des URL : quelles pages inclure dans le sitemap
Un sitemap performant ne liste pas toutes les URL du site. Il ne contient que les pages qui méritent d’apparaître dans les résultats de recherche. Chaque URL du sitemap doit renvoyer un code HTTP 200 et porter une balise meta robots index.
Inclure des pages en noindex, des redirections 301, des URL canonicalisées vers d’autres pages ou des pages d’erreur 404 pollue le fichier. Le robot dépense du budget de crawl sur des URL qui ne mèneront jamais à une indexation.
Pages à exclure systématiquement
- Pages de résultats de recherche interne, de filtres à facettes ou de pagination profonde sans contenu unique
- Pages protégées par un login ou renvoyant une redirection vers la page de connexion
- URL avec paramètres de tracking (utm, session ID) qui dupliquent des pages déjà présentes sans paramètre
- Pages en brouillon, en staging ou accessibles uniquement via un sous-domaine de préprod
Sur un site e-commerce avec plusieurs milliers de fiches produits, le filtrage devient un travail régulier. Les fiches de produits épuisés définitivement, passées en 404 ou redirigées, doivent sortir du sitemap à chaque mise à jour.
Sitemap index et segmentation par type de contenu
Le protocole autorise un maximum de 50 000 URL par fichier sitemap. Au-delà, ou quand le site comporte des types de contenus distincts (articles, produits, images, vidéos), un sitemap index qui référence plusieurs sous-sitemaps facilite le diagnostic et le suivi.
Segmenter par type de contenu (un sitemap pour les articles, un pour les catégories, un pour les fiches produits) permet d’identifier rapidement quel segment pose un problème d’indexation dans Google Search Console. Si le taux d’indexation chute sur le sitemap produits mais reste stable sur le sitemap articles, le problème est localisé.
Sitemaps spécialisés images et vidéos
Les sitemaps images et vidéos utilisent des extensions du protocole XML. Ils signalent à Google des médias intégrés dans les pages, ce qui améliore leur visibilité dans Google Images et Google Video. Pour un site dont le trafic dépend fortement du visuel (portfolio, e-commerce mode, recettes de cuisine), un sitemap image dédié augmente la surface d’indexation sans modifier le contenu des pages.
Le sitemap vidéo requiert des métadonnées spécifiques : titre, description, URL de la miniature, durée. Sans ces informations, Google ne prend pas en compte l’entrée.
Soumission et vérification du sitemap dans Search Console
Déclarer le sitemap dans le fichier robots.txt via la directive Sitemap: suivie de l’URL absolue du fichier reste la méthode la plus simple et la plus universelle. Elle fonctionne pour tous les moteurs compatibles avec le protocole.
La soumission manuelle via Google Search Console ou Bing Webmaster Tools offre un avantage supplémentaire : un rapport d’état qui indique le nombre d’URL soumises, le nombre d’URL indexées et les éventuelles erreurs détectées. L’écart entre URL soumises et URL indexées constitue le premier indicateur de qualité du sitemap.
Un écart persistant signale des URL problématiques : contenu dupliqué, contenu trop mince, pages bloquées par le robots.txt ou erreurs serveur intermittentes. Corriger ces écarts revient à nettoyer le sitemap autant qu’à corriger les pages elles-mêmes.
La vérification régulière de ce rapport, couplée à une mise à jour du sitemap après chaque lot de publications ou de suppressions de pages, maintient la cohérence entre le fichier et l’état réel du site. Un sitemap qui reflète fidèlement la structure indexable d’un site donne à Googlebot une carte fiable, et une carte fiable raccourcit le chemin vers l’indexation.