Sitemap

Définition courte

Un sitemap est un fichier qui liste les URLs importantes d'un site web pour guider les moteurs de recherche dans leur exploration. Sans sitemap, les sites de +100 pages oublient en moyenne 30 % de leurs URLs profondes.

Définition complète

Le sitemap existe en deux formats : XML (pour les moteurs) et HTML (pour les humains). Le sitemap XML suivre le protocole Google Sitemap Protocol 0.9 avec pour chaque URL : <loc> (URL canonique), <lastmod> (date ISO 8601), <changefreq> (fréquence : always, hourly, daily, weekly, monthly, yearly, never), et <priority> (0,0 à 1,0). Le sitemap HTML est une page accessible aux visiteurs pour naviguer le site. Les sitemaps sont essentiels pour : les sites de +500 pages, les sites nouveaux sans backlinks, les sites e-commerce avec des milliers de fiches, et les sites AJAX/SPA. Googlebot découvrira 70% plus de pages profondes avec un sitemap XML bien structuré (Google Search Central, 2024).

Pensée simple

Le sitemap XML, c'est comme le sommaire interactif d'un Encyclopedia Universalis : chaque chapitre (section du site) est listé avec son nombre de pages, et les moteurs de recherche lisent d'abord le sommaire avant de décider quelle section explorer en profondeur. Sans sommaire, l'encyclopédie reste fermée.

Les 3 piliers du Sitemap

Protocole et grammaire XML (Syntaxe)

Le sitemap XML doit respecter 0.9 : chaque URL dans une balise <loc> avec URL absolue (https://...), encodage UTF-8, et XML valide. Les erreurs de syntaxe (caractères spéciaux non échappés, URL relative) rendent le sitemap illisible pour Google. Le fichier doit être 50 000 URLs et 50 Mo au-delà, utiliser un sitemap index. Les namespaces ne sont pas obligatoires mais recommandés.

Découverte et crawl prioritaire (Exploration)

Le sitemap indique à Googlebot où trouver le contenu important. La balise <priority> signale les pages stratégiques : homepage = 1.0, catégories = 0.8, produits = 0.6-0.9. La <lastmod> avec date réelle permet à Googlebot de ne re-crawler que les pages modifiées. Les pages noindex ne doivent jamais figurer dans le sitemap.

Soumission et surveillance GSC (Monitoring)

Le sitemap doit être soumis dans Google Search Console et surveillé mensuellement. Les erreurs critiques : URLs bloquées par robots.txt (0% d'indexation), URLs canonicalisées vers une autre page, URLs retournant 404. Bing et Yandex acceptent le même format via leurs webmasters tools.

Le cycle de gestion du Sitemap

1. Audit du site : Lister toutes les URLs importantes (crawl via Screaming Frog ou Ahrefs).
2. Génération XML : Automatique via CMS (Yoast, Rank Math pour WordPress) ou plugin e-commerce.
3. Validation syntaxe : Tester avec l'outil GSC « Tester le sitemap » avant soumission.
4. Soumission GSC : Upload dans Google Search Console et Bing Webmaster Tools.
5. Monitoring mensuel : Vérifier les erreurs 404, les URLs bloquées, et le taux d'indexation.
6. Mise à jour trimestrielle : Regenerer après ajout de sections ou refonte du site.

Exemple concret

E-commerce de mode (12 000 produits, 850 catégories) sans sitemap au départ. Googlebot découvrait seulement 4 200 produits en 30 jours. Implémentation : (1) Génération automatique du sitemap XML via plugin Shopify, (2) Séparation en 5 sitemaps index (produits, catégories, pages, blog, images), (3) Priorités : produits 0.8, catégories 0.7, blog 0.6, (4) Soumission GSC. Résultat en 60 jours : Googlebot a découvert 11 800 produits (+180%), indexation passée de 35% à 98%, trafic organique +67% (de 48K à 80K sessions/mois). Coût : 2h de configuration initiale.

Applications concrètes

• E-commerce : Sitemap indexé par type (produits, catégories, marques, blog) pour un crawl priorisé.
• Site vitrine : Sitemap HTML visible dans le footer pour guider les visiteurs humains.
• Site multilingue : Un sitemap par langue ou sitemap avec hreflang intégré.
• Site avec contenu temporel : (événements, soldes) sitemap mis à jour automatiquement.

Métriques clés