Un sitemap liste les URL d’un site dans un fichier structuré, le plus souvent au format XML. Les moteurs de recherche le lisent pour découvrir des pages, mais côté utilisateur, ce même fichier devient un outil d’exploration : il permet de cartographier un site, de repérer ses sections principales et de mesurer l’écart entre ce qui est publié et ce qui est réellement accessible par la navigation.
Sitemap XML, HTML et TXT : ce que chaque format révèle d’un site
Tous les sitemaps ne livrent pas la même information. Le choix du format conditionne ce que l’on peut extraire lors d’une exploration.
| Format | Destinataire principal | Données exploitables | Limites pour l’exploration |
|---|---|---|---|
| XML | Moteurs de recherche (Google, Bing) | URL, date de dernière modification (lastmod), extensions images/vidéos | Ne contient pas toujours les pages orphelines ni les ressources bloquées par robots.txt |
| HTML | Visiteurs humains | Arborescence visible du site, liens cliquables vers chaque rubrique | Souvent incomplet sur les grands sites, mis à jour manuellement |
| TXT | Moteurs de recherche | Liste brute d’URL, une par ligne | Aucune métadonnée (pas de date, pas de priorité) |
Le format XML reste le plus utile pour une exploration méthodique. Il fournit la date lastmod, qui – lorsqu’elle reflète une modification réelle – permet de trier les pages par fraîcheur. Google précise utiliser cette date quand elle correspond de manière cohérente à un changement effectif du contenu.
Les balises changefreq et priority, en revanche, ne sont pas prises en compte par Google. Les traiter comme des indicateurs fiables fausserait l’analyse. Un sitemap TXT, lui, ne fournit qu’une liste d’adresses sans contexte : il sert de point de départ, pas d’outil d’audit.
Comparer le sitemap aux pages réellement accessibles
L’usage le plus productif d’un sitemap ne consiste pas à le lire passivement. Il s’agit de le confronter à d’autres sources de données pour mesurer des écarts.
En croisant les URL d’un sitemap XML avec celles découvertes par un crawl interne (Screaming Frog, Xenu ou tout autre outil), on identifie deux types de problèmes. D’abord, les pages présentes dans le sitemap mais absentes du maillage interne : ces URL existent, mais aucun lien de navigation ne pointe vers elles. Ensuite, les pages liées dans le site mais absentes du sitemap, ce qui peut signaler un oubli de déclaration ou un fichier mal généré.
Pour illustrer cette méthode, le sitemap d’Europe Entreprises montre comment un annuaire en ligne structure ses URL par catégories et sous-domaines, ce qui facilite la lecture de l’arborescence avant même de parcourir le site.
Dans Google Search Console, le rapport sur les sitemaps indique si le fichier a été lu et combien d’URL il contient. Le rapport d’indexation permet ensuite d’examiner les URL soumises qui ne sont pas indexées, avec les raisons signalées. Cette comparaison transforme le sitemap en outil de diagnostic, pas en simple déclaration.
Les écarts les plus fréquents et leur signification
- URL dans le sitemap mais non indexée avec la mention « Discovered – currently not indexed » : Google connaît la page mais ne l’a pas encore jugée pertinente pour l’exploration. Un maillage interne trop faible vers cette page en est souvent la cause.
- URL indexée mais absente du sitemap : la page a été découverte par les liens, mais le fichier XML ne la référence pas. Le sitemap est probablement obsolète ou généré avec des filtres trop restrictifs.
- URL dans le sitemap renvoyant une erreur 404 ou une redirection 301 : le fichier n’a pas été mis à jour après une suppression ou un déplacement de contenu. Chaque URL en erreur gaspille le budget de crawl alloué au site.
Exploration spécialisée : images, vidéos et versions multilingues dans le sitemap
Le protocole sitemap XML accepte des extensions qui enrichissent la couverture du fichier au-delà des pages classiques. Les extensions image et vidéo déclarent des ressources que les moteurs ne découvriraient pas toujours en parcourant le code HTML seul.
Un sitemap image associe chaque visuel à l’URL de la page qui l’héberge. Pour un site e-commerce ou un portfolio, vérifier cette extension révèle si les visuels produits sont bien déclarés ou s’ils restent invisibles pour Google Images.
L’extension hreflang, elle, liste les correspondances entre versions linguistiques d’une même page. Sur un site multilingue, explorer le sitemap hreflang permet de repérer rapidement les incohérences : une page française pointant vers une version anglaise qui n’existe plus, ou une version espagnole oubliée dans la déclaration.
Vérifier la cohérence technique du fichier XML
Avant d’exploiter un sitemap pour l’exploration, il faut s’assurer que le fichier est valide. Un sitemap mal formé (balise non fermée, encodage incorrect, URL relative au lieu d’absolue) sera ignoré par les moteurs et faussera toute analyse manuelle.
- Chaque URL doit être absolue, commençant par le protocole (https://). Les URL relatives ne sont pas conformes au standard sitemaps.org.
- Le fichier ne doit pas dépasser la limite de 50 000 URL par sitemap unitaire. Au-delà, un index de sitemaps fractionne la liste en plusieurs fichiers.
- La déclaration dans le fichier robots.txt (ligne Sitemap: suivie de l’URL du fichier) garantit que les moteurs le trouvent sans passer par la Search Console.
Sitemap et maillage interne : deux outils complémentaires, pas interchangeables
Une erreur courante consiste à penser qu’un sitemap complet dispense d’un maillage interne solide. Le sitemap signale l’existence d’une page, il ne la rend pas importante. Google découvre une URL grâce au sitemap, mais évalue sa pertinence en fonction des liens internes qui pointent vers elle, du contenu qu’elle propose et de sa profondeur dans l’architecture du site.
Une page déclarée dans le sitemap mais accessible uniquement en quatre clics depuis la page d’accueil, sans lien contextuel depuis d’autres contenus, reste faiblement valorisée. Le sitemap corrige un problème de découverte, pas un problème de structure.
L’exploration d’un site par son sitemap gagne donc à être croisée systématiquement avec l’analyse du maillage. Un sitemap propre, à jour et techniquement valide reste le point de départ le plus fiable pour comprendre ce qu’un site veut montrer aux moteurs – et ce qu’il oublie de leur montrer.
