Bonnes pratiques — Sitemap XML

Table des matières

Qu'est-ce qu'un sitemap ?
Types de sitemaps
Structure et syntaxe
Limites et contraintes techniques
Quelles URLs inclure ?
Les attributs XML
Sitemap index
Déclaration et soumission
Sitemaps spécialisés
Erreurs courantes à éviter
Automatisation et maintenance
Validation

Qu'est-ce qu'un sitemap ?

Un sitemap (ou plan du site) est un fichier XML qui liste les URLs d'un site web afin d'aider les moteurs de recherche à les découvrir et à les explorer plus efficacement. Il ne garantit pas l'indexation d'une page, mais améliore la communication entre le site et les crawlers.

Analogie : Le sitemap est comme une table des matières que tu remets au moteur de recherche pour lui dire : « Voici toutes les pages de mon site, et voici leur importance relative. »

Quand un sitemap est-il particulièrement utile ?

Sites de grande taille (des centaines ou milliers de pages)
Sites dont le maillage interne est faible ou peu structuré
Sites récents avec peu de backlinks externes
Sites avec du contenu riche en médias (images, vidéos)
Sites avec des pages mises à jour très fréquemment

Types de sitemaps

Type	Format	Usage principal
Sitemap XML	`.xml`	Pages web standard
Sitemap d'images	`.xml` (extension)	Images indexables
Sitemap de vidéos	`.xml` (extension)	Contenu vidéo
Sitemap d'actualités	`.xml` (extension)	Articles de presse (Google News)
Sitemap texte	`.txt`	Liste d'URLs simples (usage limité)
Sitemap RSS/Atom	`.xml`	Flux de contenu (blogs, podcasts)

Structure et syntaxe

Exemple minimal valide

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://example.com/</loc>
  </url>
  <url>
    <loc>https://example.com/a-propos</loc>
  </url>
</urlset>

Exemple complet avec tous les attributs

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <url>
    <loc>https://example.com/page</loc>
    <lastmod>2024-11-15</lastmod>
    <changefreq>monthly</changefreq>
    <priority>0.8</priority>
  </url>
</urlset>

Règles de formatage

L'encodage doit être UTF-8
Toutes les URLs doivent utiliser le protocole complet (https:// ou http://)
Les caractères spéciaux doivent être échappés en entités XML :

Caractère	Entité XML
`&`	`&`
`'`	`'`
`"`	`"`
`>`	`>`
`<`	`<`

Limites et contraintes techniques

Contrainte	Valeur maximale
Nombre d'URLs par fichier	50 000
Taille d'un fichier	50 MB non compressé
Taille compressée (`.xml.gz`)	Acceptée par tous les moteurs

Si l'un de ces seuils est atteint, il faut utiliser un sitemap index (voir section dédiée).

Compression recommandée

Il est conseillé de compresser les sitemaps volumineux en .gz pour réduire la bande passante et accélérer l'exploration :

sitemap.xml.gz

Quelles URLs inclure ?

✅ À inclure

Pages canoniques (la version définitive d'une URL)
Pages accessibles sans authentification
Pages retournant un statut HTTP 200
Pages dont on souhaite l'indexation
Pages avec du contenu de valeur pour les utilisateurs

❌ À exclure

Pages en redirection (301, 302)
Pages avec une balise <meta name="robots" content="noindex">
Pages bloquées dans robots.txt
Pages de résultats de recherche interne
Pages d'administration, de connexion, de panier
Pages de pagination (sauf la page 1 selon les cas)
URLs avec paramètres de session ou de tracking (?sessionid=, ?utm_source=)
Pages dupliquées (ne garder que la canonique)
Pages retournant une erreur (404, 410, 500)

Règle d'or : Ne soumettre que les URLs que tu veux voir indexées et qui correspondent à la version canonique.

Les attributs XML

`<loc>` (obligatoire)

L'URL complète et absolue de la page.

<loc>https://example.com/ma-page</loc>

Doit correspondre exactement au protocole utilisé (https de préférence)
Doit être la version canonique de l'URL (avec ou sans slash final, de façon cohérente)

`<lastmod>` (optionnel)

Date de dernière modification du contenu, au format W3C Datetime (YYYY-MM-DD ou complet YYYY-MM-DDTHH:MM:SS+00:00).

<lastmod>2024-11-15</lastmod>

Bonnes pratiques :

N'utiliser lastmod que si la date est réelle et fiable (générée dynamiquement depuis la base de données)
Ne pas mettre la date du jour sur toutes les pages statiquement — Google ignore les dates incorrectes ou trop fréquemment mises à jour

`<changefreq>` (optionnel)

Fréquence estimée de modification du contenu. Valeurs possibles :

Valeur	Usage typique
`always`	Pages modifiées à chaque visite
`hourly`	Flux en temps réel
`daily`	Actualités, blogs actifs
`weekly`	Contenu mis à jour régulièrement
`monthly`	Pages de contenu stable
`yearly`	Pages quasi-statiques
`never`	Archives permanentes

Note importante : Google indique officiellement qu'il utilise peu cet attribut. Il reste utile comme indication, mais ne constitue pas une directive.

`<priority>` (optionnel)

Priorité relative de la page dans le site, entre 0.0 et 1.0 (défaut : 0.5).

<priority>0.8</priority>

Recommandations :

Page d'accueil : 1.0
Pages principales de catégories : 0.8
Pages de contenu standard : 0.5 à 0.7
Pages secondaires : 0.3 à 0.5

Attention : La priorité est relative au site, pas aux autres sites. Mettre 1.0 partout n'a aucun effet positif et dilue l'information.

Sitemap index

Quand un site dépasse 50 000 URLs ou que le fichier dépasse 50 MB, il faut diviser les sitemaps et créer un fichier index.

Structure d'un sitemap index

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://example.com/sitemap-pages.xml</loc>
    <lastmod>2024-11-15</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://example.com/sitemap-articles.xml</loc>
    <lastmod>2024-11-14</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://example.com/sitemap-images.xml</loc>
    <lastmod>2024-11-10</lastmod>
  </sitemap>
</sitemapindex>

Bonnes pratiques pour le sitemap index

Placer le fichier index à la racine : https://example.com/sitemap.xml
Référencer uniquement des sitemaps du même domaine
Mettre à jour le <lastmod> du sitemap index lorsqu'un sous-sitemap change
Segmenter logiquement : par type de contenu, par langue, par section

Déclaration et soumission

1. Dans `robots.txt` (recommandé)

Ajouter à la fin du fichier robots.txt :

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

Plusieurs sitemaps peuvent être déclarés :

Sitemap: https://example.com/sitemap.xml
Sitemap: https://example.com/sitemap-images.xml

2. Via Google Search Console

Aller dans Index > Sitemaps
Soumettre l'URL complète du sitemap
Permet de surveiller les erreurs et le statut d'indexation

3. Via Bing Webmaster Tools

Aller dans Sitemaps
Soumettre l'URL du sitemap

4. Ping HTTP (déprécié)

Google a retiré l'endpoint de ping en 2023. Cette méthode n'est plus fonctionnelle.

Stratégie recommandée : Déclarer dans robots.txt + soumettre dans Search Console + soumettre dans Bing Webmaster Tools.

Sitemaps spécialisés

Sitemap d'images

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
        xmlns:image="http://www.google.com/schemas/sitemap-image/1.1">
  <url>
    <loc>https://example.com/ma-page</loc>
    <image:image>
      <image:loc>https://example.com/images/photo.jpg</image:loc>
      <image:title>Description de l'image</image:title>
      <image:caption>Légende de l'image</image:caption>
    </image:image>
  </url>
</urlset>

Sitemap de vidéos

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
        xmlns:video="http://www.google.com/schemas/sitemap-video/1.1">
  <url>
    <loc>https://example.com/ma-video</loc>
    <video:video>
      <video:thumbnail_loc>https://example.com/thumb.jpg</video:thumbnail_loc>
      <video:title>Titre de la vidéo</video:title>
      <video:description>Description de la vidéo</video:description>
      <video:content_loc>https://example.com/video.mp4</video:content_loc>
      <video:duration>600</video:duration>
      <video:publication_date>2024-11-15T08:00:00+00:00</video:publication_date>
    </video:video>
  </url>
</urlset>

Sitemap d'actualités (Google News)

<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
        xmlns:news="http://www.google.com/schemas/sitemap-news/0.9">
  <url>
    <loc>https://example.com/article/mon-titre</loc>
    <news:news>
      <news:publication>
        <news:name>Nom du média</news:name>
        <news:language>fr</news:language>
      </news:publication>
      <news:publication_date>2024-11-15T09:00:00+00:00</news:publication_date>
      <news:title>Titre de l'article</news:title>
    </news:news>
  </url>
</urlset>

Les sitemaps Google News ne doivent contenir que des articles publiés dans les 48 dernières heures.

Sitemap multilingue (hreflang)

<url>
  <loc>https://example.com/fr/page</loc>
  <xhtml:link rel="alternate" hreflang="fr" href="https://example.com/fr/page"/>
  <xhtml:link rel="alternate" hreflang="en" href="https://example.com/en/page"/>
  <xhtml:link rel="alternate" hreflang="x-default" href="https://example.com/en/page"/>
</url>

Namespace requis : xmlns:xhtml="http://www.w3.org/1999/xhtml"

Erreurs courantes à éviter

Erreur	Impact	Solution
Inclure des URLs `noindex`	Incohérence signalée dans Search Console	Exclure les pages bloquées
Inclure des redirections	Perte de budget crawl	Ne mettre que les URL finales
URLs non canoniques	Signaux SEO dilués	Utiliser uniquement la version canonique
`lastmod` non fiable (toujours aujourd'hui)	Google ignore l'attribut	Générer dynamiquement depuis la BDD
Oublier le HTTPS si disponible	Confusion de protocole	Utiliser le protocole par défaut du site
Incohérence avec `robots.txt`	Pages soumises mais bloquées	Vérifier que les URLs ne sont pas bloquées
Omettre le sitemap index sur grand site	Dépasser la limite de 50 000 URLs	Implémenter un index segmenté
Ne jamais mettre à jour le sitemap	Nouvelles pages non découvertes	Automatiser la génération
Mélanger HTTP et HTTPS	Duplication de contenu	Cohérence absolue de protocole

Automatisation et maintenance

CMS populaires

CMS	Plugin/Module recommandé
WordPress	Yoast SEO, Rank Math, Google XML Sitemaps
Joomla	OSMap, Xmap
Drupal	Simple XML Sitemap
Magento	Intégré nativement
Shopify	Intégré nativement (`/sitemap.xml`)

Génération programmatique (PHP)

<?php
header('Content-Type: application/xml; charset=utf-8');
echo '<?xml version="1.0" encoding="UTF-8"?>';
?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<?php foreach ($pages as $page): ?>
  <url>
    <loc><?= htmlspecialchars($page['url']) ?></loc>
    <lastmod><?= date('Y-m-d', strtotime($page['updated_at'])) ?></lastmod>
    <changefreq>weekly</changefreq>
    <priority><?= $page['priority'] ?></priority>
  </url>
<?php endforeach; ?>
</urlset>

Fréquence de mise à jour recommandée

Sites à contenu dynamique (e-commerce, blogs) : régénération automatique à chaque publication
Sites statiques : régénération à chaque déploiement
Notification aux moteurs : soumettre un ping via Search Console après modification majeure

Validation

Outils en ligne

Google Search Console — Outil de test et de soumission officiel
Screaming Frog SEO Spider — Audit complet et détection d'erreurs
XML Sitemap Validator — xmlsitemaps.com
Bing Webmaster Tools — Validation et soumission pour Bing

Vérifications manuelles essentielles

# Vérifier l'accessibilité du sitemap
curl -I https://example.com/sitemap.xml

# Vérifier le Content-Type retourné (doit être application/xml ou text/xml)
curl -s -D - https://example.com/sitemap.xml -o /dev/null | grep content-type

# Valider la syntaxe XML
xmllint --noout sitemap.xml

Checklist de validation

[ ] Le fichier est accessible publiquement (HTTP 200)
[ ] Le Content-Type est application/xml ou text/xml
[ ] Le XML est valide (pas d'erreurs de syntaxe)
[ ] Toutes les URLs retournent HTTP 200
[ ] Aucune URL noindex n'est incluse
[ ] Aucune URL bloquée par robots.txt n'est incluse
[ ] Le sitemap est déclaré dans robots.txt
[ ] Le sitemap est soumis dans Search Console
[ ] Les dates lastmod sont fiables et à jour
[ ] Les URLs utilisent le bon protocole (HTTPS)