Quand on gère un site avec plusieurs centaines de pages, on finit toujours par tomber sur le même problème : des contenus enfouis que ni les visiteurs ni les moteurs de recherche ne trouvent. Le sitemap, qu’il soit XML ou HTML, répond directement à cette situation. Comprendre ce fichier et savoir le lire permet de reprendre la main sur la façon dont un site est parcouru, indexé et utilisé au quotidien.
Le tag lastmod dans un sitemap XML : un signal souvent mal exploité
La plupart des guides sur les sitemaps listent les balises disponibles sans préciser lesquelles comptent vraiment. Sur le terrain, Google ignore les balises priority et changefreq depuis des années. Seule la valeur lastmod conserve un intérêt, à condition d’être fiable.
Un lastmod utile reflète la date réelle de la dernière modification substantielle du contenu. Si toutes les URL d’un sitemap affichent la même date (celle de la génération automatique du fichier), le signal perd sa crédibilité. Google finit par ne plus en tenir compte pour ce domaine.
On peut vérifier ce point en ouvrant directement le fichier sitemap.xml dans un navigateur. Si les dates lastmod sont identiques sur des pages manifestement différentes, il y a un problème de configuration.
Sur WordPress, certains plugins SEO régénèrent le sitemap à chaque sauvegarde mineure, ce qui écrase les vraies dates. Désactiver la mise à jour automatique du lastmod sur les modifications mineures (correction de typo, ajout d’un tag) est une précaution concrète. Pour observer la structure d’un sitemap bien organisé, on peut consulter la page sitemap de Entrepreneur Land, qui illustre un découpage par catégories de contenu.
Sitemap HTML et navigation utilisateur : un usage oublié des grands sites
Le sitemap XML s’adresse aux robots. Le sitemap HTML, lui, s’adresse aux humains. Sur un site de plusieurs centaines de pages, la navigation par menus ne suffit pas toujours. Des rubriques secondaires, des pages de ressources ou des articles anciens disparaissent des parcours utilisateur courants.
Les W3C Web Sustainability Guidelines recommandent explicitement un sitemap lisible par l’humain pour les sites volumineux ou complexes. Cette page agit comme un index : elle permet à un visiteur de repérer en quelques secondes une section qu’il n’aurait pas trouvée via le menu principal.
L’intérêt est double :
- Les utilisateurs qui cherchent une page précise y accèdent sans passer par la recherche interne, souvent peu performante sur les petits sites
- Les robots d’exploration découvrent des URL orphelines (pages sans lien interne pointant vers elles) grâce au maillage que crée la page sitemap HTML
- Les équipes éditoriales identifient rapidement les contenus obsolètes ou en doublon en parcourant la liste complète des URL publiées
On sous-estime à quel point un sitemap HTML bien maintenu réduit les demandes au support (« je ne trouve pas telle page ») sur les sites institutionnels ou e-commerce.
Diagnostiquer un problème d’indexation à partir du sitemap
Quand des pages n’apparaissent pas dans les résultats de recherche, le réflexe habituel est de vérifier le fichier robots.txt ou les balises meta noindex. On oublie souvent le sitemap comme outil de diagnostic.
Croiser sitemap et Google Search Console
Google Search Console indique le nombre d’URL soumises via le sitemap et le nombre d’URL effectivement indexées. Un écart significatif entre ces deux chiffres signale un problème technique : pages en erreur 404, redirections en boucle, contenu dupliqué ou temps de réponse serveur trop long.
La démarche concrète : on ouvre la section « Sitemaps » de la Search Console, on note le ratio soumises/indexées, puis on consulte le rapport « Pages » pour identifier les raisons d’exclusion. Cette vérification prend quelques minutes et évite de chercher à l’aveugle.
Repérer les URL qui ne devraient pas figurer dans le sitemap
Un sitemap gonflé artificiellement dilue les signaux envoyés aux moteurs de recherche. Les pages de résultats de recherche interne, les pages de filtres e-commerce, les archives par date ou les pages de tags avec un seul article n’ont rien à faire dans un sitemap XML.
Nettoyer son sitemap améliore la qualité du crawl sans modifier une seule ligne de contenu. Sur les sites à forte volumétrie, cette opération libère du budget de crawl pour les pages qui comptent vraiment.
Structure du fichier sitemap XML : lire les balises qui comptent
Un fichier sitemap XML contient un ensemble de balises encadrées par la structure urlset. Chaque URL est déclarée dans un bloc url, avec au minimum la balise loc qui indique l’adresse de la page.
Les balises réellement utiles se résument à deux :
- loc : l’URL complète de la page, obligatoire et non négociable
- lastmod : la date de dernière modification, utile uniquement si elle est exacte et vérifiable par Google
- Les balises changefreq et priority existent dans la spécification mais sont ignorées par Google, ce qui les rend inutiles en pratique
Pour les sites qui publient des vidéos ou des images spécifiques, des extensions au format XML permettent de déclarer ces contenus dans des sitemaps dédiés. Les retours varient sur l’impact réel de ces sitemaps spécialisés, mais ils restent pertinents pour les sites dont le contenu multimédia constitue l’activité principale.
Un sitemap peut contenir jusqu’à un nombre limité d’URL par fichier. Au-delà, on crée un sitemap index qui pointe vers plusieurs fichiers sitemap. Cette architecture en deux niveaux est standard sur les sites e-commerce ou les médias en ligne.
Consulter régulièrement son sitemap, que ce soit pour vérifier la cohérence des dates lastmod, repérer des URL orphelines ou nettoyer les pages inutiles, reste un geste de maintenance simple avec un impact direct sur la visibilité. C’est un fichier qu’on configure une fois puis qu’on oublie, alors qu’il mériterait une relecture trimestrielle au minimum.