Le sitemap XML existe depuis presque aussi longtemps que le SEO, et les conseils à son sujet ont pas mal évolué. Certaines habitudes jugées utiles il y a quelques années ne servent plus à rien, et d’autres peuvent même gêner l’exploration de votre site. Voici ce qu’il faut savoir aujourd’hui pour créer un fichier propre, bien structuré et réellement exploitable.
À quoi sert un sitemap XML ?
Un sitemap XML est un fichier qui liste les URL d’un site. Il indique aux robots des moteurs de recherche, et aussi à ceux des grands modèles de langage, quels contenus existent et où les trouver.
Par exemple, sur un site de dix pages, un robot qui lit le sitemap découvre les dix adresses en une seule visite. Sans lui, il doit suivre cinq liens internes, de page en page, pour arriver à la dixieme. Les moteurs peuvent trouver vos URL sans sitemap. Mais en les y ajoutant, vous signalez que ce sont, selon vous, de bonnes pages d’atterrissage et l'indexation sera plus rapide.
Si la Search Console affiche « Impossible de récupérer le sitemap », Google n’a pas pu lire le fichier. Une directive du robots.txt en est une cause possible. Cliquez sur l’erreur pour voir le détail, corrigez le problème, puis renvoyez le sitemap.
Sitemap statique ou dynamique
Il existe deux méthodes. Le sitemap statique se génère avec un outil comme Screaming Frog, mais il est périmé dès qu’une page est créée ou supprimée. La balise lastmod ne se met pas non plus à jour toute seule quand le contenu change. À moins d’aimer refaire et téléverser le fichier à chaque modification, mieux vaut éviter cette option.
Le sitemap dynamique se met à jour automatiquement, en temps réel ou via une tâche planifiée (cron). Pour en obtenir un, trois solutions sont possibles. Vous pouvez demander un script sur mesure à un développeur, en lui fournissant un cahier des charges précis. Un générateur de sitemap dynamique fait aussi l’affaire, tout comme un plugin pour votre CMS, par exemple Yoast sur WordPress.
Les différents types de sitemaps
Il existe plusieurs sortes de sitemaps, mais tous ne sont pas utiles à chaque site. Le sitemap XML classique couvre la plupart des besoins. Selon la taille de votre site et le type de contenus que vous publiez, un index de sitemaps ou des balises dédiées aux images, aux vidéos ou à Google Actualités peuvent s’y ajouter. Le sitemap HTML, destiné aux visiteurs, mérite aussi qu’on se demande s’il a encore sa place. Voici ce que chacun apporte.
L’index de sitemaps
Un sitemap XML est limité à 50 000 URL et à 50 Mo non compressé. La compression en gzip économise de la bande passante, mais une fois décompressé, le fichier ne doit dépasser aucune des deux limites. Au-delà, il faut répartir les URL dans plusieurs sitemaps, puis les regrouper dans un fichier d’index, souvent nommé sitemap-index.xml. C’est en quelque sorte le sitemap des sitemaps. Plusieurs index sont permis, mais ils ne peuvent pas être imbriqués.
Pour que les moteurs trouvent tous vos fichiers, soumettez l’index dans la Google Search Console et dans Bing Webmaster Tools, puis indiquez son adresse dans le fichier robots.txt.
Le sitemap d’images
Les sitemaps d’images ont été conçus pour améliorer l’indexation des visuels. Aujourd’hui, le balisage JSON-LD schema.org/ImageObject est préférable, car il offre plus d’attributs. Un sitemap d’images dédié devient donc inutile. Il suffit d’ajouter la déclaration d’espace de noms des images et les balises correspondantes directement dans le sitemap principal, sous l’URL concernée. Les images peuvent être hébergées sur un autre domaine, par exemple un CDN, à condition qu’il soit vérifié dans la Search Console.
Le sitemap de vidéos
Comme pour les images, Google autorise les balises vidéo dans un sitemap existant. Elles sont toutefois nombreuses, et leur usage intensif alourdit le fichier au point de risquer de dépasser les limites de taille. Dans ce cas, un sitemap vidéo dédié se justifie. La vidéo doit être liée au contenu de la page et accessible à Googlebot. Bing accepte aussi ces extensions, mais Fabrice Canel a confirmé à l’auteure de l’article d’origine que Microsoft préfère une soumission via IndexNow, même si sa documentation évoque encore le format mRSS.
Le sitemap Google Actualités
Il ne concerne que les articles publiés au cours des deux derniers jours. Passé 48 heures, les URL doivent être retirées. Les balises peuvent être ajoutées au sitemap classique, mais ce n’est pas recommandé. Seul Google exploite cette extension, pas Bing ni les autres moteurs. Contrairement à ce qu’on lit parfois, les URL d’images n’y sont pas prises en charge.
Le sitemap HTML
Le sitemap XML répond aux besoins des moteurs, tandis que le sitemap HTML vise les visiteurs. Avec une bonne navigation et un maillage interne soigné, il n’a plus beaucoup d’utilité. Il suffit de regarder ses pages vues dans Google Analytics. Si elles sont très faibles, il peut être retiré. Si elles sont élevées, c’est plutôt le signe que la navigation du site est à revoir.
Ce sitemap est souvent placé dans le pied de page, ce qui lui fait capter du link equity sur toutes les pages du site.
4 façons d’optimiser son sitemap XML
Un sitemap XML bien formé ne suffit pas toujours à faciliter le travail des robots. Son contenu et sa structure comptent autant que sa validité technique. Quatre points permettent d’améliorer l’exploration de votre site et de mieux suivre l’indexation de vos pages. Il s’agit de choisir les URL à y placer, de vérifier que le fichier est valide, de s’appuyer sur les rapports des outils de Google et de Bing, puis de régler la taille de chaque sitemap.
1. Y placer uniquement des pages utiles au SEO
Le sitemap doit lister les pages que vous voulez voir explorées, ce qui ne correspond pas forcément à l’ensemble du site. Un robot dispose d’un budget d’exploration limité, et le sitemap lui indique quelles URL vous jugez prioritaires.
Évitez donc d’y inclure les redirections 301, les pages en erreur 404 ou 410, les URL non canoniques, les pages en noindex ou bloquées par le robots.txt, et les pages paginées. Les paramètres d’URL sans intérêt SEO sont aussi à exclure, de même que les ressources accessibles après un formulaire (un livre blanc en PDF, par exemple). Enfin, les pages utilitaires comme la connexion, le contact, les mentions légales ou les comptes utilisateurs n’ont pas à y figurer, puisqu’elles ne sont pas destinées à servir de pages d’entrée.
Certains conseillent d’ajouter des pages en 3xx, 4xx ou non indexables pour accélérer leur désindexation. Comme pour la manipulation de lastmod, cette pratique peut conduire les moteurs à ignorer vos sitemaps. Notez aussi que Google considère le sitemap comme une simple indication. Une page absente du fichier peut très bien être indexée.
2. Vérifier que le fichier est valide
Un validateur XML confirme que le code est correct, mais cela ne suffit pas. Un sitemap peut être illisible pour Google ou Bing à cause d’une directive du robots.txt, par exemple, et les outils tiers ne détectent pas ce genre de problème. Le plus fiable reste donc de le soumettre directement dans la Google Search Console et dans Bing Webmaster Tools. Le statut « Réussite » apparaît en vert quand tout est correct. En cas de message rouge, il suffit de cliquer sur l’erreur pour en connaître la cause, de la corriger et de renvoyer le fichier.
3. Utiliser les rapports de sitemap pour analyser l’indexation
Imaginons 80 000 pages envoyées dans un seul index, dont 9 000 sont exclues par Google et par Bing. Le rapport indique les grandes raisons, mais détaille peu les URL concernées, ce qui rend l’information difficile à exploiter.
La solution consiste à nommer les sitemaps selon les sections du site, avec un fichier pour les catégories, un autre pour les produits, un autre pour les articles. On voit alors, par exemple, que 7 000 des 9 000 URL non indexées sont des pages de catégories, et l’on sait où concentrer les efforts. La même logique s’applique à l’intérieur d’un fichier d’index.
Google et Schema.org proposent des exemples avec une numérotation (products-1.xml, products-2.xml), ce qui apprend peu de choses. Il est plus parlant de découper par sous-catégories, comme products-mens.xml, products-womens.xml et products-kids.xml. Pour un site multilingue, la langue peut servir de niveau de séparation supplémentaire. Chaque URL ne doit figurer que dans un seul sitemap, sauf dans le cas du sitemap Google Actualités.
4. Choisir la taille de ses sitemaps
La limite officielle est de 50 000 URL par fichier. Certains référenceurs la réduisent volontairement, à 10 000 par exemple, pour accélérer l’indexation. Il y a cependant une contrainte. La Search Console ne permet d’exporter que 1 000 URL à la fois. Si 2 000 URL d’un sitemap ne sont pas indexées, seule la moitié est donc accessible, ce qui complique un nettoyage de contenu.
Pour voir toutes les URL problématiques, il faut découper les sitemaps par tranches de 1 000. L’inconvénient est un temps de mise en place plus long, puisque chaque fichier doit être soumis dans la Search Console et dans Bing Webmaster Tools, et un suivi régulier.
0 commentaire