Taper une requête dans un moteur de recherche pour retrouver une page précise sur un site prend parfois plus de temps que prévu. Le sitemap XML, ce fichier qui liste les URL d’un site à destination des robots d’exploration, offre un raccourci direct.
Consulter le sitemap d’un site permet de visualiser l’ensemble des pages déclarées, leur organisation par sections et, dans certains cas, la date de leur dernière modification. Reste que toutes les pages n’y figurent pas, et qu’un sitemap ne garantit ni l’indexation ni l’exhaustivité du contenu accessible.
Formats de sitemap acceptés par Google : XML, RSS, texte brut
La plupart des guides se concentrent sur le sitemap XML, mais Google accepte aussi d’autres formats. Le choix du format influence ce que vous pouvez en tirer quand vous cherchez une page.
| Format | Extension courante | Limite par fichier | Métadonnées disponibles | Usage principal |
|---|---|---|---|---|
| XML | .xml | 50 000 URL ou 50 Mo non compressés | lastmod, priority (ignoré par Google), changefreq (ignoré par Google), extensions images/vidéos/langues | Inventaire complet, sites multilingues ou à contenu riche |
| RSS / Atom | .rss, .atom, .xml | Variable (flux récents) | Date de publication, titre, résumé | Suivi des publications récentes (blogs, actualités) |
| Texte brut | .txt | 50 000 URL ou 50 Mo | Aucune (une URL par ligne) | Sites simples, inventaire minimal |
Le format XML reste le plus répandu parce qu’il peut accueillir des extensions dédiées aux images, aux vidéos ou aux versions linguistiques. Un fichier d’index de sitemaps peut ensuite répertorier plusieurs fichiers XML, ce qui permet aux grands sites de répartir des centaines de milliers d’URL sans dépasser la limite par fichier.
Un point à retenir : les champs priority et changefreq sont ignorés par Google. Seul lastmod peut influencer la planification des explorations, à condition que la date corresponde à de véritables modifications du contenu principal, des données structurées ou des liens.
Trouver l’URL du sitemap : robots.txt, CMS et chemins standards
La méthode la plus directe consiste à ouvrir le fichier robots.txt du site visé, accessible à l’adresse domaine.com/robots.txt. Ce fichier contient souvent une ou plusieurs lignes commençant par « Sitemap: » suivies de l’URL exacte. Par exemple, le sitemap du site Esceri est déclaré de cette manière et donne accès à l’arborescence complète des pages référencées.
Si le robots.txt ne mentionne rien, le CMS du site donne un indice fiable sur le chemin par défaut :
- WordPress avec Yoast SEO ou Rank Math génère un sitemap à l’adresse /sitemap_index.xml
- Shopify place automatiquement un sitemap à /sitemap.xml
- Prestashop utilise souvent /1_index_sitemap.xml
- Wix et Squarespace génèrent aussi un /sitemap.xml accessible sans configuration
Tester ces chemins dans la barre d’adresse du navigateur suffit dans la majorité des cas. Pour les sites dont vous êtes propriétaire, Google Search Console affiche les sitemaps soumis dans la section dédiée, avec le nombre d’URL déclarées et leur statut d’indexation.
Page absente du sitemap ou page réellement introuvable : comment faire la différence
Consulter un sitemap ne revient pas à consulter l’intégralité d’un site. Une URL présente dans le sitemap n’est pas nécessairement indexée, et une URL absente du sitemap n’est pas nécessairement supprimée. Cette distinction évite de tirer des conclusions erronées.
Croiser le sitemap avec la navigation interne
Un sitemap XML est un signal envoyé aux moteurs de recherche, pas un miroir fidèle de la navigation du site. Certaines pages accessibles via le menu ou les liens internes ne figurent pas dans le sitemap, soit par oubli de configuration, soit par choix délibéré (pages de filtres, pages de pagination, landing pages temporaires).
Pour vérifier si une page existe réellement, la recherche via la barre d’adresse du navigateur reste le test le plus simple. Si l’URL renvoie un code 200, la page est en ligne. Si elle renvoie une erreur 404, la page a été supprimée ou déplacée.
Utiliser l’inspection d’URL dans Search Console
Pour un site dont vous êtes propriétaire ou auquel vous avez accès, l’outil d’inspection d’URL de Google Search Console indique si une page est indexée, si elle a été explorée récemment et si des problèmes techniques bloquent son affichage dans les résultats. Ce diagnostic complète la lecture du sitemap en fournissant le statut réel attribué par Google à chaque URL.
En combinant ces trois sources (sitemap, navigation interne, Search Console), on peut classer chaque page dans l’une de ces catégories :
- Présente dans le sitemap et indexée : la page est normalement référencée
- Présente dans le sitemap mais non indexée : un problème technique ou une directive noindex empêche l’affichage dans les résultats
- Absente du sitemap mais accessible par liens internes : la page existe, elle n’a simplement pas été déclarée dans le fichier XML
- Absente du sitemap et inaccessible : la page a probablement été supprimée ou redirigée
Limites du sitemap pour la recherche de pages spécifiques
Un sitemap XML n’a pas été conçu comme un outil de navigation pour les visiteurs. Il liste des URL brutes, parfois par milliers, sans titres de pages ni descriptions. Chercher une page précise dans un fichier de plusieurs milliers de lignes exige d’utiliser la fonction de recherche du navigateur (Ctrl+F ou Cmd+F) avec un mot-clé pertinent contenu dans l’URL.
Sur les sites volumineux qui répartissent leurs URL entre plusieurs fichiers via un index de sitemaps, la tâche se complique. Il faut d’abord identifier le bon sous-fichier (souvent organisé par catégorie : articles, produits, pages), puis effectuer la recherche dans ce fichier spécifique.
Pour les exports CMS ou les données de Search Console, un tableur offre un confort de tri et de filtrage bien supérieur à la lecture directe du fichier XML. Exporter la liste des URL indexées depuis Search Console, puis filtrer par segment d’URL ou par date de dernière exploration, reste la méthode la plus efficace quand le sitemap seul ne suffit pas.
Le sitemap reste un point de départ fiable pour cartographier un site, à condition de ne pas le confondre avec un inventaire complet. Croiser sitemap, liens internes et outils de diagnostic donne une image bien plus précise de ce qu’un site contient réellement.
