Un site e-commerce de plusieurs milliers de références ajoute des fiches produits chaque semaine, mais Google ne crawle qu’une fraction des nouvelles URL. Le problème ne vient pas du contenu, ni du maillage interne. Le sitemap XML envoyé via Search Console contient des pages redirigées, des URL en noindex et des doublons paramétrés. Le moteur reçoit un signal brouillé, et il ralentit son exploration.
Optimiser la page sitemap d’un site ne se résume pas à générer un fichier et l’oublier. On parle d’un outil de pilotage qui, mal entretenu, gaspille le budget de crawl au lieu de le concentrer sur les pages qui comptent.
Cohérence entre sitemap XML, balise canonique et directive d’indexation
La première erreur que l’on rencontre sur le terrain, c’est l’incohérence entre ce que le sitemap déclare et ce que la page dit d’elle-même. Une URL listée dans le sitemap devrait toujours renvoyer un code HTTP 200, porter sa propre balise canonique et ne pas contenir de directive noindex.
Quand on soumet une URL redirigée (301 ou 302), le moteur doit suivre la redirection avant même de décider s’il indexe la cible. Ce détour consomme du budget de crawl sans bénéfice. La même logique s’applique aux pages supprimées qui renvoient un 404, ou aux URL avec paramètres qui dupliquent un contenu déjà indexé sous une autre forme.
On peut illustrer ce principe avec la page sitemap de Bargento, qui structure ses URL de manière à ne lister que des pages accessibles et réellement destinées à l’indexation. Ce type de rigueur évite d’envoyer du bruit aux robots.
- Chaque URL du sitemap doit être la version canonique de la page, celle que vous souhaitez voir apparaître dans les résultats de recherche.
- Les pages bloquées par le robots.txt, en noindex, ou redirigées n’ont rien à faire dans le fichier.
- Les URL paramétrées (filtres, tris, sessions) doivent être exclues sauf si elles ciblent un contenu unique et indexable.
En pratique, un sitemap propre ne contient que des URL indexables en HTTP 200. Si votre fichier en contient plusieurs centaines de plus que votre nombre de pages indexées dans Search Console, c’est un signal d’alerte.
Balise lastmod du sitemap : signal utile ou bruit technique
Beaucoup de CMS mettent à jour la date lastmod à chaque régénération du sitemap, même quand le contenu de la page n’a pas changé. Google a clarifié ce point : la valeur lastmod n’a d’intérêt que si elle reflète une modification éditoriale réelle.
Si vous republiez un article après avoir corrigé une coquille dans le footer, ce n’est pas un changement significatif. En revanche, si vous mettez à jour un guide avec de nouvelles données ou restructurez une fiche produit, la date lastmod devrait correspondre à cette mise à jour.
Synchroniser lastmod avec les données structurées
La cohérence va plus loin que le sitemap. La date lastmod doit correspondre à la date de mise à jour affichée sur la page et au champ dateModified dans vos données structurées (schema.org). Quand ces trois signaux concordent, le moteur a un indicateur fiable de fraîcheur. Quand ils divergent, le signal perd toute crédibilité.
Sur ce point, les retours varient : certains référenceurs constatent un recrawl plus rapide après correction de lastmod, d’autres n’observent pas de différence notable. Ce qui est certain, c’est qu’un lastmod mensonger ou automatique ne trompe personne.
Sitemap index et segmentation des URL pour les gros sites
Au-delà de quelques centaines de pages, un fichier sitemap unique devient difficile à exploiter, pour vous comme pour les moteurs. La segmentation en plusieurs fichiers enfants, organisés sous un sitemap index, permet un diagnostic bien plus précis.
L’idée est simple : on regroupe les URL par type de contenu. Un fichier pour les fiches produits, un pour les articles de blog, un pour les pages catégories. Cette organisation permet de repérer immédiatement dans les rapports de couverture de Search Console quel segment pose problème.
Transformer le sitemap en outil de diagnostic
Sur Bing Webmaster Tools, les rapports de couverture permettent d’examiner les URL connues du sitemap et les motifs de non-indexation. Cette fonctionnalité transforme le sitemap en outil de contrôle opérationnel pour détecter les pages bloquées ou involontairement exclues.
Google Search Console offre un rapport similaire. Comparer le nombre d’URL soumises au nombre d’URL indexées par fichier sitemap révèle les écarts. Un fichier sitemap enfant avec un taux d’indexation faible signale un problème structurel sur ce segment (contenu dupliqué, maillage insuffisant, qualité perçue comme faible).
Combiner sitemap XML et IndexNow pour accélérer l’indexation
Le sitemap XML fonctionne comme un inventaire permanent. Les moteurs le consultent périodiquement, à leur propre rythme. Pour les sites dont le contenu change souvent (éditorial, marketplace, catalogue), ce rythme peut être insuffisant.
IndexNow complète le sitemap en signalant les modifications en temps réel aux moteurs qui supportent le protocole (Bing, Yandex, et d’autres). Au lieu d’attendre que le robot passe, on lui envoie un ping pour chaque URL créée, modifiée ou supprimée.
Les deux outils ne se substituent pas. Le sitemap reste la référence pour l’inventaire global. IndexNow sert de notification instantanée. Sur un site e-commerce qui ajoute des dizaines de fiches par jour, cette combinaison réduit le délai entre publication et prise en compte par le moteur.
Mise en place concrète
- Générer une clé API IndexNow et la placer à la racine du site dans un fichier texte portant le nom de la clé.
- Configurer le CMS ou le pipeline de déploiement pour envoyer un appel IndexNow à chaque création ou modification de page.
- Maintenir le sitemap XML à jour en parallèle, avec des dates lastmod fiables, pour que les moteurs qui ne supportent pas IndexNow disposent d’un signal de fraîcheur.
Le sitemap et IndexNow couvrent deux temporalités différentes : l’inventaire permanent et la notification ponctuelle. Utiliser les deux augmente la couverture d’indexation sans dépendre uniquement de la fréquence de crawl naturelle.
Un sitemap bien segmenté, purgé de ses URL inutiles et synchronisé avec les signaux techniques de la page n’a rien de spectaculaire. C’est un travail de maintenance régulier, pas un réglage qu’on fait une fois. Chaque URL soumise doit mériter sa place dans le fichier, faute de quoi on dilue l’attention du robot sur des pages qui ne serviront jamais le référencement.
