Un sitemap.xml présent et accessible ne garantit pas qu'il remplit correctement son rôle. Ce fichier, censé aider Google à découvrir et prioriser les pages d'un site, peut contenir des incohérences qui passent inaperçues pendant des mois, tout en réduisant discrètement son utilité réelle. Contrairement à une erreur serveur flagrante, ces problèmes ne provoquent generalement aucun message d'alerte évident, ce qui explique pourquoi ils restent souvent non corrigés.

L'incohérence de domaine, une erreur discrète mais fréquente

Un sitemap qui déclare des URL en http alors que le site répond en https, ou qui utilise une forme du domaine différente de celle réellement servie aux visiteurs, comme avec ou sans le préfixe www, crée une confusion pour Google. Le moteur peut alors indexer les pages sous une forme d'URL qui n'est pas celle que le site considère comme canonique, ce qui dilue le signal de référencement entre plusieurs variantes d'une même page plutôt que de le concentrer sur une seule adresse. Cette incohérence se produit fréquemment après une migration en https ou un changement de configuration serveur, lorsque le générateur de sitemap n'a pas été reconfiguré pour suivre ce changement.

Un sitemap qui inclut des pages qu'il ne devrait pas contenir

Le sitemap ne devrait contenir que des pages destinées à être indexées, dans leur version canonique. Y inclure des pages marquées noindex, des pages redirigées, des pages en erreur, ou des URL avec des paramètres de suivi et de filtrage, envoie un signal contradictoire à Google, qui reçoit d'un côté l'instruction d'indexer la page via le sitemap et de l'autre l'instruction inverse via la balise noindex ou le code de redirection présent sur la page elle même. Cette contradiction n'empêche pas nécessairement l'indexation, mais elle affaiblit la confiance accordée au sitemap dans son ensemble.

Les dates de dernière modification incorrectes ou absentes

La balise lastmod indique à Google quand une page a été modifiée pour la dernière fois, une information utile pour prioriser le réexploration des pages ayant réellement changé plutôt que de gaspiller le budget de crawl sur des pages inchangées depuis longtemps. Un générateur de sitemap mal configuré peut appliquer la même date à toutes les pages du site, ou une date systématiquement mise à jour à chaque génération du fichier même sans modification réelle du contenu. Google a publiquement indiqué se méfier des dates jugées peu fiables et peut simplement ignorer cette information si elle semble incohérente, ce qui annule l'intérêt de cette balise sans que le sitemap présente d'erreur technique visible.

Les limites de taille souvent oubliées

Un sitemap unique ne peut contenir plus de cinquante mille URL, ni dépasser cinquante mégaoctets non compressés. Un site qui approche ou dépasse ces limites doit répartir ses URL sur plusieurs fichiers, regroupés via un sitemap index qui référence chacun d'eux. Un site multilingue avec plusieurs centaines d'articles traduits en cinq langues peut atteindre ce volume plus vite qu'on ne le pense, ce qui rend cette vérification pertinente même pour un site qui semble de taille modeste à première vue.

Le sitemap qui ne reflète pas le contenu réel du site

Un sitemap généré une fois puis jamais mis à jour automatiquement finit par diverger du contenu réel du site : des pages supprimées y restent listées, tandis que de nouvelles pages n'y apparaissent jamais. Sur WordPress, les extensions de SEO courantes régénèrent ce fichier automatiquement à chaque publication, mais un développement PHP sur mesure sans mécanisme équivalent peut accumuler cet écart pendant des mois sans que personne ne s'en rende compte, jusqu'à ce qu'une vérification manuelle révèle la différence entre les deux listes.

Comment vérifier concrètement son sitemap

Le rapport Sitemaps de Google Search Console indique le nombre d'URL soumises et le nombre effectivement découvertes, un écart important entre les deux chiffres étant un signal à examiner de près. Une validation du format XML avec un outil dédié permet de repérer une erreur de syntaxe qui empêcherait le fichier d'être lu correctement. Enfin, un contrôle manuel consistant à comparer une poignée d'URL du sitemap avec leur statut réel, à savoir si elles répondent bien en 200 sans redirection ni erreur, reste le moyen le plus simple de confirmer que le fichier correspond bien à la réalité du site.

Points à vérifier avant publication : confirmer que les limites de cinquante mille URL et cinquante mégaoctets par fichier sitemap restent les valeurs officielles en vigueur à la date de publication, et vérifier que la description du comportement de Google face à des dates lastmod jugées peu fiables correspond toujours à la documentation officielle de Google Search Central.