Un sitemap liste les URL d’un site dans un fichier structuré, lisible par les moteurs de recherche et par n’importe quel visiteur qui sait où le trouver. Au-delà du référencement, ce fichier sert aussi de table des matières technique : il permet d’identifier rapidement les pages publiées, leur organisation et parfois leur date de dernière modification. Comprendre comment localiser un sitemap, le lire et en tirer parti change la façon dont on explore un site web.
Formats de sitemap et méthodes d’accès : ce que chaque type révèle
| Format | Destinataire principal | Informations fournies | Où le trouver |
|---|---|---|---|
| XML (.xml) | Moteurs de recherche | URL, priorité, fréquence de mise à jour, date de dernière modification | robots.txt ou /sitemap.xml |
| Index de sitemaps | Moteurs de recherche | Liste de fichiers sitemap enfants (sites volumineux) | robots.txt ou /sitemap_index.xml |
| HTML | Visiteurs humains | Liens cliquables organisés par catégorie ou rubrique | Lien en pied de page du site |
| Texte brut (.txt) | Moteurs de recherche | Liste d’URL sans métadonnées | robots.txt |
| RSS / Atom | Agrégateurs, moteurs | URL des dernières publications avec dates | robots.txt ou balise <link> dans le code source |
Le format XML reste le plus courant. Il contient des balises comme <loc>, <lastmod> et <priority> qui décrivent chaque URL. Le format HTML, lui, s’adresse aux visiteurs : il présente les liens sous forme de page web navigable, classés par thématique ou par section.
Pour localiser le sitemap d’un site, la première étape consiste à consulter le fichier robots.txt, accessible en ajoutant /robots.txt à la racine du domaine. Une ligne commençant par « Sitemap: » y indique l’adresse du fichier. Si rien n’y figure, tester /sitemap.xml directement fonctionne dans la majorité des cas.
En consultant le sitemap de Bricolage En Tout Genre, on voit concrètement comment un site organise ses URL par rubriques, ce qui facilite la navigation thématique sans passer par le menu principal.
Lire un sitemap XML pour explorer les contenus d’un site
Ouvrir un fichier sitemap XML dans un navigateur affiche un document structuré en balises. Chaque entrée <url> représente une page du site. La balise <loc> contient l’adresse, et <lastmod> indique quand le contenu a été modifié pour la dernière fois.
Naviguer dans un index de sitemaps
Les sites volumineux répartissent leurs URL dans plusieurs fichiers. Un index de sitemaps les référence tous. Le protocole limite chaque fichier à 50 000 URL et 50 Mo non compressés. Pour explorer un site de cette taille, il faut ouvrir l’index, puis accéder individuellement à chaque fichier enfant.
Cette segmentation aide à cibler une exploration. Un site e-commerce peut séparer ses pages produits, ses articles de blog et ses pages catégories dans des sitemaps distincts. Repérer le bon fichier enfant permet d’accéder directement à la section qui vous intéresse.
Filtrer par date avec lastmod
La balise <lastmod> devrait indiquer la date de dernière modification réelle d’une page. En triant les URL par cette date, on identifie les contenus récemment mis à jour sans parcourir tout le site.
Un point de vigilance : lastmod ne reflète pas toujours une modification réelle du contenu. Certains CMS mettent à jour cette date à chaque régénération du fichier sitemap, sans changement sur la page elle-même. Avant de se fier à cette information, il faut vérifier sur quelques URL si la date correspond à un changement visible.
Sitemap et exploration manuelle : compléter les lacunes
Un sitemap ne constitue pas un inventaire complet de tout le site. Des pages peuvent exister sans y figurer, notamment les pages orphelines (celles vers lesquelles aucun lien interne ne pointe) ou les pages volontairement exclues.
Pour une exploration plus complète, la méthode la plus fiable combine deux sources :
- Les URL listées dans le sitemap, qui donnent une vue d’ensemble de ce que le propriétaire du site souhaite rendre visible aux moteurs de recherche
- Les liens internes découverts en naviguant sur le site, qui révèlent des pages parfois absentes du sitemap
- La comparaison entre les deux listes, qui met en lumière les écarts : pages présentes dans le sitemap mais introuvables via la navigation, ou pages accessibles par liens mais non déclarées
Cette comparaison renseigne aussi sur la qualité du maillage interne du site. Une page absente du sitemap et sans lien interne vers elle est quasiment invisible, tant pour les moteurs de recherche que pour les visiteurs.
Sitemap HTML ou XML pour explorer un site : quelle utilité selon le besoin
Le sitemap HTML et le sitemap XML répondent à des usages distincts, et les confondre mène à des attentes déplacées.
Le sitemap HTML est une page web classique, conçue pour les visiteurs. Il liste les liens vers les principales sections du site, organisés de manière lisible. C’est un raccourci de navigation, utile quand le menu principal ne suffit pas à trouver une rubrique enfouie.
Le sitemap XML, lui, livre des données exploitables : URL complètes, dates, fréquences de mise à jour supposées. Pour quiconque veut analyser la structure d’un site, le sitemap XML fournit des données quantifiables que le HTML ne contient pas.
Les deux formats ne s’excluent pas. Un site bien structuré publie les deux : le HTML pour guider ses visiteurs, le XML pour informer les robots et les analystes. Quand on cherche à explorer un site de façon méthodique, c’est le XML qu’il faut ouvrir en premier.
Vérifier la fiabilité d’un sitemap avant de s’y fier
Un sitemap peut être obsolète, incomplet ou mal configuré. Avant de l’utiliser comme base d’exploration, quelques vérifications s’imposent :
- Tester quelques URL au hasard pour s’assurer qu’elles renvoient bien une page active et non une erreur 404
- Comparer les dates <lastmod> avec le contenu réel des pages pour détecter des dates fictives ou automatiques
- Vérifier que le nombre d’URL semble cohérent avec la taille apparente du site : un blog de quelques dizaines d’articles avec un sitemap listant des milliers d’URL signale un problème de configuration
Un sitemap fiable reste le point d’entrée le plus rapide pour cartographier un site web. Quand il est correctement maintenu, il épargne des heures de navigation manuelle et donne une vision structurée que ni le menu ni le moteur de recherche interne du site ne fournissent aussi clairement.
