Sitemap.xml est un fichier XML listant les URL d'un site, censé aider les moteurs de recherche à trouver plus vite les pages — surtout celles qui ont peu de liens internes ou viennent d'être ajoutées.
Structure du fichier et balises obligatoires
Chaque URL est décrite par un élément <url> avec l'enfant obligatoire <loc> (l'adresse de la page) et les enfants optionnels <lastmod>, <changefreq> et <priority>. Le protocole limite un fichier à 50 000 URL et 50 Mo non compressés.
Accent ou pas, deux erreurs opposées possibles
Un validateur bien conçu doit distinguer deux erreurs différentes : un caractère réservé XML non échappé (une esperluette écrite & au lieu de &) rend le fichier invalide, alors qu'un accent français non encodé en pourcentage dans <loc> — bien que légal en XML — peut ne pas correspondre à l'URL réellement servie par le site si celui-ci encode ses adresses.
Plusieurs sitemaps et fichier d'index
Quand il y a plus d'URL que ce qu'un seul fichier permet, on utilise un fichier d'index sitemapindex qui référence plusieurs sitemaps individuels. C'est la pratique courante pour les grands sites comptant des dizaines de milliers de pages.
À quoi ça sert
- Vérifier que la structure XML du sitemap est valide avant de le soumettre à Google Search Console.
- Confirmer que le fichier ne dépasse pas les limites du protocole en nombre d'URL ou en taille.
- Repérer les liens cassés ou dupliqués dans un gros fichier sitemap.
Être dans le sitemap ne garantit pas l'indexation
Un sitemap valide indique seulement au robot où regarder — c'est une liste de candidats, pas un ordre. Google décide seul si une URL mérite d'être indexée, en fonction de la qualité du contenu, des doublons et d'autres signaux qu'aucun validateur ne peut vérifier.