On tombe sur un site qui contient visiblement des centaines de pages, mais la navigation ne mène qu’aux rubriques principales. Pour retrouver un article précis, une fiche produit enfouie ou une page de documentation, fouiller manuellement prendrait des heures. Le sitemap du site offre un raccourci direct vers l’inventaire des URL que l’éditeur a choisi de rendre visibles. Encore faut-il savoir où le trouver, comment le lire et surtout comment y repérer rapidement ce qui nous intéresse.
Trouver l’URL du sitemap : robots.txt et chemins alternatifs
Le réflexe le plus courant consiste à taper /sitemap.xml après le nom de domaine. Dans la majorité des cas, ça fonctionne. Quand ça ne fonctionne pas, on perd du temps à deviner le bon chemin.
La méthode fiable passe par le fichier robots.txt, accessible à la racine de tout site. Il suffit d’ajouter /robots.txt au domaine et de chercher la ligne commençant par Sitemap:. Cette ligne indique l’adresse exacte du fichier, qui peut être hébergée sous un nom ou un répertoire inhabituel (par exemple /sitemaps/main.xml ou /sitemap_index.xml).
Certains sites déclarent plusieurs sitemaps dans leur robots.txt, chacun couvrant un type de contenu : articles, images, vidéos, fiches produits. Repérer la bonne ligne avant de cliquer évite de parcourir un fichier qui ne contient pas le type de page recherché. Sur le sitemap de Scoopium, on observe par exemple une organisation qui sépare clairement les différentes sections du site, ce qui facilite la navigation ciblée.
Sitemap index et fichiers enfants : naviguer dans un sitemap éclaté
Les sites volumineux ne stockent pas toutes leurs URL dans un seul fichier. Un fichier sitemap est plafonné à 50 000 URL ou 50 Mo non compressés. Au-delà, le site répartit ses adresses dans plusieurs fichiers liés par un index.
Reconnaître un index de sitemaps
Quand on ouvre le sitemap principal et qu’on voit des balises <sitemap> au lieu de balises <url>, on est face à un index. Chaque entrée pointe vers un fichier enfant. Ces fichiers enfants peuvent être organisés par langue, par catégorie ou par date de publication.
Ouvrir l’index ne suffit pas pour trouver une page. Il faut identifier le fichier enfant pertinent, l’ouvrir à son tour, puis y chercher l’URL voulue. Sur un site e-commerce, un fichier peut regrouper les catégories, un autre les fiches produits, un troisième les pages éditoriales.
Utiliser la recherche texte dans le fichier
Un fichier sitemap XML s’affiche dans le navigateur comme du texte structuré. Le raccourci Ctrl+F (ou Cmd+F sur Mac) permet de lancer une recherche par mot-clé directement dans la page affichée. On tape un fragment de l’URL ou un mot attendu dans le slug de la page.
Cette recherche fonctionne sur des fichiers de quelques milliers d’URL. Au-delà, le navigateur peut mettre du temps à rendre le fichier complet, et la recherche dans le code source brut devient plus efficace. Un clic droit, « Afficher le code source », puis la même recherche texte contourne le problème de rendu.
Lire les métadonnées du sitemap XML pour filtrer les résultats
Un sitemap ne se limite pas à une liste d’adresses. Chaque entrée peut contenir des métadonnées exploitables pour trier les pages sans toutes les ouvrir.
<lastmod>indique la date de dernière modification. On repère ainsi les pages récemment mises à jour, utile quand on cherche du contenu frais sur un sujet qui évolue.<changefreq>signale la fréquence de modification déclarée (daily, weekly, monthly). Les pages marquées « daily » sont souvent des pages actives, des blogs ou des flux d’actualités.<priority>reflète l’importance relative que l’éditeur attribue à chaque page par rapport aux autres pages du même site. Une valeur haute pointe vers les pages que le site considère comme centrales.
Ces métadonnées sont déclaratives. L’éditeur du site les renseigne librement, et rien ne garantit qu’elles soient à jour. La date lastmod reste la plus fiable en pratique, car elle est souvent générée automatiquement par le CMS à chaque sauvegarde.
Sitemap HTML et alternatives quand le XML ne suffit pas
Tous les sitemaps ne sont pas en XML. Certains sites proposent un sitemap HTML, conçu pour les visiteurs humains. On le trouve généralement via un lien en pied de page, souvent libellé « Plan du site ».
Le sitemap HTML présente les pages sous forme de liens cliquables, organisés par rubriques. Pour une exploration rapide, il est souvent plus lisible que le XML, surtout quand on ne sait pas exactement ce qu’on cherche. On parcourt les catégories visuellement au lieu de scanner des URL brutes.
Quand le sitemap ne reflète pas tout le site
Un sitemap n’est pas un inventaire complet de toutes les pages existantes. Il liste les URL que l’éditeur souhaite signaler aux moteurs de recherche. Des pages peuvent en être absentes volontairement (pages de connexion, pages de remerciement après formulaire, contenus archivés).
Pour vérifier si une page existe sans figurer dans le sitemap, on peut combiner la recherche avec l’opérateur Google site:nomdudomaine.com mot-clé. Cette requête interroge l’index de Google, qui a pu découvrir la page par d’autres chemins que le sitemap, notamment via les liens internes.
- Comparer les résultats de
site:avec le contenu du sitemap révèle les pages indexées mais non déclarées. - Les pages présentes dans le sitemap mais absentes des résultats Google sont soit trop récentes, soit exclues par une directive
noindex. - Croiser les deux sources donne une vision plus complète de l’architecture réelle du site.
Explorer un sitemap n’exige aucun outil payant ni compétence technique poussée. Un navigateur, le raccourci de recherche texte et la connaissance de la structure index/enfants couvrent la grande majorité des cas. Le point de départ reste toujours le fichier robots.txt, qui évite de deviner l’adresse du sitemap et oriente directement vers le bon fichier.
