Vérifier un sitemap XML : valider vos sitemaps et corriger ce qu'ils listent
Un sitemap XML est une liste des URL que vous voulez faire crawler par les moteurs. Il n'aide que si la liste est juste : chaque URL doit répondre 200, être indexable et être la version canonique, et chaque page qui compte doit y figurer. Un vérificateur de sitemap XML lit les fichiers, récupère ce qu'ils listent et le compare à ce que trouve un crawl du site.
Ce que fait un vérificateur de sitemap XML
Un vérificateur travaille à deux niveaux. D'abord les fichiers eux-mêmes : peuvent-ils être récupérés, sont-ils du XML bien formé dans un format de sitemap, et respectent-ils les limites de taille ? Ensuite les URL qu'ils contiennent : ce que chacune renvoie quand on la demande, si elle est indexable, et si elle correspond à ce vers quoi pointent les liens du site.
C'est au deuxième niveau que se trouve l'essentiel de la valeur. Un sitemap parfaitement valide peut quand même lister des milliers de redirections, ou oublier la moitié des fiches produits. On ne le voit qu'en récupérant les URL et en les comparant à un crawl.
Comment fonctionnent les sitemaps XML
Le format est défini par le protocole sitemaps.org, que Google, Bing et d'autres moteurs prennent en charge. Un sitemap est un urlset avec une entrée url par page :
<?xml version="1.0" encoding="UTF-8"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<url>
<loc>https://www.example.com/shoes/running</loc>
<lastmod>2026-11-12</lastmod>
</url>
</urlset>
Les gros sites répartissent leurs URL sur plusieurs fichiers et listent ces fichiers dans un index de sitemaps :
<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
<sitemap><loc>https://www.example.com/sitemap-products-1.xml</loc></sitemap>
<sitemap><loc>https://www.example.com/sitemap-blog.xml</loc></sitemap>
</sitemapindex>
Les moteurs trouvent les sitemaps grâce à une ligne Sitemap: dans le robots.txt, qui prend une URL complète et peut apparaître plusieurs fois, ou par envoi dans Search Console et Bing Webmaster Tools. La présentation des sitemaps de Google explique quand un site en tire profit : les gros sites, les nouveaux sites avec peu de liens externes, et les sites avec beaucoup de médias ou d'actualités. La référence des sitemaps XML de SEO ProCheck couvre aussi les sitemaps d'images, de vidéos et d'actualités.
Limites et règles de format des sitemaps
| Règle | Limite |
|---|---|
| URL par fichier sitemap | 50 000 |
| Taille du fichier, non compressé | 50 Mo (52 428 800 octets) |
| Sitemaps par index de sitemaps | 50 000 |
| Longueur d'URL | Moins de 2 048 caractères |
| Encodage | UTF-8, entités échappées |
| Forme des URL | Absolue, crawlée telle que listée |
| Portée | Même hôte, dans le dossier ou en dessous |
La limite de 50 Mo s'applique même quand le fichier est servi en gzip. Une URL hors du dossier ou de l'hôte du sitemap n'est autorisée que si le robots.txt de cet hôte déclare le sitemap. Ces règles viennent du protocole et du guide de Google pour créer et envoyer un sitemap. La page de Google sur les sitemaps volumineux explique le fichier d'index. Une chose a changé : Google a retiré en 2023 son endpoint de ping de sitemap non authentifié, comme l'explique son annonce ; passez donc par le robots.txt ou Search Console.
lastmod, changefreq et priority
Google ignore changefreq et priority. Il utilise lastmod comme indice pour savoir quand recrawler une URL connue, mais seulement quand les dates sont toujours exactes. Un lastmod qui change chaque jour sur chaque page, ou qui bouge quand seule l'année du pied de page change, apprend à Google à ne plus s'y fier.
Réservez lastmod aux vrais changements du contenu principal, des données structurées ou des liens, et écrivez-le au format de date W3C, comme 2026-11-12 ou un horodatage complet avec fuseau horaire. Si vous ne pouvez pas savoir quand une page a vraiment changé, mieux vaut omettre lastmod que deviner.
Les erreurs de sitemap XML les plus courantes
La plupart des problèmes de sitemap ne tiennent pas au XML. Ce sont des URL qui ne devraient pas être dans la liste, ou des pages qui devraient y être et n'y sont pas :
| URL listée | Sa place dans le sitemap | Correctif |
|---|---|---|
| 200, indexable, auto-canonique | ✓ | Gardez-la |
| Redirige (3xx) | – | Lister l'URL finale |
| 404, 410, 5xx | – | Supprimer |
| Noindex | – | Retirer, ou enlever le noindex |
| La canonical désigne une autre URL | – | Lister la canonique |
| Bloquée par le robots.txt | – | Retirer, ou autoriser |
| http:// sur un site en https | – | Utiliser https |
| Mauvais hôte (www ou non) | – | Utiliser l'hôte canonique |
Deux problèmes qu'un tableau des URL listées ne peut pas montrer : les pages manquantes, souvent un template entier que le CMS n'a jamais ajouté, et les fichiers vides ou cassés qui renvoient une erreur, une page HTML ou aucune URL. Le guide tester robots.txt montre comment vérifier les URL bloquées, et la FAQ sur les sitemaps XML de SEO ProCheck couvre le reste.
Sitemaps, crawls et pages orphelines
Comparer le sitemap à un crawl des liens répond à deux questions à la fois. Les URL que le crawl a trouvées mais que le sitemap ne liste pas sont des pages que votre générateur oublie. Les URL que le sitemap liste mais qu'aucun lien interne n'atteint sont des pages orphelines. Le guide pages orphelines explique quoi faire de chacune.
Nous l'avons fait sur notre propre site. Le crawl complet Neova de seoprocheck.com du 17 octobre 2026 :
| seoprocheck.com, 17 oct. 2026 | Nombre |
|---|---|
| URL récupérées | 10 222 |
| Pages HTML qui répondent 200 | 4 561 |
| URL dans les sitemaps XML | 1 835 |
| Atteintes par le crawl, dans aucun sitemap | 2 727 |
| Dans un sitemap, atteintes par aucun lien | 1 |
| Complétude du crawl | 99.98% |
| Durée | 61 minutes |
Les sitemaps listaient 1 835 URL alors que les liens en atteignaient 2 727 de plus : le trou venait du générateur, pas du site. L'unique orpheline était une seule page à lier ou à retirer. Cette comparaison n'a de sens que parce que le crawl est allé jusqu'à 99,98 % : un crawl arrêté à une limite d'URL fait croire que des pages liées n'étaient connues que du sitemap.
Comment vérifier vos sitemaps XML
- Trouvez chaque sitemap. Lisez les lignes Sitemap du robots.txt, essayez
/sitemap.xmlet/sitemap_index.xml, et regardez ce que liste le rapport Sitemaps de Search Console. - Validez les fichiers : statut 200, gzip lisible s'il est compressé, XML bien formé, dans les limites.
- Récupérez chaque URL listée et notez son code HTTP, ses directives robots et sa canonical.
- Crawlez le site depuis la page d'accueil jusqu'au bout et comparez les deux listes.
- Corrigez le générateur, pas le fichier. La plupart des sitemaps sont construits par le CMS ou un plugin : une modification à la main sera écrasée à la génération suivante.
- Renvoyez et surveillez. Consultez le rapport Sitemaps pour les erreurs, et crawlez à nouveau à intervalles réguliers pour repérer tôt une génération cassée.
L'hygiène des sitemaps est une étape de la checklist d'audit SEO technique, et sur les gros sites, un sitemap propre aide les moteurs à consacrer leur budget de crawl aux pages qui comptent.
Vérifiez les sitemaps XML avec Neova
Neova lit les sitemaps XML que déclare le robots.txt, ainsi que ceux que vous ajoutez dans les Réglages, et crawle les URL qu'ils listent après les pages qu'atteignent les liens. Les pages que seuls les sitemaps listent sont récupérées dans une étape distincte et comptées à part. La catégorie Sitemaps montre ensuite ce que listent les sitemaps face à ce que le crawl a trouvé. Vous pouvez aussi crawler les sitemaps XML seuls, ou coller une liste d'URL dans le Crawl de liste. Quelques-uns des checks :
- Sitemap XML impossible à récupérer ou à lire et Fichier sitemap vide ou sans URL
- Sitemap XML de plus de 50 000 entrées et Sitemap XML de plus de 50 Mo non compressé
- URL qui redirige listée dans un sitemap XML et URL en 4xx listée dans un sitemap XML
- URL en noindex listée dans un sitemap XML et URL canonicalisée listée dans un sitemap XML
- URL bloquée par Disallow listée dans un sitemap XML
- URL en HTTP listée dans le sitemap XML d'un site en HTTPS et Ligne Sitemap du robots.txt avec une URL relative
- URL indexable absente de tout sitemap XML et URL orpheline listée dans un sitemap XML
- Site sans sitemap XML
Neova conserve chaque sitemap XML que ses crawls lisent, et peut exporter un nouveau sitemap XML des pages indexables qu'il a trouvées. Voir les fonctionnalités ou télécharger Neova.
Questions
Comment vérifier si mon sitemap XML est valide ?
Récupérez-le et confirmez qu'il renvoie 200, se lit comme du XML au format sitemap et reste sous 50 000 URL et 50 Mo non compressés. Récupérez ensuite les URL qu'il liste : un fichier valide peut quand même lister des redirections, des erreurs et des pages en noindex.
Combien d'URL un sitemap XML peut-il contenir ?
Jusqu'à 50 000 URL et 50 Mo non compressés par fichier. Les sites plus grands répartissent leurs URL sur plusieurs sitemaps et les listent dans un index de sitemaps, qui peut lui-même lister jusqu'à 50 000 sitemaps.
Chaque page doit-elle être dans le sitemap XML ?
Chaque page indexable et canonique que vous voulez voir dans les résultats de recherche, oui. Laissez de côté les redirections, les pages d'erreur, les pages en noindex, les doublons canonicalisés et les URL bloquées par le robots.txt.
Google utilise-t-il priority et changefreq ?
Non. Google ignore les deux. Il utilise lastmod quand les dates sont toujours exactes : réservez donc lastmod aux vrais changements de contenu.
Puis-je encore pinguer Google avec mon sitemap ?
Non. Google a retiré l'endpoint de ping de sitemap en 2023. Déclarez plutôt le sitemap dans le robots.txt et envoyez-le dans Search Console.