Nettoyer un fichier sitemap volumineux : les stratégies qui fonctionnent pour Google

Nettoyer un sitemap volumineux : ce que Google attend vraiment de vous

Votre sitemap XML dépasse les 50 000 URLs ? Franchement, avant de paniquer, posez-vous la bonne question. Est-ce que ce fichier volumineux est un problème en soi, ou est-ce qu'il est juste le symptôme d'un site qui a accumulé les pages mortes, les redirections oubliées et les doublons honteux depuis des années ?

J'ai pris en charge l'année dernière un site e-commerce qui affichait 62 000 URLs dans son sitemap. Le crawl budget partait en fumée, les pages produits supprimées depuis deux ans apparaissaient encore dans l'index, et Google Discover n'envoyait plus un seul clic. Le diagnostic ? Le sitemap n'était pas trop gros. Il était simplement rempli de choses qu'il ne fallait pas y mettre.

Voici comment j'ai procédé, et ce que j'ai appris en nettoyant des fichiers de cette taille.

Pourquoi votre sitemap est devenu un problème (et pas pour la raison que vous croyez)

La limite de 50 000 URLs par sitemap, tout le monde la connaît. Mais ce que j'ai compris après des années à auditer des sites, c'est que le vrai problème n'est presque jamais la taille. C'est la qualité des URLs incluses.

Un sitemap de 12 000 URLs parfaitement saines sera toujours mieux traité qu'un sitemap de 48 000 URLs dont la moitié renvoie des erreurs. Google utilise votre sitemap comme une liste de priorités, pas comme un catalogue exhaustif. Si vous lui dites "explore tout ça", mais que la moitié mène à des pages qui n'existent plus, il perd confiance. Et la confiance, en SEO, ça se gagne lentement et se perd vite.

Sur le site dont je parlais, j'ai découvert que 23 000 URLs sur les 62 000 renvoyaient des codes 404 ou 410. Vingt-trois mille. Cela représentait 37% du fichier. Autant dire que Google gaspillait ses ressources d'exploration sur du vide.

Le vrai coût d'un sitemap négligé

Le crawl budget, c'est le nombre de pages que Googlebot explore sur votre site à chaque passage. Si vous gaspillez ce budget sur des pages mortes, les pages vivantes attendront. Et pendant ce temps, vos concurrents publient du contenu frais qui sera indexé plus vite que le vôtre.

Mauvais sitemap = mauvais signal de qualité. Point final.

Nettoyer ou scinder ? La grille de décision que j'utilise

C'est la question que vous vous posez probablement. Votre sitemap a 45 000 URLs et approche de la limite. Est-ce que vous supprimez des URLs, ou est-ce que vous fractionnez en deux fichiers pour être tranquille ?

Voici ma règle, affinée après des erreurs :

• Si plus de 10% des URLs sont problématiques (404, 301, noindex, pagination inutile) → vous nettoyez d'abord. Scinder un fichier sale, c'est juste répartir la pollution sur plusieurs fichiers.
• Si moins de 5% des URLs sont problématiques et que votre site est en croissance → vous pouvez scinder. La taille va revenir de toute façon.
• Entre les deux → nettoyez, puis re-évaluez. Un fichier propre de 40 000 URLs passera bien mieux qu'un fichier scindé de 60 000 URLs dont la moitié sont des doublons.

Le problème ? La plupart des gens scindent sans nettoyer. Résultat : ils se retrouvent avec cinq sitemaps remplis de pages mortes, et Google doit tout explorer pour découvrir ce qui vaut le coup. C'est exactement l'inverse de ce qu'il faut faire.

Comment identifier les URLs à supprimer en priorité

Je commence toujours par extraire la liste complète des URLs du sitemap, puis je la croise avec les données de Google Search Console et de mes outils d'analyse. Concrètement, je cherche :

• Les pages avec zéro impression et zéro clic sur 6 mois. Si personne ne les voit même pas dans les résultats, elles ne méritent pas votre crawl budget.
• Les pages qui redirigent en 301 vers d'autres URLs. Pourquoi les garder dans le sitemap ? Google finira par suivre la redirection, mais c'est du gaspillage à chaque crawl.
• Les paramètres d'URL inutiles (tri, filtres sans valeur ajoutée). Sur les sites e-commerce, ça peut représenter des milliers d'URLs à éliminer d'un coup.
• Les pages avec balises noindex mal configurées. Si une page est noindex, elle n'a rien à faire dans un sitemap. C'est un signal contradictoire que Google déteste.

Sur le site de 62 000 URLs, j'ai appliqué cette méthode et j'ai réussi à faire passer le fichier de 62 000 à 31 000 URLs en trois semaines. Sans supprimer une seule page valide. Juste en retirant ce qui n'aurait jamais dû être là.

Scinder un sitemap : les règles à ne pas enfreindre

Une fois le nettoyage fait, fractionner devient une opération simple. Mais il y a des pièges.

La limite technique est de 50 000 URLs par fichier et 50 Mo avant compression. Si vous dépassez l'un ou l'autre, Google peut ignorer le fichier entier. Pas de négociation possible.

Pour les sites très grands, je recommande de structurer par type de contenu plutôt que par volume arbitraire. Un sitemap pour les pages produits, un pour les articles de blog, un pour les pages catégories. C'est plus lisible pour vous, et ça permet à Google de comprendre la hiérarchie de votre site.

Et dans tous les cas, vous aurez besoin d'un fichier d'index de sitemaps qui référence tous vos sous-fichiers. C'est ce fichier index que vous soumettez dans Google Search Console.

Le fichier d'index : votre tableau de bord

Le sitemap index, c'est le fichier qui liste tous vos sitemaps individuels. Sa limite est de 50 000 sitemaps référencés. Vous n'atteindrez probablement jamais ce chiffre, mais c'est bon de savoir que la marge est large.

La structure est simple : chaque sous-sitemap est déclaré avec sa localisation et sa dernière modification. Google consulte l'index, puis va chercher chaque sous-fichier.

Ce que j'aime avec cette approche, c'est que vous pouvez mettre à jour un sous-fichier sans toucher aux autres. Vous lancez une nouvelle gamme de produits ? Vous régénérez juste le sitemap produits. Aucun impact sur le reste.

Comment envoyer votre sitemap nettoyé à Google

Après nettoyage et scission éventuelle, il faut soumettre le tout. La procédure est standard, mais je vois encore beaucoup d'erreurs.

Dans Google Search Console, vous sélectionnez votre site, puis l'onglet Sitemaps. Là, vous saisissez le chemin du fichier index (par exemple `sitemap_index.xml`) et vous cliquez sur Soumettre. C'est tout.

Les erreurs que je vois souvent :

• Soumettre un sitemap qui n'est pas accessible (erreur 403 ou 500). Vérifiez d'abord que le fichier se charge dans votre navigateur.
• Soumettre un sitemap qui référence des URLs d'un autre domaine. Chaque sitemap doit être hébergé sur le domaine qu'il décrit.
• Soumettre un fichier qui n'est pas valide XML. Un simple oubli de balise fermante peut tout casser.

Et une fois soumis, ce n'est pas fini. Google ne va pas explorer votre site immédiatement. Ça peut prendre des jours, parfois des semaines, selon la fréquence de crawl de votre site.

Vérifier que le nettoyage a fonctionné

La semaine dernière encore, j'ai vu un client se plaindre que son sitemap nettoyé n'avait rien changé. Quand j'ai regardé dans Search Console, il avait soumis le nouveau sitemap… mais l'ancien était toujours là, avec ses 62 000 URLs. Google avait deux sources contradictoires.

Après nettoyage, vérifiez dans Search Console que :

1. Le nouveau sitemap s'affiche avec aucune erreur.
2. L'ancien sitemap a bien été supprimé ou remplacé.
3. Le rapport Pages montre une diminution des erreurs 404 et des pages détectées mais non indexées.

Si après deux semaines vous ne voyez aucun changement, c'est souvent que le problème est ailleurs : fichiers très anciens encore en cache, soumission incomplète, ou sitemap bloqué par le robots.txt. Oui, ça arrive. Vérifiez le robots.txt, il m'a déjà piégé plus d'une fois.

Les outils que j'utilise pour nettoyer un sitemap volumineux

Pas besoin de logiciels exotiques pour ce travail. J'utilise des combinaisons simples :

• Google Search Console pour les données d'indexation et les erreurs.
• Screaming Frog pour crawler le site et comparer les URLs du sitemap avec la réalité du terrain. La version gratuite suffit jusqu'à 500 URLs ; au-delà, il faut la licence payante.
• Un bon éditeur de texte pour manipuler les gros fichiers XML. Attention aux fichiers de 50 Mo, certains éditeurs plante. J'utilise un outil en ligne de commande pour être tranquille.
• Sheets ou Excel pour croiser les données : URLs du sitemap d'un côté, données de trafic de l'autre, et une formule qui identifie les différences.

Une chose importante : les plugins SEO type Yoast ou RankMath génèrent des sitemaps automatiquement. Si vous êtes sur WordPress, le nettoyage se fait d'abord dans les réglages du plugin (exclure les types de contenu inutiles, les taxonomies, etc.), pas dans le fichier lui-même. Ne modifiez jamais le sitemap généré à la main, il sera écrasé au prochain passage.

Questions que vous vous posez encore

Le plan du site est-il toujours pertinent ?

Oui, et même essentiel sur les grands sites. Les sitemaps XML permettent de décomposer les pages et les produits en fichiers plus petits, ce qui facilite l'indexation par Google. Sur les petits sites, leur impact est minime, mais sur un site de 10 000 pages, ne pas avoir de sitemap, c'est laisser Google découvrir votre contenu au hasard.

Quelle est la taille maximale d'un sitemap ?

50 000 URLs et 50 Mo compressés par fichier. Après, il faut scinder et utiliser un fichier d'index. Ces limites sont celles de Google ; elles peuvent sembler énormes pour la plupart des sites, mais sur les très grands e-commerce, on les atteint vite.

Comment savoir si des URLs sont inutiles dans le sitemap ?

Croisez votre liste d'URLs avec les données de trafic et d'indexation. Une URL qui n'a aucune impression depuis 6 mois est probablement inutile. Une URL qui renvoie un 404 depuis la même période est en retard pour être supprimée. Une URL avec une redirection 301 n'a rien à faire là non plus.

Le nettoyage, une discipline, pas un événement

Le jour où j'ai fini de nettoyer ce sitemap de 62 000 URLs, je me suis dit que c'était réglé. Trois mois plus tard, il était repassé à 48 000 URLs. Les sites vivent, les contenus s'ajoutent, les anciens se périment, et les sitemaps finissent toujours par accumuler la poussière.

La vraie leçon, c'est que le nettoyage du sitemap n'est pas une opération ponctuelle. C'est un réflexe à intégrer dans votre routine SEO. Tous les trimestres, je passe en revue les URLs de mes sitemaps et je retire ce qui ne devrait plus y être. Ça prend une heure, et ça évite que le problème ne devienne ingérable.

Google ne vous récompensera pas pour avoir un sitemap parfait. Mais il vous pénalisera, en silence, pour en avoir un désordonné. La différence se mesure en pages indexées, en budget de crawl, et à la fin, en positions dans les résultats. C'est un travail ingrat, invisible, jamais fini. Et pourtant, c'est l'un des leviers les plus sous-estimés de la technique SEO.

Alors, quand avez-vous vérifié votre sitemap pour la dernière fois ?