Un plan du site liste les URL d’un domaine dans un fichier structuré, généralement au format XML. Explorer un site web à partir de ce fichier permet de cartographier rapidement son contenu, mais un sitemap ne reflète pas toujours la totalité des pages publiées.
Google précise qu’un sitemap aide à faire connaître des URL sans garantir qu’elles seront explorées ou indexées. Mesurer l’écart entre ce que le sitemap déclare, ce que les liens internes relient et ce que les moteurs indexent réellement donne une image bien plus fiable de l’état d’un site.
Sitemap XML, liens internes et index Google : trois sources, trois visions du site
Chaque source de données couvre un périmètre différent. Comparer ces périmètres révèle les angles morts qu’une exploration limitée au sitemap ne détecterait pas.
| Source | Ce qu’elle recense | Limite principale |
|---|---|---|
| Sitemap XML | Les URL déclarées par le propriétaire du site | Peut omettre des pages existantes ou lister des URL obsolètes |
| Liens internes (crawl) | Les pages effectivement reliées depuis d’autres pages du site | Ne détecte pas les URL orphelines (sans lien entrant) |
| Index Google (Search Console) | Les URL explorées et/ou indexées par Googlebot | Une URL présente dans le sitemap peut rester non indexée |
Croiser ces trois inventaires est la seule méthode fiable pour repérer les pages orphelines, les URL fantômes et les contenus invisibles aux moteurs de recherche. Un robot d’audit parcourt le site en suivant les liens, tandis que Search Console renseigne sur la façon dont Google traite chaque URL.
Sur le plan du site All News, par exemple, chaque rubrique est déclarée avec son URL et sa date de dernière modification, ce qui facilite la vérification rapide de la couverture éditoriale du domaine.

Pages orphelines : comment le sitemap trahit les URL oubliées
Une page orpheline est une URL qui existe sur le serveur mais qu’aucun lien interne ne pointe. Elle reste accessible par son adresse directe, et parfois listée dans le sitemap, mais un visiteur qui navigue normalement ne la trouvera jamais.
Détecter les orphelines en trois étapes
- Extraire la liste complète des URL du sitemap XML (via un parseur ou un outil de crawl comme Screaming Frog, Sitebulb ou un script Python basique)
- Lancer un crawl du site en partant de la page d’accueil pour collecter toutes les URL atteintes par les liens internes
- Comparer les deux listes : toute URL présente dans le sitemap mais absente du crawl est potentiellement orpheline, et toute URL crawlée mais absente du sitemap est un oubli de déclaration
L’opération inverse est tout aussi révélatrice. Une page bien maillée par les liens internes mais absente du sitemap risque de passer inaperçue lors d’un audit limité au fichier XML. Les deux écarts signalent un problème d’architecture qui freine l’exploration par les moteurs comme par les utilisateurs.
Cas fréquent : les variantes d’URL
Des pages en double apparaissent souvent quand le sitemap déclare une version (avec ou sans slash final, HTTP ou HTTPS, avec ou sans paramètre). Vérifier la cohérence entre les URL du sitemap et celles des liens internes permet de repérer ces variantes avant qu’elles ne diluent le crawl budget.
Balise lastmod du sitemap : signal utile ou bruit inutile
La balise lastmod indique la date de dernière modification significative d’une page. Google recommande qu’elle reflète un changement réel du contenu, pas une mise à jour automatique (régénération de cache, modification cosmétique du template).
Bing utilise également cette date comme signal de fraîcheur. En revanche, les balises changefreq et priority ne sont pas prises en compte par ces deux moteurs. Remplir ces champs n’apporte donc rien à l’exploration ni au référencement.
Un sitemap dont toutes les dates lastmod sont identiques (cas typique d’un CMS mal configuré) perd sa valeur de signal. Le moteur ne peut plus distinguer un article mis à jour hier d’une page inchangée depuis deux ans. Pour un éditeur de contenu, maintenir des dates lastmod fidèles accélère la redécouverte des pages modifiées.

Explorer un site dont le sitemap est incomplet ou absent
Tous les sites ne publient pas de sitemap, et ceux qui en publient un ne listent pas toujours l’intégralité de leurs pages. Dans ce cas, l’exploration repose sur d’autres leviers.
- Crawl intégral depuis la page d’accueil en suivant tous les liens internes, y compris ceux du footer, du menu et des paginations
- Requête site:domaine.fr dans Google pour lister les pages déjà indexées, puis comparaison avec le résultat du crawl
- Consultation de Search Console (rapport « Pages ») pour identifier les URL découvertes mais non indexées, ou indexées mais absentes du sitemap
- Vérification manuelle des URL candidates via la barre d’adresse (pages mentions légales, CGV, anciennes landing pages souvent déconnectées de la navigation)
Un robot d’audit relève les pages atteintes, leurs codes de réponse et leurs liens sortants. Search Console renseigne sur le traitement réel d’une URL par Google, ce qui couvre un angle différent : une page peut être explorée sans être indexée, ou indexée puis retirée.
IndexNow et sitemap : deux mécanismes complémentaires sur Bing
Microsoft distingue clairement le sitemap, qui sert d’inventaire permanent des URL, et IndexNow, qui notifie en temps réel un ajout, une modification ou une suppression. Un accusé de réception IndexNow confirme la notification, pas l’indexation.
Pour un site d’actualité qui publie plusieurs articles par jour, combiner un sitemap mis à jour et des pings IndexNow couvre les deux temporalités : le moteur dispose d’un inventaire complet et reçoit un signal instantané pour chaque nouveau contenu. Sur Google, le mécanisme équivalent reste la soumission du sitemap via Search Console et le protocole ping standard.
L’exploration d’un site par son plan du site gagne en fiabilité dès qu’on cesse de considérer le sitemap comme une source unique. La confrontation systématique entre le fichier XML, le maillage interne et les données d’indexation transforme un simple inventaire d’URL en véritable diagnostic de visibilité.



