Vous avez activé un plugin SEO, coché la case « sitemap XML », et vous pensez le dossier réglé. Sauf que le fichier en question envoie à Googlebot tout ce que WordPress sait produire : archives de dates, pages d’auteur, pièces jointes, résultats de recherche interne. Autant d’URL sans intérêt qui consomment du budget de crawl pendant que vos vrais articles patientent. Le sitemap n’est pas un outil de classement, c’est un robinet qu’il faut savoir fermer.

ce que le sitemap natif envoie vraiment à google

Depuis WordPress 5.5, un sitemap est généré sans plugin, à l’adresse /wp-sitemap.xml. Pratique, sauf qu’il ne trie rien. Il liste les articles, les pages, les catégories, les étiquettes, les auteurs, et même les types de contenus personnalisés que vous avez oubliés.

Sur un site qui publie depuis des années, on parle vite de milliers d’URL, dont une grande partie n’a aucune chance de se positionner. Le sujet du referencement-internet.pro revient souvent sur ce point : un plan de site mal tenu coûte plus qu’il ne rapporte.

Google Search Central décrit le crawl budget comme le volume d’URL que Googlebot peut et veut explorer, en fonction de la capacité de votre serveur et de l’intérêt qu’il perçoit pour vos pages. Un sitemap qui gonfle artificiellement le nombre d’adresses à visiter revient à jeter de l’essence par la portière. Pendant que le robot parcourt vos archives de mars 2018, les articles publiés cette semaine attendent leur tour.

les entrées qui plombent votre fichier

Les archives de dates et les pages d’auteur sont les deux plus gros pourvoyeurs de bruit. Une page /2021/07/ n’apporte rien à un lecteur, et Google le sait déjà. Les pièces jointes suivent de près : chaque image téléversée peut générer une page à part, indexable, sans texte digne de ce nom. Vous vous retrouvez avec des dizaines d’URL qui pointent vers un fichier JPG et une ligne de légende.

Il y a aussi les étiquettes. Un blog qui tagge à tout va peut créer des centaines de pages qui se recoupent, chacune listant trois articles. Et les résultats de recherche interne, quand ils sont indexables, produisent des combinaisons infinies que personne ne demande. Un sitemap mal configuré envoie tout ça à Google, dilue le budget de crawl et ralentit l’indexation de ce qui compte.

repérer le gaspillage dans la search console

Ouvrez le rapport Indexation des pages. Vous y verrez des catégories parlantes : « Explorée, actuellement non indexée », « Détectée, actuellement non indexée ». Si vos archives et vos étiquettes s’y entassent, le diagnostic est posé. Regardez aussi le rapport Sitemaps : le nombre d’URL soumises comparé au nombre d’URL indexées donne la mesure du déchet. Un écart large n’est pas toujours une faute, mais un écart qui grossit mois après mois mérite un coup d’œil.

Le test URL de la Search Console reste le plus direct. Prenez une page d’archive, vérifiez si elle est indexée, puis regardez si elle vous rapporte la moindre visite. La réponse est presque toujours la même. Cette vérification prend dix minutes et évite des mois de crawl inutile. Sur ce point, voir aussi notre article sur sitemap url parametres.

ce qu’il faut regarder avant de couper

Tout n’est pas bon à jeter, et c’est là que la nuance compte. Un site avec cinquante articles bien maillés n’a pas techniquement besoin de sitemap, selon wpformation.com. À l’inverse, un site qui dépasse les trois cents articles, avec des catégories et des pages orphelines, a besoin de ce fichier comme filet de sécurité. La question n’est donc pas de supprimer le sitemap, mais de choisir ce qu’il contient.

• Les archives de dates et d’auteur n’ont pas leur place dans le fichier, sauf si vous avez un vrai contenu éditorial par auteur.
• Les pièces jointes ? À exclure sans hésiter.
• Faut-il vraiment garder les pages d’étiquettes quand elles recoupent les catégories ?
• Les résultats de recherche interne doivent rester hors du sitemap et, idéalement, hors de l’index.
• Conservez les articles, les pages utiles et les catégories qui structurent réellement la navigation.

Les plugins SEO comme Yoast proposent un sitemap plus complet et personnalisable que le natif. C’est là que tout se joue : on peut décocher les types de contenus un par un, sans toucher au reste. Un réglage dans l’interface suffit souvent à diviser le nombre d’URL soumises.

exclure sans casser la découverte

La méthode la plus propre passe par le fichier robots.txt ou par une balise noindex. Attention, ces deux outils ne font pas la même chose. Le robots.txt empêche l’exploration, ce qui veut dire que Google ne verra jamais la balise noindex posée sur la page. Si vous voulez sortir une URL de l’index, utilisez le noindex et laissez le robot lire la page. Si vous voulez juste économiser du crawl, le robots.txt fait le travail.

Pour les archives de dates chez Yoast, une case suffit. Pour les pièces jointes, la redirection vers la page parente règle le problème. Le reste se joue sur les types de contenus : décochez ce que vous ne voulez plus voir figurer. Vérifiez ensuite que vos articles récents apparaissent toujours dans le fichier, sinon vous avez fermé le robinet trop fort. Un sitemap trop pauvre, c’est un contenu neuf que Google met des semaines à trouver.

Le maillage interne fait le reste. Google découvre vos pages par les liens avant même de consulter le sitemap, et un article bien relié à ses voisins n’a pas besoin d’une déclaration pour être trouvé. Le fichier reste un accélérateur, pas une béquille.

le robinet se règle, il ne se démonte pas

Un sitemap XML ne vous fera jamais monter dans les résultats. Il aide Googlebot à trouver plus vite ce que vous publiez, rien de plus. Sur un site volumineux, cette aide devient précieuse à condition de ne pas la diluer dans des centaines d’URL sans valeur.

Nettoyez les entrées, gardez les articles et la structure utile, vérifiez l’effet dans la Search Console au bout de quelques semaines. La prochaine fois que vous publierez, demandez-vous si votre fichier aide vraiment Google à trouver cet article, ou s’il le noie au milieu de dix archives vides.