Quelles URLs faut-il retirer de votre sitemap XML ?

Votre sitemap, c’est la liste « voici mes meilleures pages » que vous tendez à Google. Imaginez la gêne si cette liste contenait des adresses qui n’existent plus, des pages que vous avez vous-même demandé à cacher, ou des doublons. C’est pourtant fréquent — et ça envoie à Google des signaux contradictoires. Faisons le tri.

La règle d’or du sitemap

Elle tient en une phrase : un sitemap ne doit lister que des pages valides et indexables. Autrement dit, des pages qui renvoient un code 200, qui ne sont ni redirigées ni en noindex, et dont l’adresse est la version officielle (canonique). Google recommande de n’inclure que des URLs absolues et canoniques. Tout le reste est un intrus.

Les intrus typiques

• Des pages en 404 : supprimées, mais toujours listées dans le sitemap.
• Des pages redirigées (301/302) : le sitemap pointe vers l’ancienne adresse, pas la nouvelle.
• Des pages en noindex : vous demandez à Google de ne pas les afficher… tout en les listant comme importantes.
• Des variantes non canoniques : des adresses avec paramètres (?tri=, ?couleur=) au lieu de la page « propre ».
• Des pages bloquées par le robots.txt : listées d’un côté, interdites de l’autre.

Pourquoi c’est un problème

Le sitemap est censé être votre liste la plus soignée. Y glisser des adresses mortes ou contradictoires, c’est comme donner à un client un catalogue rempli de produits en rupture : ça crée de la confusion et ça entame la confiance. Concrètement, Google gaspille du temps d’exploration sur ces impasses, et accorde moins de crédit à un sitemap qui se révèle peu fiable.

Le cas du noindex dans le sitemap

C’est la contradiction la plus frappante, et l’une des plus courantes. D’un côté, le sitemap dit à Google : « cette page est importante, indexe-la ». De l’autre, la balise noindex de la page dit : « surtout, ne l’indexe pas ». Google se retrouve face à deux ordres opposés. Le bon principe : une page en noindex n’a rien à faire dans le sitemap, point.

Comment repérer les URLs problématiques

1. Search Console : le rapport « Sitemaps » signale les URLs en erreur, et le rapport « Pages » indique les adresses du sitemap exclues (noindex, redirections, introuvables).
2. Parcourez votre sitemap (/sitemap.xml) et testez quelques adresses au hasard : renvoient-elles bien un 200 ?
3. Laissez Limpi analyser le contenu de votre sitemap et lister précisément les URLs qui ne devraient pas y être.

Comment nettoyer

Si votre sitemap est généré par un CMS, le ménage se fait surtout dans les réglages : la plupart des extensions SEO permettent de choisir quels types de pages inclure ou exclure (par exemple exclure les pages de remerciement, les résultats de recherche interne, les variantes filtrées). Vérifiez aussi que les pages en noindex sont bien automatiquement retirées du sitemap — c’est souvent le cas, mais pas toujours. Pour un sitemap créé à la main, il faut retirer manuellement les adresses mortes.

URLs absolues et canoniques

Dernier point de vigilance : chaque adresse listée doit être absolue (l’URL complète, avec https://) et canonique (la version officielle de la page, pas une variante avec paramètres). C’est ce qui garantit que le sitemap renforce vos autres signaux au lieu de les contredire.

Le sitemap, c’est votre vitrine pour Google : on n’y expose que des pages bien vivantes, jamais des fantômes.

Comment ces intrus s’invitent dans le sitemap

Rarement par votre faute directe. Sur WordPress, par exemple, chaque étiquette (tag) ou page d’archive crée une URL qui peut atterrir automatiquement dans le sitemap, alors qu’elle n’a souvent aucun intérêt pour la recherche. Lors d’une refonte, les anciennes adresses ne sont pas toujours purgées. Et il arrive que deux extensions gèrent chacune leur propre sitemap, avec des règles différentes. Le résultat est le même : des adresses indésirables se glissent dans la liste sans que vous l’ayez décidé. D’où l’intérêt de jeter un œil, de temps en temps, au contenu réel de votre sitemap.

Le bon réflexe après un gros changement

Le sitemap se dégrade surtout lors des grands chamboulements : refonte, migration, changement de structure d’URL. Prenez donc le réflexe, après chaque changement important, de régénérer le sitemap puis de vérifier qu’il ne contient que des adresses valides. Quelques minutes de contrôle à ce moment-là vous évitent des semaines de signaux contradictoires envoyés à Google. C’est aussi un bon moment pour relancer une analyse Limpi, qui vous dira immédiatement si des intrus se sont glissés dans la liste.

En résumé

Un sitemap n’a de valeur que s’il est propre : il doit lister uniquement des pages valides (code 200), indexables et canoniques. Les intrus à chasser sont les 404, les pages redirigées, les pages en noindex et les variantes non canoniques. La page en noindex listée dans le sitemap est la contradiction reine : à corriger en priorité. Un sitemap nettoyé, c’est un signal clair et crédible envoyé à Google.

Questions fréquentes

Quelles URLs ne doivent PAS figurer dans le sitemap ?

Les pages en 404, les pages redirigées, celles en noindex, celles bloquées par le robots.txt, et les variantes non canoniques (avec paramètres).

Pourquoi une page en noindex dans le sitemap pose-t-elle problème ?

Parce que c’est contradictoire : le sitemap dit « indexe cette page » tandis que le noindex dit « ne l’indexe pas ». Google reçoit deux ordres opposés.

Comment repérer ces URLs problématiques ?

Le rapport « Sitemaps » de la Search Console signale les erreurs, et Limpi liste précisément les adresses douteuses présentes dans votre sitemap.

Faut-il des URLs absolues dans le sitemap ?

Oui : des adresses complètes (https://…) et canoniques, c’est-à-dire la version officielle de chaque page.

Mon CMS gère-t-il ça automatiquement ?

Souvent, mais pas toujours parfaitement. Vérifiez vos réglages SEO : certains incluent par erreur des pages qui devraient être exclues.

Sources et références

1. Google Search Central — Créer et envoyer un sitemap
2. Google Search Central — Bloquer l’indexation avec noindex (mis à jour déc. 2025)