Sitemap XML : découper 100 000 URLs en chunks de 50 000

Mis à jour le 19 août 2026 · 8 min de lecture · Intention : informationnelle · Indexation

Un sitemap ne fait pas indexer une page : il la signale. Sur un site de plusieurs dizaines de milliers d'URL, c'est pourtant le seul mécanisme qui garantit qu'une page nouvellement générée sera au moins découverte.

Les limites officielles

Contrainte	Valeur
URL par fichier sitemap	50 000 maximum
Taille du fichier, non compressé	50 Mo maximum
Compression	gzip accepté ; la limite de 50 Mo s'applique au fichier décompressé
Sitemaps par fichier d'index	50 000

La limite de taille est atteinte avant celle du nombre d'URL dès que les URL sont longues ou que des extensions sont utilisées. Le découpage doit donc contrôler les deux bornes, pas seulement le compteur d'URL.

Structure d'un index de sitemaps

<?xml version="1.0" encoding="UTF-8"?>
<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
  <sitemap>
    <loc>https://exemple.com/sitemap-blog-1.xml</loc>
    <lastmod>2026-08-19</lastmod>
  </sitemap>
  <sitemap>
    <loc>https://exemple.com/sitemap-blog-2.xml</loc>
    <lastmod>2026-08-12</lastmod>
  </sitemap>
</sitemapindex>

Seule l'URL de l'index est déclarée dans robots.txt et soumise à la Search Console. Les fichiers enfants sont découverts à partir de là.

Segmenter par section, pas par ordre d'insertion

Découper mécaniquement par tranches de 50 000 dans l'ordre de création est la solution la plus simple et la moins utile. Une segmentation thématique transforme le sitemap en outil de diagnostic.

sitemap-blog-guides.xml — les pages piliers et éditoriales
sitemap-blog-comparatifs.xml — un motif programmatique
sitemap-blog-alternatives.xml — un autre motif

La Search Console rapporte le taux d'indexation par sitemap. Segmenter par motif permet de savoir quel lot n'est pas indexé, au lieu de constater un taux global inexploitable.

Les balises utiles, et celles qui ne servent à rien

Balise	Statut	Usage
`<loc>`	Requise	URL absolue, encodée, canonique
`<lastmod>`	Utilisée	Uniquement si exacte et vérifiable
`<changefreq>`	Ignorée par Google	Aucun
`<priority>`	Ignorée par Google	Aucun

Le cas de lastmod mérite une précision : Google indique s'appuyer sur cette valeur uniquement lorsqu'elle est cohérente et vérifiable. Une date mise à jour à chaque déploiement, sans modification réelle du contenu, fait perdre toute crédibilité au signal pour l'ensemble du site.

Les cinq règles de contenu d'un sitemap

Uniquement des URL canoniques. Une URL présente dans le sitemap et pointée par un canonical vers une autre page envoie un signal contradictoire.
Uniquement des réponses 200. Les 301, 404 et 410 n'ont rien à y faire.
Uniquement des URL indexables. Une page en noindex listée dans un sitemap est une incohérence pure.
Un seul protocole et un seul hôte. Pas de mélange http/https ni www/non-www.
Régénération après chaque vague. Un sitemap obsolète retarde la découverte des nouvelles pages de plusieurs semaines.

Le sitemap comme outil de pilotage

Sur un projet programmatique, la pratique la plus efficace consiste à isoler chaque vague de publication dans son propre sitemap temporaire. Le taux d'indexation de cette vague se lit alors directement, sans être noyé dans l'historique. Une fois la vague stabilisée, ses URL rejoignent le sitemap thématique correspondant.

Ce suivi est le complément direct de ce qui est décrit dans budget de crawl et indexation des pages générées. Attention au cas particulier d'un blog servi depuis un CDN externe : le sitemap doit être exposé sous le domaine client, comme expliqué dans servir un blog depuis un CDN sans perdre le SEO.

Questions fréquentes

Combien d'URL peut contenir un sitemap ?

Un fichier sitemap est limité à 50 000 URL et à 50 Mo non compressé. Au-delà, il faut plusieurs fichiers regroupés dans un fichier d'index de sitemaps.

Faut-il renseigner changefreq et priority ?

Non, Google ignore ces deux balises. Seules loc et, sous conditions d'exactitude, lastmod sont exploitées.

Un sitemap garantit-il l'indexation ?

Non. Il facilite la découverte des URL, mais la décision d'indexer dépend de la qualité perçue de la page, du maillage interne et du budget de crawl alloué au site.