Faut-il vraiment découper son sitemap en plusieurs fichiers pour indexer un gros site ?

Pourquoi Google impose-t-il une limite de 50 000 URL par fichier sitemap ?

Cette limite technique existe depuis les débuts du protocole sitemap. Elle vise à garantir la stabilité du crawl et à éviter que des fichiers XML trop volumineux ne saturent les serveurs de Google ou ne provoquent des timeouts lors de leur parsing.

En pratique, un fichier sitemap peut aussi être limité à 50 Mo non compressé. Sur des sites avec des URL longues ou des métadonnées riches (images, vidéos), cette limite de poids peut être atteinte avant celle du nombre d'URL. Il faut donc surveiller les deux paramètres.

Comment fonctionne la structure en sous-sitemaps ?

Dès qu'un site dépasse le seuil des 50 000 URL, il convient de créer un fichier sitemap index qui référence plusieurs sous-sitemaps. Chaque sous-sitemap contient une portion des URL du site, et le fichier index sert de point d'entrée unique pour Googlebot.

Cette architecture est totalement standard et utilisée par la majorité des sites e-commerce, médias ou plateformes SaaS de taille moyenne à grande. Google la recommande explicitement dans sa documentation officielle depuis des années.

Existe-t-il un risque d'impact négatif sur l'indexation ?

Non. La déclaration de Martin Splitt est claire : diviser son sitemap en plusieurs fichiers est « acceptable », ce qui signifie qu'il n'y a aucun malus ni désavantage technique à cette approche. Google crawle les sous-sitemaps de manière équivalente à un fichier unique.

Le seul risque réel provient d'une mauvaise structuration : fichiers index mal formés, sous-sitemaps orphelins non déclarés dans le fichier index, ou URLs dupliquées entre plusieurs sous-fichiers. Ces erreurs peuvent ralentir ou perturber le crawl.

• 50 000 URL maximum par fichier sitemap individuel
• 50 Mo non compressé : limite de poids alternative à surveiller
• Fichier sitemap index obligatoire dès qu'on dépasse une limite
• Aucun impact négatif sur l'indexation si la structure est propre
• Erreurs à éviter : doublons entre sous-sitemaps, fichiers orphelins, malformation XML

Cette déclaration est-elle cohérente avec les pratiques observées sur le terrain ?

Totalement. Depuis des années, les gros sites indexent leurs contenus via des dizaines voire centaines de sous-sitemaps sans que cela pose le moindre problème. Amazon, eBay, Wikipedia : tous fonctionnent ainsi. La confirmation de Splitt ne fait que réaffirmer une norme déjà bien ancrée.

Cependant, on observe parfois une latence accrue dans le crawl de certains sous-sitemaps par rapport à d'autres. Cela peut indiquer que Google priorise certains fichiers en fonction de leur historique de mise à jour ou de la fraîcheur des URL qu'ils contiennent. [A vérifier] : aucune documentation officielle ne détaille précisément comment Google alloue son crawl budget entre plusieurs sous-sitemaps d'un même site.

Quelles nuances faut-il apporter à cette règle des 50 000 URL ?

Premier point : la limite de 50 Mo non compressé peut devenir contraignante avant celle des 50 000 URL si vos entrées XML sont riches (balises image, video, hreflang multiples). Dans ce cas, vous devrez découper encore plus finement.

Deuxième point : tous les CMS ou générateurs de sitemap ne gèrent pas correctement la création automatique de sous-fichiers et du fichier index. Certains plugins WordPress, par exemple, cassent la structure dès qu'on dépasse un certain seuil, ou ne mettent à jour qu'une partie des sous-sitemaps. Il faut donc vérifier régulièrement la cohérence de l'ensemble.

Dans quels cas cette approche ne suffit-elle pas ?

Sur des sites à très forte volumétrie (millions d'URL), découper son sitemap ne résout qu'une partie du problème. Le vrai enjeu devient alors le crawl budget : Google n'indexera jamais toutes les URL d'un coup, même si elles sont toutes déclarées dans des sitemaps propres.

Dans ces situations, il faut prioriser : créer des sous-sitemaps par catégorie de contenus (produits premium, pages à forte valeur ajoutée, contenus frais) et reléguer les contenus secondaires dans des fichiers séparés. Certains SEO vont jusqu'à soumettre plusieurs fichiers index distincts via la Search Console pour mieux piloter le crawl.

Que faut-il faire concrètement pour structurer ses sitemaps correctement ?

Première étape : auditer le volume d'URL de votre site. Si vous dépassez 50 000 URL (ou 50 Mo), créez un fichier sitemap index (sitemap_index.xml) qui pointe vers plusieurs sous-sitemaps. Chaque sous-sitemap doit respecter les deux limites.

Deuxième étape : segmenter intelligemment. Ne découpez pas vos sitemaps au hasard. Regroupez par type de contenu (produits, catégories, articles de blog, landing pages) ou par fréquence de mise à jour. Cela facilite le monitoring et permet de repérer rapidement les anomalies de crawl dans la Search Console.

Quelles erreurs éviter lors de la mise en place ?

Erreur n°1 : oublier de déclarer le fichier index dans le robots.txt. Votre ligne Sitemap: doit pointer vers le fichier index, pas vers chaque sous-sitemap individuellement. Google découvrira les sous-fichiers automatiquement.

Erreur n°2 : laisser des URL dupliquées entre plusieurs sous-sitemaps. Cela n'empêche pas l'indexation, mais Google crawlera plusieurs fois la même URL, ce qui consomme inutilement du crawl budget. Automatisez la génération pour éviter ce genre de doublons.

Erreur n°3 : ne pas mettre à jour les sous-sitemaps en temps réel. Si vous publiez 200 nouveaux produits par jour, assurez-vous que le sous-sitemap correspondant est régénéré et que sa date <lastmod> est bien actualisée. Sinon, Google risque de ne pas revenir crawler ces URL rapidement.

Comment vérifier que mon architecture sitemap fonctionne bien ?

Rendez-vous dans la Search Console, section Sitemaps. Soumettez votre fichier index, puis surveillez le nombre d'URL découvertes versus le nombre d'URL indexées. Un écart important peut signaler des erreurs de crawl ou des contenus jugés de faible qualité par Google.

Utilisez aussi un outil comme Screaming Frog ou OnCrawl pour crawler vos sous-sitemaps et détecter les incohérences : URL en 404, redirections, contenus dupliqués. Automatisez ces checks mensuellement sur les gros sites.

• Créer un fichier sitemap index si le site dépasse 50 000 URL ou 50 Mo
• Segmenter les sous-sitemaps par type de contenu ou fréquence de mise à jour
• Déclarer uniquement le fichier index dans le robots.txt
• Vérifier l'absence de doublons d'URL entre sous-sitemaps
• Automatiser la régénération et la mise à jour des <lastmod>
• Soumettre le fichier index dans la Search Console et monitorer les stats