Votre sitemap WordPress indexe ce qu’il ne devrait pas

Un sitemap qui déborde d’URL inutiles, ça ne casse rien en apparence. Le site s’affiche, Google continue de passer, les statistiques bougent un peu. Sauf que sous le capot, le plugin SEO déclare une chose et WordPress en émet une autre, sans que personne ne vérifie. Résultat : des pages de tags vides, des pièces jointes, des archives de dates se retrouvent dans le fichier XML, et l’indexation part en brouillard. Ce n’est pas un détail technique réservé aux développeurs, c’est une décision éditoriale que l’administrateur doit prendre lui-même.

Ce que le plugin affiche et ce que WordPress émet vraiment

Ouvrez le sitemap de votre site, celui que vous soumettez dans la Search Console. Comptez les URL qui n’ont aucun intérêt pour un visiteur. Sur un site qui publie depuis quelques années, la surprise arrive vite : des attachments d’images, des pages d’auteur vides, des taxonomies oubliées. Pour comprendre comment ces fichiers sont construits et pourquoi ils échappent si souvent au contrôle, moniquerabin.fr détaille les rouages du référencement sur WordPress, et la lecture vaut le détour avant de toucher au moindre réglage.

Le problème de fond vient d’une double génération. Depuis la version 5.5, WordPress intègre nativement la création de fichiers sitemaps XML, sans plugin. Cette fonctionnalité de base fait son travail : elle liste les contenus publiés, les pages, les catégories, les étiquettes, et parfois des types de contenus que vous n’avez jamais voulu exposer. Si vous ajoutez un plugin SEO par-dessus, vous obtenez deux sources qui se superposent. Le plugin, lui, produit son propre fichier, souvent plus propre, mais il ne désactive pas systématiquement celui de WordPress.

Les champs du format XML comme boussole d’audit

La plupart des moteurs de recherche majeurs se sont entendus en 2005 sur un format XML nommé Sitemaps. Ce format impose une structure simple, et c’est justement cette simplicité qui rend l’audit possible sans outil payant. Un fichier valide repose sur des balises précises, et certaines sont obligatoires tandis que d’autres ne servent à rien si on les remplit mal.

• Le champ <loc> contient l’adresse de la page, et il est le seul réellement obligatoire.
• Les balises <changefreq>, <lastmod> et la priorité restent facultatives, et Google les ignore largement aujourd’hui.
• Pourquoi tant de sites les remplissent-ils encore avec des valeurs au hasard ?
• Une URL cassée dans le fichier suffit à envoyer un signal contradictoire au robot qui le parcourt.
• La date de dernière modification doit correspondre à un vrai changement de contenu, pas à chaque enregistrement automatique.

Voilà la boussole. Si votre sitemap liste une URL dont le contenu n’a pas bougé depuis trois ans mais affiche une date de modification d’hier, ce n’est pas une erreur de syntaxe, c’est une erreur de pilotage. Le plugin fait confiance à ce que WordPress lui donne, et WordPress donne parfois n’importe quoi. Un administrateur qui ouvre le fichier à la main, même une fois par trimestre, repère ces incohérences en quelques minutes.

Les URL parasites qui s’invitent sans prévenir

Les sitemaps natifs de WordPress incluent parfois des URL non pertinentes, comme des types de contenus ou des taxonomies non désirées. C’est écrit noir sur blanc dans la documentation, et pourtant la plupart des propriétaires de site ne le savent pas.

Concrètement, ouvrez votre fichier et cherchez ce qui traîne. Les pages d’étiquettes arrivent en tête, surtout quand un article en porte quinze. Chaque étiquette génère une archive, chaque archive entre dans le sitemap, et vous vous retrouvez avec des dizaines d’URL à contenu quasi identique.

Il y a aussi les pièces jointes. WordPress crée une page pour chaque image téléversée, par défaut accessible à une adresse dédiée. Selon la configuration du plugin, ces pages peuvent se retrouver dans le fichier XML alors qu’elles n’affichent qu’une photo et deux lignes de texte.

Les archives par auteur posent le même souci sur un blog à rédacteur unique : une page qui liste des articles déjà listés ailleurs. Et les archives de dates, mois par mois, année par année, empilent des pages que personne ne consulte jamais.

Une étude récente de SEMrush, citée dans plusieurs analyses SEO, indique que 68 % des sites WordPress ont au moins cinq problèmes SEO majeurs non résolus. Ce chiffre ne dit pas combien concernent le sitemap, mais l’ordre de grandeur donne une idée du laisser-faire général. Franchement, ça ne surprend personne : personne n’a envie d’ouvrir un fichier XML un vendredi après-midi.

Trancher ce qui mérite d’être indexé

La question n’est pas technique, elle est éditoriale. Une page de tag qui rassemble douze articles autour d’un thème a peut-être sa place dans l’index. Une page de tag qui en rassemble deux n’apporte rien à un lecteur, et encore moins à un moteur.

À vous de décider où passe la ligne, et cette ligne doit être écrite quelque part, pas décidée au hasard des réglages par défaut du plugin. Un site de recettes et un site de services n’ont pas la même réponse à cette question, et c’est normal. Sur ce point, voir aussi notre article sur erreurs 404 wordpress.

Si une extension SEO dédiée est déjà en place, la recommandation est claire : désactivez les sitemaps XML natifs de WordPress. Le plugin fait le travail, il gère les inclusions et les exclusions, et deux fichiers concurrents ne font que brouiller le message.

La désactivation se fait par une ligne dans le fichier de fonctions du thème ou via un réglage du plugin, selon ce que vous utilisez. Vérifiez ensuite que le fichier natif renvoie bien une erreur, et que le sitemap du plugin répond correctement.

Les exclusions à décider, une par une

Une fois la source unique établie, il reste à choisir ce qui sort. Le plugin propose généralement des cases à cocher pour les types de publications et les taxonomies. Cochez, enregistrez, puis retournez voir le fichier : la disparition doit être effective, pas seulement annoncée dans l’interface.

• Décochez les pièces jointes, sauf si votre site est une banque d’images où chaque fichier a sa propre valeur.
• Les archives d’auteur : à garder uniquement si plusieurs rédacteurs publient réellement et signent leurs textes.
• Faut-il vraiment laisser les étiquettes dans le sitemap quand elles n’ont jamais été travaillées ?
• Les archives de dates n’apportent rien à un visiteur, et presque rien à un robot.

Empêcher l’indexation d’une page passe ensuite par la balise robots ou par le fichier robots.txt, mais attention à la cohérence. Une URL retirée du sitemap peut quand même être découverte par un lien interne. Si vous voulez vraiment qu’une page sorte de l’index, il faut agir sur la page elle-même, pas seulement sur le fichier XML. C’est la nuance que beaucoup ratent : le sitemap déclare une intention, il ne l’impose pas.

Les travers de WordPress que personne ne corrige seul

WordPress n’est pas fautif, il est permissif. Il publie, il crée des archives, il génère des URL, et il attend qu’on lui dise stop. Un site laissé sans réglages accumule des pages au fil des années, et le sitemap devient le miroir de cette accumulation. Modifier l’URL d’une page, par exemple, se fait en changeant le permalien, mais l’ancienne adresse reste accessible si aucune redirection n’est posée, et elle peut réapparaître dans le fichier si le plugin la considère encore valide.

Le plugin SEO ne corrige jamais ces choix à votre place, parce qu’il ne sait pas ce que vous voulez voir dans Google. Il applique une politique par défaut, pensée pour le plus grand nombre, et cette politique convient rarement à un site précis.

Un blog qui publie trois fois par semaine et un site vitrine de cinq pages n’ont pas les mêmes besoins d’indexation, et aucun réglage universel ne règle la question. C’est à l’administrateur de trancher, avec le fichier sous les yeux.

Le contrôle prend une heure la première fois, puis quelques minutes à chaque passage. Ouvrez le sitemap, vérifiez les balises obligatoires, comparez le nombre d’URL avec le nombre de pages réellement utiles, corrigez les exclusions. Refaites l’exercice après chaque grosse mise à jour du site, parce qu’un nouveau type de contenu ajouté par un plugin peut réintroduire des URL sans que personne ne s’en aperçoive.

Un fichier propre ne se déclare pas, il se vérifie

La leçon tient en une phrase : un sitemap n’est pas un fichier qu’on installe puis qu’on oublie, c’est un document qu’on relit. Les moteurs se sont mis d’accord sur un format en 2005, ce format dit clairement ce qui est obligatoire et ce qui ne l’est pas, et cette clarté vous donne tous les outils pour auditer votre propre site sans dépendre de personne.

Le plugin fait sa part, WordPress fait la sienne, mais la décision de ce qui mérite d’être indexé vous revient, et elle ne se délègue pas à une case cochée par défaut. Combien de pages de votre sitemap n’auriez-vous jamais publiées si vous aviez dû les écrire à la main ?