Ajouter de nouvelles sources de sites web

L'ajout de sources de sites web permet à votre chatbot d'apprendre directement à partir du contenu de votre site web. Qu'il s'agisse de détails sur les produits, de FAQ ou d'articles de blog, l'analyse de votre site web ajoute un instantané de son contenu auquel le chatbot peut se référer. Réentraînez le modèle lorsque ce contenu change. Commencez par créer votre chatbot et vérifiez sa capacité d'entraînement.

Vous gérez une boutique en ligne ? Lorsque les produits proviennent d'AI Search ou de la recherche en direct de la boutique, excluez les pages de produits et de catégories de l'analyse et analysez uniquement les pages d'information telles que la livraison, les retours et la FAQ. Les pages de produits analysées consomment des caractères d'entraînement, et leurs prix ainsi que leurs stocks deviennent obsolètes entre deux analyses. Consultez Comment configurer ChatLab pour votre boutique e-commerce.

Où trouver l'entraînement sur site web

Sélectionnez votre chatbot, puis accédez à l'onglet Training (Entraînement). Dans la barre latérale gauche, choisissez Links (Liens). C'est ici que vous gérez toutes les sources d'entraînement basées sur un site web.

Cliquez sur Add New Training: Website (Ajouter un nouvel entraînement : Site web) pour ouvrir le formulaire d'entraînement.

Options d'analyse

Le formulaire d'entraînement vous propose deux façons d'ajouter du contenu de site web, séparées par un séparateur OR (OU).

Scan website contents (Analyser le contenu du site web) - Saisissez une URL dans le champ Address (Adresse) et choisissez entre :

• Whole website (Site complet) - Parcourt toutes les pages accessibles à partir de l'URL fournie
• Single address (Adresse unique) - Analyse uniquement la page spécifique que vous saisissez

Use sitemap (Utiliser un sitemap) - Saisissez l'URL de votre sitemap (par exemple https://www.yourdomain.com/sitemap.xml) dans le champ Sitemap. Cela analyse uniquement les pages répertoriées dans votre fichier sitemap.

Lorsque vous utilisez un sitemap, le champ Address est automatiquement désactivé (et inversement), car vous ne pouvez utiliser qu'une seule méthode par tâche d'entraînement.

Entraîner sur l'ensemble du site web

1. Saisissez l'URL racine de votre site web dans le champ Address (Adresse) (par exemple https://www.yourdomain.com)
2. Sélectionnez Whole website (Ensemble du site web) dans le menu déroulant situé sous le champ d'adresse
3. Cliquez sur Start scanning the website (Démarrer l'analyse du site web)

Le système suit les liens détectables en respectant les filtres, la profondeur d'analyse et les limites de votre compte ; il se peut qu'il n'atteigne pas toutes les pages. Vous pouvez suivre l'avancement dans l'onglet Trainings (Entraînements), où vous verrez en temps réel le nombre de liens analysés et les caractères d'entraînement collectés.

Entraîner sur une seule page

1. Entrez l'URL de la page spécifique dans le champ Address (par exemple https://www.yourdomain.com/pricing)
2. Sélectionnez Single address dans le menu déroulant
3. Cliquez sur Start scanning the website

C'est utile lorsque vous devez simplement ajouter une page spécifique à la base de connaissances de votre chatbot, par exemple un nouvel article de blog ou une page de FAQ mise à jour.

Entraîner à partir d'un sitemap

1. Entrez l'URL de votre sitemap dans le champ Sitemap (par exemple https://www.yourdomain.com/sitemap.xml)
2. Cliquez sur Start scanning the website

L'analyse par sitemap vous donne un contrôle précis sur les pages incluses, car elle ne traite que les URL répertoriées dans votre fichier sitemap.

Sélectionner des pages individuelles pour l'entraînement

Avant de lancer une analyse, vous pouvez activer l'option I want to select individual urls for training after scanning the website (Je souhaite sélectionner les URL individuelles pour l'entraînement après l'analyse du site web). Cette option n'est disponible que lors de l'analyse d'un site web complet (pas pour le mode d'adresse unique).

Lorsqu'elle est activée :

1. Le système analyse votre site web et détecte toutes les pages
2. Une fois l'analyse terminée, vous voyez une arborescence de toutes les pages découvertes avec leur nombre de caractères
3. Cochez ou décochez des pages pour les inclure ou les exclure de l'entraînement
4. Cliquez sur Start the Training (Démarrer l'entraînement) pour commencer l'entraînement sur les pages sélectionnées

C'est très pratique lorsque votre site web contient des pages dont vous ne voulez pas que le chatbot apprenne le contenu, comme les pages de connexion, les zones d'administration ou les rubriques non pertinentes.

Analyse des langues du site web

Si votre site web est publié dans plusieurs langues, ChatLab détecte les langues disponibles pendant l'analyse et vous permet de choisir celles à inclure dans la base de connaissances de votre chatbot. Vous trouverez ces options dans la section Languages (Langues) du formulaire d'entraînement, juste au-dessus de Advanced settings (Paramètres avancés).

Portée linguistique

Le menu déroulant Language scope (Portée linguistique) détermine quelle part d'un site multilingue est analysée :

• Main website language (Langue principale du site) - recommandé et sélectionné par défaut lorsque la fonctionnalité multilingue n'est pas disponible et que le bot n'a pas l'option multilingue activée. Seule la langue principale du site est analysée. Les autres versions linguistiques sont ignorées. Cela permet de garder vos données d'entraînement concises et ciblées, tout en utilisant moins de votre capacité d'entraînement.
• All languages (Toutes les langues) - recommandé et sélectionné par défaut lorsque votre compte inclut la fonctionnalité multilingue ou que le bot a l'option multilingue activée. Analyse les versions linguistiques détectées sur le site. Cela permet d'inclure toutes vos pages localisées, mais collecte plus de contenu et consomme davantage de votre capacité d'entraînement.
• Selected language (Langue sélectionnée) - analyse une seule langue que vous choisissez parmi celles détectées sur le site.

ChatLab détecte la langue principale du site pour l'analyse par langue. La portée par défaut dépend de la disponibilité du mode multilingue, et non de la langue détectée. Lorsque vous choisissez Selected language, la langue principale détectée est présélectionnée et signalée par la mention "main" dans la liste. Vous pouvez la remplacer par n'importe quelle autre langue détectée.

La détection des langues est disponible dans tous les forfaits, y compris le forfait gratuit. Vous pouvez modifier la portée avant l'analyse. L'option New training with same parameters (Nouvel entraînement avec les mêmes paramètres) réutilise la portée de l'opération précédente, qui peut différer de la valeur par défaut pour une nouvelle analyse.

Méthode de détection de la langue

Lorsque la portée est définie sur Main website language ou Selected language, vous pouvez choisir la manière dont ChatLab reconnaît les versions linguistiques de votre site grâce au menu déroulant Language detection method (Méthode de détection de la langue) :

• Hreflang attributes (recommended) (Attributs hreflang (recommandé)) - le choix par défaut. Utilise les balises hreflang et lang que la plupart des sites multilingues fournissent déjà pour relier leurs versions linguistiques.
• URL path prefix (/en/, /de/, ...) (Préfixe de chemin d'URL (/en/, /de/, ...)) - pour les sites qui placent chaque langue sous un segment de chemin tel que /en/, /de/ ou /fr/ sans balises hreflang.

Si ChatLab ne parvient pas à détecter automatiquement les langues, vous pouvez tout de même analyser la langue principale ou toutes les langues. Lorsque vous choisissez Selected language, saisissez d'abord l'adresse de votre site web dans les champs ci-dessus, puis sélectionnez à nouveau l'option afin que le site puisse être analysé.

Pour avoir une vue d'ensemble de la manière dont votre chatbot utilise ensuite ces versions linguistiques pour répondre, consultez Chatbots multilingues et Configuration de la langue du chatbot. Les modes de langue de la base de connaissances décrits dans ces guides reposent sur des sources analysées avec la détection de langue ; il peut donc être nécessaire de réentraîner d'anciennes sources pour en profiter pleinement.

Paramètres avancés

Cliquez sur le bouton Advanced settings (Paramètres avancés) dans le formulaire d'entraînement pour accéder à des contrôles d'analyse précis.

Les paramètres avancés sont organisés en quatre sections :

Filtrage des URL

• Include only URLs that contain (Inclure uniquement les URL contenant) - Analyser uniquement les URL correspondant à ces motifs (séparés par un point-virgule, par ex. /en;/help)
• Exclude URLs that contain (Exclure les URL contenant) - Ignorer les URL correspondant à ces motifs (par ex. /news;/pictures). Les motifs courants tels que /wp-admin/, /feed/ et les pages de panier sont exclus par défaut

Paramètres de requête

• Ignore all query parameters (Ignorer tous les paramètres de requête) - Traiter les URL avec des paramètres de requête différents comme une même page (par ex. /page?id=1 et /page?id=2 deviennent tous deux /page)
• Ignore specific query parameters (Ignorer des paramètres de requête spécifiques) - Ignorer uniquement certains paramètres (les paramètres de suivi courants comme utm_source, fbclid, gclid sont automatiquement ignorés)

Filtrage du contenu

• Include element IDs (Inclure les identifiants d'éléments) - Extraire le contenu uniquement depuis des éléments HTML spécifiques (utilisez #id pour les identifiants, .classname pour les classes, [data-id="82874db"] pour les éléments avec un attribut donné, séparés par des points-virgules)
• Exclude element IDs (Exclure les identifiants d'éléments) - Ignorer le contenu d'éléments HTML spécifiques (par ex. footer;header;#navigation;[data-nosnippet])
• Des options conditionnelles s'affichent lorsque des éléments à inclure ou exclure sont définis, vous permettant de déterminer si le robot d'exploration suit les liens présents dans ces éléments

Comportement d'extraction

• Scrape documents (Extraire les documents) - Extraire également le contenu des fichiers PDF trouvés sur le site web
• Exclude image links (Exclure les liens d'images) - Ignorer les URL d'images du jeu de données d'entraînement
• Scrape hidden contents (Extraire les contenus masqués) - Inclure le contenu des éléments HTML masqués (activé par défaut)
• Delay between pages (Délai entre les pages) - Ajouter un délai en secondes entre les requêtes de pages pour réduire la charge sur le serveur
• Country code (Code pays) - Acheminer l'extraction via un serveur proxy dans un pays spécifique (code à deux lettres, par ex. us)

Notifications par e-mail

L'option Email me when training is finished or needs my attention (M'envoyer un e-mail lorsque l'entraînement est terminé ou nécessite mon attention) est activée par défaut. Lorsqu'elle est active, vous recevez une notification par e-mail lorsque :

• L'entraînement se termine avec succès
• Le système a besoin de votre intervention (par exemple pour sélectionner les pages après une analyse)
• Des problèmes surviennent pendant l'entraînement

Vous pouvez modifier l'adresse e-mail de notification dans le champ situé à côté de cette option.

Suivre la progression de l'entraînement

Après avoir lancé une analyse, basculez vers l'onglet Trainings pour suivre la progression. Chaque tâche d'entraînement indique :

• L'URL source
• Le statut actuel (Scanning links, Awaiting links selection, Training, Training completed)
• Une barre de progression pendant l'analyse ou l'entraînement actif
• La date de la dernière mise à jour

Cliquez sur More details (Plus de détails) pour voir tous les paramètres utilisés pour une tâche d'entraînement spécifique, y compris les réglages avancés qui ont été configurés.

Gérer les liens entraînés

Une fois l'entraînement terminé, les pages entraînées avec succès s'affichent dans l'onglet Links (Liens). Les pages exclues par vos paramètres, non sélectionnées ou rejetées en raison d'une erreur ou d'une limite ne sont pas toutes garanties de devenir des sources d'entraînement. Chaque lien indique :

• Le titre de la page et l'URL
• Le nombre de caractères (taille des données d'entraînement)
• Le statut de l'entraînement
• La date de dernière mise à jour

Pour chaque lien, vous pouvez :

• Retrain (Réentraîner) - Réanalyser et mettre à jour le contenu de cette page spécifique
• View (Afficher) - Consulter le contenu exact extrait de la page
• Delete (Supprimer) - Retirer cette page de la base de connaissances de votre chatbot

Utilisez la case à cocher Select all (Tout sélectionner) et les boutons d'action groupée pour réentraîner ou supprimer plusieurs liens à la fois.

Consulter le contenu analysé

Cliquez sur le bouton View situé à côté de n'importe quel lien entraîné pour voir exactement quel contenu a été extrait de cette page.

La fenêtre modale d'affichage de la source montre le titre de la page, l'URL, le nombre de caractères, la date de la dernière mise à jour ainsi que l'intégralité du texte sur lequel votre chatbot a été entraîné. Cela vous permet de vérifier que le bon contenu a été collecté et de mieux comprendre la base de connaissances de votre chatbot.

Vérifier le chatbot terminé

L'exploration et l'entraînement s'exécutent en arrière-plan et peuvent prendre quelques minutes, voire plus longtemps pour les sites web volumineux. Vous pouvez quitter cette page et préparer l'intégration au site web en attendant. Si la tâche indique Awaiting links selection (En attente de la sélection des liens), revenez sélectionner les pages et lancez l'entraînement. Une fois l'entraînement terminé, inspectez les pages importantes avec View (Afficher), puis ouvrez Overview (Aperçu) et testez des questions dont les réponses se trouvent sur ces pages. Passez en revue les erreurs et les pages manquantes avant de vous fier au nouveau contenu.

Articles connexes

• Entraînement en arrière-plan - Découvrez comment fonctionne l'entraînement en arrière-plan
• Réentraîner votre chatbot - Comment mettre à jour votre chatbot avec du nouveau contenu
• Comment réduire les caractères d'entraînement lors du scan d'un site web - Conseils pour optimiser la taille de vos données d'entraînement
• Entraîner votre chatbot : bases et limites - Comprendre les limites des données d'entraînement