Si vous souhaitez entraîner Fin avec le contenu d’un site web, vous pouvez le faire en synchronisant l’URL publique de ce site.

Accédez à Train > Content puis sélectionnez Website sync sous la section « Add content ».

Saisissez maintenant l’URL publique de votre site (top-level domain) et cliquez sur Next.

This will fetch all of the pages from the website URL you provide and will read from all the sub domain pages.

Once you input your URL, we will check that it's valid and accessible. Then you'll need to review the pages to sync. All sub-pages linked in each selected section will be synced. Select only relevant up-to-date content.

Select the Advanced settings dropdown to configure additional URLs, exclude URLs, CSS selectors to exclude, and more.

Website structures can vary. To make sure that we sync your most relevant content, we recommend you add additional URLs for those specific subpages.

For example, if you input https://myhelpcenter.com/help as the primary URL above, you might also want to add the specific URL like https://myhelpcenter.com/help/index.html

To exclude certain pages you don’t want to sync content from, you can add a list of URL globs.

A glob is a string of literal and/or wildcard characters used to match file paths or URLs. Globbing is the act of locating files on a filesystem using one or more globs. Using URL globs also helps to get a range of URLs that are mostly the same, with only a small portion of it changing between the requests.

For example, this URL glob https://{store,docs}.example.com/** lets the crawler access all URLs starting with https://store.example.com/ or https://docs.example.com/ and https://example.com/**/*\?*foo=*

To exclude certain page elements, you can use CSS selectors of those specific sections or elements you want to exclude.

This is useful to skip irrelevant page content. The value must be a valid CSS selector as accepted by the document.querySelectorAll() function. By default, we already remove common navigation elements, headers, footers, modals, scripts, and inline images.

This allows for DOM elements identified by the CSS selector, to be clicked during the web sync process.

This is useful for expanding collapsed sections, in order to capture their text content. The value must be a valid CSS selector as accepted by the document.querySelectorAll() function.

Examples are "[aria-expanded=\"false\"]", #expand_section

Complex conditions can be also described with a CSS selector. In CSS, chaining the selectors without spaces creates an AND-like condition, for example .button.blue.small will match only elements with all three classes.

Using comma (,) as a separator works like OR, for example .button, .blue, h1 targets all elements with class button, or class blue, or first-level headings.

To target content that may have a delay in appearing on the page, you can add a CSS selector that will make the web scraper wait before scraping content.

This is useful for pages for which the default content load recognition by idle network fails. Setting this option completely disables the default behavior, and the page will be processed only if the element specified by this selector appears.

Enable XML Sitemap for a more robust websync on sitemap-supported websites, allowing access to pages that might not be reachable from the initial URLs.

If this option is enabled, the web scraper will look for Sitemaps at the domains of the provided source URL and enqueue matching URLs similarly as the links found on crawled pages. You can also reference a sitemap.xml file directly by adding it as another Start URL e.g. https://www.example.com/sitemap.xml.

You can select a proxy for crawler to use if you require your website to be crawled with a proxy set to a specific region or country.

We currently support the following proxies:

Choisissez à quel point le robot rend chaque page lors de la synchronisation de ce site.

Lorsqu'il est activé, le scraper web ignore les balises link canonical (rel="canonical") et traite chaque URL comme une page distincte. Cette option est désactivée par défaut.

Ceci est utile lorsqu'un site pointe de nombreuses pages vers une URL canonique unique et que du contenu est manqué en conséquence.

Il y a deux bascules supplémentaires sous Advanced settings. Les deux sont désactivées par défaut.

Respect robots.txt : fait en sorte que le robot respecte les règles disallow de robots.txt de votre site. Activez-le pour garder la synchronisation cohérente avec ce que vous autorisez aux autres robots d'atteindre. Si robots.txt interdit des chemins contenant du contenu que vous souhaitez dans Fin, cela réduira ce qui est synchronisé.

Exclude query parameters : ignore toute URL avec une chaîne de requête (?). Activez-le lorsque votre site ajoute des paramètres de suivi, de session ou de tri produisant de nombreuses pages presque dupliquées. Laissez-le désactivé si un vrai contenu se trouve derrière une chaîne de requête, comme /docs?page=intro — ces pages seraient également ignorées.

L'étape Target vous permet de définir un public par défaut pour toutes les pages synchronisées et de créer des règles basées sur l'URL pour attribuer automatiquement des publics spécifiques selon des modèles d'URL — pas d'étiquetage manuel requis.

Décidez d'abord si le contenu de cette source est activé pour Fin AI Agent et/ou Copilot.

Ensuite, vous pouvez soit définir un public Fin par défaut à appliquer à toutes les pages synchronisées depuis cette source (si aucun par défaut n'est défini, le contenu par défaut est Everyone), soit créer des règles pour attribuer des publics spécifiques selon des modèles d'URL.

Par exemple : Si l'URL contient /uk, attribuez le public UK. Les règles sont évaluées pendant la synchronisation, donc Fin et Copilot servent toujours le bon contenu au bon public.

Chaque règle prend en charge trois comparateurs d'URL :

Enfin, passez en revue vos paramètres de synchronisation puis cliquez sur Sync website pour commencer à synchroniser le contenu de votre site avec Intercom.

Une fois la synchronisation terminée, vous recevrez une notification par e-mail et le site apparaîtra comme une source synchronisée dans Train > Content sous la section "Content sources".

Si vous cliquez sur une source de site web, vous pouvez prévisualiser et gérer les pages individuelles synchronisées depuis l'URL publique.

Lorsque vous affichez une page de site web, vous trouverez un panneau "Détails" à droite qui contient :

Pour rendre une source de site web disponible pour Fin Agent ou Fin Copilot, allez dans Train > Content et cliquez sur la source du site sous la section « Content sources », puis ouvrez la page web pertinente que vous avez synchronisée.

Depuis le panneau « Details » faites défiler jusqu’à “Fin” et activez le bouton :

Vous pouvez planifier quand les pages de site synchronisées s’activent ou se désactivent pour Fin et Copilot, à une date, heure et fuseau horaire futurs. Définissez uniquement une date de début, ou définissez à la fois une date de début et de fin pour créer une fenêtre de disponibilité limitée dans le temps. La planification s’applique aux pages individuelles ou en masse.

Vous pouvez attribuer des audiences au contenu synchronisé automatiquement en utilisant des règles basées sur l’URL lors de la création de la synchronisation web, ou manuellement page par page. D’abord, vous devez créer et définir l’audience que vous souhaitez cibler.

Ensuite, allez dans Train > Content et cliquez sur la source du site sous la section « Content sources », puis ouvrez la page web pertinente que vous avez synchronisée.

Depuis le panneau « Details » faites défiler jusqu’à “Fin” et utilisez le menu déroulant d’audience pour sélectionner l’une de vos audiences pré-définies.

Vous n’avez pas besoin de recréer une synchronisation pour ajouter le ciblage d’audience. Allez dans Train > Content, sélectionnez la source, cliquez sur le menu Paramètres en haut à droite, et sélectionnez Open settings. Naviguez jusqu’à l’étape Target pour ajouter ou modifier les règles basées sur l’URL.

Si vous souhaitez re-synchroniser ou supprimer une URL publique en tant que source, allez dans Train > Content, et cliquez sur la source du site sous la section "Content sources", puis ouvrez le menu Settings en haut à droite.

Ici, vous pouvez choisir de Re-sync ou Remove this source.

Vous pouvez afficher la liste des synchronisations passées pour voir quand elles ont été exécutées pour la dernière fois, quelles pages ont été trouvées et quelles pages ont échoué. Allez dans Train > Content, et cliquez sur la source du site sous la section "Content sources", puis sélectionnez View sync history.

Chaque ligne du tableau représente une exécution passée ou active, et vous pouvez filtrer les exécutions par status (started, success, failed).

Il inclut les informations suivantes :

Si une synchronisation a échoué, vous pouvez passer la souris sur le statut pour voir une explication détaillée du motif.

Une nouvelle source se synchronise selon le calendrier pendant ses 90 premiers jours quoi qu'il arrive. Après cela, elle continue de se synchroniser automatiquement si l'une des conditions suivantes est vraie :

Sinon, les synchronisations planifiées sont mises en pause.

Lorsque en pause : les pages restent dans votre Knowledge Hub et restent accessibles par Fin et Copilot (rien n'est supprimé). Seul le recrawl s'arrête, donc les modifications sur votre site ne seront pas prises en compte.

Pour la restaurer : Le bouton Sync now actualise le contenu une fois mais ne redémarre pas le calendrier. La synchronisation automatique reprend d'elle-même dès que Fin utilise de nouveau la source.

Les sites très volumineux et ceux nécessitant un rendu JavaScript complet coûtent bien plus cher à crawler. Lorsqu'une source s'avère gourmande en ressources, nous la passons d'un calendrier hebdomadaire à un rythme tous les 14 jours.

Cela se produit automatiquement, par source. Pour maintenir un grand site sur un calendrier plus rapide, restreignez le crawl en utilisant des exclusions d'URL, ou ajoutez des sous-pages spécifiques au lieu de tout le domain.

Lorsque vous importez du contenu de site web pour activer Fin, vous devez saisir l'URL publique. Cela recherchera toutes les pages incluses sous cette URL et les synchronisera pour que Fin AI Agent puisse les utiliser.

Si l'importateur n'a pas retourné le nombre de pages attendu, plusieurs raisons peuvent expliquer cela...

La synchronisation du site web fonctionne en allant à l'URL que vous fournissez, puis en recherchant toutes les pages incluses sous cette URL. Ces pages doivent avoir le même modèle d'URL que l'URL fournie.

Par exemple, si le top level domain est https://myhelpcenter.com/home, alors toutes les pages que vous souhaitez importer doivent inclure le préfixe /home dans l'URL, par ex. https://myhelpcenter.com/home/article. Si ce n'est pas le cas, retirez le préfixe et utilisez la racine d'URL la plus basique, par ex. https://myhelpcenter.com, puis réessayez l'importation.

Si le contenu que vous souhaitez utiliser est derrière un identifiant, Fin ne pourra pas y accéder ni l'importer.

La synchronisation de site web a deux limites :

Une synchronisation peut également échouer si une seule page contient une quantité très importante de contenu. Vous recevrez une notification par e-mail chaque fois qu'une synchronisation échoue.

La synchronisation de site web de Fin (utilisée pour ajouter des URL publiques pour Fin AI Agent et Copilot) n'utilise pas de chaîne user-agent dédiée et personnalisée pour le moment.

Si votre site dispose d'une protection anti-crawling stricte, vous pouvez utiliser un static proxy pour ajouter en liste blanche un ensemble fixe d'adresses IP et garantir l'ingestion de votre contenu. Sélectionnez un static proxy dans Advanced settings lors de la création ou de la modification de votre synchronisation de site web.

Si votre sitemap inclut des URLs avec des caractères non ASCII (comme des lettres accentuées, ou des écritures comme le chinois ou l'arabe), certaines de ces pages peuvent ne pas se synchroniser comme prévu. La découverte de sitemap prend désormais en charge ces URLs, mais elles peuvent toujours rencontrer des problèmes dans d'autres parties du processus de synchronisation. Essayez de resynchroniser manuellement pour résoudre le problème. Si des pages manquent toujours, contactez le support.

Lorsque vous synchronisez du contenu de site web, vous pouvez voir différents statuts indiquant ce qui s'est passé pendant le processus. Pour voir le statut de synchronisation de votre site web, accédez à Train > Content et sélectionnez la source de site web, puis utilisez le menu déroulant Status pour filtrer par :

Voici ce que chacun signifie et ce que vous pouvez faire ensuite :

La synchronisation des pages est toujours en cours. Une synchronisation initiale peut prendre de quelques minutes à plus d'une heure selon la quantité de contenu que vous avez.

La page a été synchronisée avec succès et peut être activée pour Fin et Copilot.
​

Ces pages ne sont pas synchronisées intentionnellement parce que vous les avez exclues dans les Advanced sync settings. Elles ne peuvent pas être retentées ou incluses sauf indication contraire.

Ces erreurs signifient que la synchronisation n’a pas été complétée et peuvent nécessiter des modifications de votre part avant de réessayer :

1. Erreur inconnue

2. Session bloquée / Limite de requêtes

3. Erreurs réseau, de délai d’attente ou similaires

4. Dupliqué

5. Filtrage par mot‑clé

6. Code de statut 400

7. URL bloquée

​Vous pouvez retenter la synchronisation d’une page échouée en passant la souris sur la page, en sélectionnant le menu à trois points puis en sélectionnant Resync.