IA
La recherche par le sens, sans dépendre d’un fournisseur
Ce service transforme un texte en vecteur — une suite de nombres qui en capte le sens — pour qu’une application retrouve les passages proches d’une question, même formulée autrement. Il tourne sur les machines de l’équipe, en français comme en anglais, sans coût à l’usage.
Ce qu’elle fait
Un moteur de question-réponse doit retrouver les bons passages avant de rédiger. Pour cela, il compare des vecteurs : c’est ce que produit ce service, appelé « embeddings » dans le métier.
Deux modèles ouverts sont servis : bge-m3, le modèle par défaut, qui lit des textes longs, et
multilingual-e5-small, plus léger. Une même phrase en français et en anglais donne des vecteurs très proches : la recherche fonctionne d’une langue à l’autre.
Le service parle le même langage que l’API d’OpenAI. Une application déjà écrite pour ce format s’y branche sans adaptation.
Pour qui
Pour toute application qui cherche dans ses propres documents : archives de presse, documentation d’un logiciel, base de connaissances. Pour une entreprise qui veut cette recherche sans envoyer ses textes à un service externe, et sans facture au volume.
Il sert déjà les applications de la plateforme, dont l’archiveur de presse et LeSachant.
Comment elle est construite
Ce service n’est pas une application du socle Java : c’est un petit service d’inférence écrit en Python, volontairement simple.
- Les modèles sont intégrés à l’image au moment de la construction : aucun téléchargement au démarrage.
- Une même image tourne sur processeur Intel comme sur puce Apple. Le service est déployé sur deux petites machines de l’équipe, l’une en principal, l’autre en secours.
- Il ne stocke rien. Les vecteurs sont rangés par l’application qui les demande, dans sa propre base PostgreSQL.
- Les deux machines sont publiées sur la passerelle d’API de la plateforme, avec clés et quotas : jusqu’à 500 000 requêtes par jour, de quoi réindexer 16 000 documents.
Le service a été spécifié, construit et mis en service le même jour, le 12 juin 2026, après le constat qu’aucune source d’embeddings disponible ne convenait.
Points forts
Gratuit à l’usage
Les modèles tournent sur les machines de l’équipe. Indexer un document de plus ne coûte rien.
Français et anglais ensemble
Une phrase et sa traduction donnent des vecteurs très proches. Une question en français retrouve un passage en anglais.
Compatible avec l’existant
Le service reprend le format de l’API d’OpenAI. Les outils du marché s’y branchent sans modification.
Un principal et un secours
Deux machines servent le même modèle. Si la principale ne répond pas, l’application bascule sur le secours.