API d'embeddings : des vecteurs compatibles OpenAI, traités dans l'UE

POST /v1/embeddings reçoit un model et un input, soit une chaîne, soit un tableau de chaînes, et renvoie un vecteur par entrée. La réponse contient un tableau data dont chaque élément porte un index, qui correspond à la position de l'entrée, et un embedding, liste de nombres à virgule. usage indique les prompt_tokens consommés.

Un modèle multilingue comme qwen3-embedding-8b place côte à côte une phrase française, allemande et anglaise de même sens : une question posée dans une langue retrouve des documents rédigés dans une autre. Pour une entreprise européenne, dont les contrats, tickets et wikis sont rarement monolingues, c'est essentiel.

Envoyez des lots plutôt qu'une chaîne par requête : un tableau d'entrées est traité d'un seul coup et bien plus efficace. Chaque entrée doit tenir dans la longueur maximale du modèle, découpez donc les longs documents au préalable.

dimensions raccourcit le vecteur sur les modèles entraînés pour cela, comme la famille Qwen3 embedding. Des vecteurs plus courts prennent moins de place et accélèrent la recherche, pour une perte de précision limitée ; comparez 512 ou 1024 à la taille complète sur vos propres données. encoding_format vaut float ou base64, ce dernier allégeant les grosses réponses. Utilisez toujours le même modèle et la même dimension pour les documents et les requêtes.

Un pipeline de recherche classique convertit les documents en texte propre, les découpe en morceaux de quelques centaines de tokens qui se chevauchent, vectorise chaque morceau et stocke les vecteurs avec le texte source dans une base vectorielle comme pgvector, Qdrant ou Weaviate. À la requête, vous vectorisez la question, récupérez les 20 à 50 morceaux les plus proches par similarité cosinus, puis un modèle de reclassement garde les cinq meilleurs.

Ces morceaux servent ensuite de contexte à un modèle de chat. Avec les embeddings Qwen3, préfixez les requêtes d'une courte consigne de tâche, comme le recommande la fiche du modèle, mais pas les documents. Pour l'indexation initiale d'un gros corpus, passez par l'API batch.

Une entrée qui dépasse la limite du modèle renvoie une erreur 400 au lieu d'être tronquée en silence : découpez avant d'envoyer. Les chaînes vides sont aussi refusées, filtrez-les. Un identifiant de modèle de chat sur ce point de terminaison renvoie une erreur qui précise le type de modèle, un identifiant inconnu un 404.

Les vecteurs de modèles différents, ou d'un même modèle avec des dimensions différentes, ne sont pas comparables : si vous changez l'un ou l'autre, revectorisez tout le corpus. La plupart des modèles renvoient des vecteurs normalisés, si bien que cosinus et produit scalaire donnent le même classement. Réessayez les 429 avec un délai croissant et étalez les grosses indexations.