--- title: "API d'embeddings hébergée en Europe · compatible OpenAI" description: "Transformez du texte en vecteurs pour la recherche, le RAG et le clustering avec une API d'embeddings compatible OpenAI, traitée dans des centres de l'UE." canonical: "https://inference.eu/fr/api/embeddings/" language: "fr" --- POST /v1/embeddings # API d'embeddings : des vecteurs compatibles OpenAI, traités dans l'UE Le point de terminaison embeddings transforme un texte en vecteur numérique qui en capture le sens : des passages proches par le sens se retrouvent proches dans l'espace. C'est la base de la recherche sémantique, du RAG, de la déduplication et du clustering. Le format de requête est celui d'OpenAI, et les documents que vous vectorisez, souvent vos données les plus sensibles, sont traités dans des centres de données européens. [Contacter l'équipe](https://inference.eu/fr/contact/)[Exemple de requête](#example) 1. 01Format d'API: OpenAI 2. 02Centres de données dans l'UE 3. 03Couvert par un seul DPA POST /v1/embeddings ``` curl https://api.inference.eu/v1/embeddings \ -H "Authorization: Bearer $INFERENCE_EU_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-embedding-8b", "input": [ "Die Kündigungsfrist beträgt drei Monate zum Quartalsende.", "The notice period is three months to the end of a quarter.", "Le préavis est de trois mois avant la fin du trimestre." ], "dimensions": 1024, "encoding_format": "float" }' ``` ## Ce que fait le point de terminaison `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. ## Les champs essentiels de la requête 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 schéma de RAG éprouvé 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. ## Erreurs et cas particuliers 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. ## Embeddings Endpoint POST /v1/embeddings Catégorie Endpoints Format d'API OpenAI Base URL api.inference.eu/v1 Traitement Centres de données dans l'UE Entraînement sur vos données Jamais ## Embeddings : questions fréquentes Les questions que nous posent le plus les achats, les développeurs et les juristes. Il en manque une ? Posez-la-nous directement. Oui. La requête accepte \`model\`, \`input\`, \`dimensions\` et \`encoding\_format\`, et la réponse renvoie des éléments \`data\` avec \`index\` et \`embedding\`, plus \`usage\`, exactement comme l'API d'OpenAI. \`client.embeddings.create\` dans les SDK OpenAI, \`OpenAIEmbeddings\` dans LangChain et LlamaIndex fonctionnent après changement de l'URL de base et de la clé. Pour des textes européens multilingues, \`qwen3-embedding-8b\` est un bon choix par défaut et accepte des vecteurs plus courts via \`dimensions\`. Des modèles plus petits coûtent moins cher à grande échelle. Testez-en deux ou trois sur un échantillon de vraies requêtes en mesurant la fréquence du bon document parmi les premiers résultats. Oui, avec un modèle d'embeddings multilingue. Ces modèles associent des vecteurs proches aux phrases de même sens, quelle que soit la langue : une question en français retrouve des passages en allemand ou en anglais. Ajoutez un modèle de reclassement pour affiner l'ordre, et laissez le modèle de chat répondre dans la langue de l'utilisateur. Vous pouvez envoyer un tableau d'entrées dans une seule requête, ce qui est bien plus efficace qu'un appel par texte. Le nombre maximal d'entrées et de tokens par requête dépend du modèle et de votre offre, et nous vous le confirmons. Pour des millions de morceaux, utilisez l'API batch. Chaque entrée doit tenir dans la longueur maximale du modèle en tokens, indiquée sur sa page. En pratique, la recherche fonctionne mieux avec des morceaux de quelques centaines de tokens : un seul vecteur pour un long document en gomme les détails. Une entrée trop longue renvoie une erreur 400. Souvent, oui. Les modèles compatibles avec \`dimensions\` conservent l'essentiel de leur précision à 512 ou 1024 valeurs, et des vecteurs plus courts réduisent le stockage et accélèrent la recherche. Comparez la qualité sur vos propres données avant de trancher, car changer plus tard impose de tout revectoriser. Non. Le texte envoyé au point de terminaison embeddings est traité dans des centres de données de l'UE pour calculer les vecteurs et n'est jamais utilisé pour entraîner des modèles. Les vecteurs vous sont renvoyés ; le lieu et la durée de leur stockage relèvent de vous et de votre base vectorielle. Pas toujours, mais c'est généralement utile. Les embeddings trouvent vite des candidats parmi des millions de morceaux, tandis qu'un modèle de reclassement lit la requête et chaque candidat ensemble pour les noter plus finement. Récupérer 30 candidats et n'en garder que cinq après reclassement est une configuration RAG courante et fiable. [Poser une question](https://inference.eu/fr/contact/) ## Pages liées [Présentation de l'API](https://inference.eu/fr/api/) - [RerankReclassez vos résultats de recherche par pertinence avec une API rerank pour le RAG. Modèles comme bge-reranker-v2-m3, traités dans des centres de l'UE.Endpoints](https://inference.eu/fr/api/rerank/) - [Document conversionConvertissez vos fichiers PDF, Word, PowerPoint et Excel en Markdown propre pour le RAG et les prompts. Tableaux, titres et scans, traités dans l'UE.Outils](https://inference.eu/fr/api/document-conversion/) - [BatchesExécutez des milliers de requêtes de chat ou d'embeddings en un seul traitement asynchrone avec une API batch compatible OpenAI, traitée dans l'UE.Endpoints](https://inference.eu/fr/api/batches/) - [List modelsListez avec GET /v1/models, au format OpenAI, tous les modèles open-weight accessibles à votre clé inference.eu, du chat aux embeddings et à la voix.Endpoints](https://inference.eu/fr/api/models/) ## Faites passer vos charges IA sur une infrastructure européenne Dites-nous quels modèles vous utilisez et votre volume approximatif. Nous répondons sous un jour ouvré avec un tarif et la suite. - Réponse sous un jour ouvré - Tarif adapté à votre volume - DPA prêt à signer