Source: https://ailoot.ai/models/fr/openai-text-embedding-3-small/ Canonical: https://ailoot.ai/models/fr/openai-text-embedding-3-small/ Language: fr # OpenAI: Text Embedding 3 Small [Markdown](https://ailoot.ai/models/fr/openai-text-embedding-3-small/index.md) · [JSON](https://ailoot.ai/models/fr/openai-text-embedding-3-small/facts.json) ## [OpenAI: Text Embedding 3 Small](https://ailoot.ai/models/fr/openai-text-embedding-3-small/) Le petit modèle de plongement textuel de troisième génération d’OpenAI renvoie des vecteurs de 1536 dimensions par défaut et prend en charge des représentations plus courtes. Utilisez la sortie numérique pour la recherche sémantique, la recherche de code, le regroupement, les recommandations et la classification. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `openai/text-embedding-3-small`](https://ailoot.ai/models/fr/openai-text-embedding-3-small/#method-0) - [**Ailoot Ultra · Vecteurs d’embedding · text-embedding-3-small** `POST /v1/embeddings` `text-embedding-3-small`](https://ailoot.ai/models/fr/openai-text-embedding-3-small/#method-1) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. text-embedding-3-small est le plus petit modèle de plongement textuel de troisième génération d’OpenAI. Il convertit des contenus écrits en vecteurs numériques de 1536 composantes par défaut. Ces vecteurs mesurent les relations entre les textes pour une autre étape de recherche ou d’analyse ; le modèle ne génère pas de réponse conversationnelle à l’entrée. Comme le plus grand modèle de troisième génération, il prend en charge la commande dimensions du producteur pour des plongements plus courts. L’entraînement est conçu pour conserver des informations représentant les concepts dans un vecteur raccourci, le choix de taille influant sur la qualité et les besoins en ressources de l’application. Gardez le modèle et les dimensions sélectionnées cohérents entre les enregistrements et les requêtes comparés. Une application concrète est la recherche de code. Le guide du fabricant décrit la représentation de fonctions sources sous forme de texte et leur encodage, puis l’encodage d’une requête en langue naturelle avec le même modèle et la comparaison des vecteurs obtenus. Un résultat illustratif est un ensemble classé de fonctions pertinentes liées à leurs emplacements sources. Pour la recherche documentaire, l’artefact équivalent est un ensemble de passages dont le texte et les références d’origine restent disponibles pour le lecteur ou le modèle suivant. Les autres usages documentés comprennent le regroupement, les recommandations de contenus liés, la classification, la détection d’éléments atypiques et la mesure de diversité. Un processus de messages ciblé peut regrouper des demandes similaires ou les comparer à des descriptions de catégories. L’application définit comment un résultat de similarité devient une catégorie, une recommandation ou un élément à vérifier ; le plongement lui-même reste constitué de données numériques. OpenAI spécifie une entrée maximale de 8192 tokens par texte. Son API de plongement accepte des chaînes ou des entrées tokenisées et plusieurs entrées dans une même requête, rejette les chaînes vides et applique une limite cumulée de 300 000 tokens. Préparez les contenus longs sous forme de passages porteurs de sens et conservez les titres ou les définitions nécessaires à leur interprétation. Utilisez un ensemble cohérent de champs sources, plutôt que d’encoder différents types d’enregistrements selon des règles de préparation sans rapport. Le producteur renvoie des vecteurs à virgule flottante par défaut et documente aussi l’encodage base64. Le guide indique que les plongements OpenAI sont normalisés à une norme unitaire et recommande la similarité cosinus ; un produit scalaire peut la calculer et la distance euclidienne donne le même classement. Si un plongement de troisième génération est raccourci manuellement après son renvoi, normalisez de nouveau ce vecteur raccourci comme le décrit le guide. La commande dimensions évite de faire de la troncature manuelle l’étape habituelle de préparation. Consignez l’identité du modèle, les dimensions et le lien source avec chaque vecteur. Un artefact utile en aval est une liste classée, une collection regroupée ou un ensemble de caractéristiques de classification reliés au texte qui les a produits. Vérifiez si le matériau sélectionné étaye réellement la tâche et gardez les faits manquants distincts de la proximité sémantique. L’étape suivante peut alors utiliser la représentation pour un processus précis de recherche ou de décision. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `openai/text-embedding-3-small` [`openai/text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings) OpenAI /`openai/text-embedding-3-small` ID du modèle - `openai/text-embedding-3-small` - `text-embedding-3-small` ### Premiers pas Le petit modèle de plongement textuel de troisième génération d’OpenAI renvoie des vecteurs de 1536 dimensions par défaut et prend en charge des représentations plus courtes. Utilisez la sortie numérique pour la recherche sémantique, la recherche de code, le regroupement, les recommandations et la classification. Entrées acceptées Texte · token\_ids Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Types d’entrée `text`, `token_ids` Types de sortie `embedding` Contexte 8 192 tokens Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites openai/text-embedding-3-small | Par défaut— | | Champ`input` | Type`string\|string[]\|integer[]\|integer[][]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Lot homogène non vide. Les identifiants de jetons sont des entiers positifs ou nuls. Budget d’entrée : Maximum: 8 192 · Unité de texte: octets UTF8 · Unité de tokens: éléments du tableau de tokens | Par défaut— | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float | Par défautfloat | | Champ`dimensions` | Type`integer` | ExigenceNon pris en charge | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`session_id` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`trace` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Source autorise ce champ de métadonnées JSON ; sa sémantique exacte en amont dépend du modèle. | Par défaut— | | Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, input | | Paramètre`input_shapes` | Contratstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paramètre`encoding_format` | Contratfloat | | Paramètre`dimensions_override` | Contratfalse | | Paramètre`max_input_budget_units` | Contrat8192 | | Paramètre`multimodal_objects` | Contratfalse | | Paramètre`material_types` | Contrattext, token\_ids | Cycle de vie : `synchronous_json` Conservez tous les indices et toutes les dimensions des vecteurs. Un nom de modèle multimodal n’autorise pas les objets image sur ce chemin précis. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Tarif standard Lorsque le mode rapide est sélectionné Mode Flex Tarif standard Lorsque le mode flex est sélectionné Effort de raisonnement maximal Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration | Configuration | Barème tarifaire | Coût | | --- | --- | --- | | ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée **$0.00004** / 1K tokens Sortie · Tokens en sortie **$0** / 1K tokens Entrée · Lecture du cache **—** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "openai/text-embedding-3-small", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='openai/text-embedding-3-small',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Embeddings json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Conservez chaque vecteur avec son indice. Le nombre de vecteurs doit être égal au nombre d’entrées ; les dimensions doivent être cohérentes. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`object` | Typestring | | Champ`model` | Typestring | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\] | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot Ultra** [`openai/text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`openai/text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) **Ailoot Ultra · Vecteurs d’embedding · text-embedding-3-small** `POST /v1/embeddings` `text-embedding-3-small` [`text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) OpenAI /`text-embedding-3-small` ID du modèle - `openai/text-embedding-3-small` - `text-embedding-3-small` ### Premiers pas Le petit modèle de plongement textuel de troisième génération d’OpenAI renvoie des vecteurs de 1536 dimensions par défaut et prend en charge des représentations plus courtes. Utilisez la sortie numérique pour la recherche sémantique, la recherche de code, le regroupement, les recommandations et la classification. Entrées acceptées Texte Résultats embedding ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Vecteurs d’embedding · text-embedding-3-small** `POST /v1/embeddings` Types d’entrée `text` Types de sortie `embedding` Contexte 8 192 tokens Format de sortie json | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites text-embedding-3-small | Par défaut— | | Champ`input` | Type`string\|string[]\|integer[]\|integer[][]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 Conditions: Lot homogène non vide. Les identifiants de jetons sont des entiers positifs ou nuls. Budget d’entrée : Maximum: 8 192 · Unité de texte: octets UTF8 · Unité de tokens: éléments du tableau de tokens | Par défaut— | | Champ`encoding_format` | Type`string` | ExigenceFacultatif | Valeurs et limites float | Par défautfloat | | Champ`dimensions` | Type`integer` | ExigenceNon pris en charge | Valeurs et limites Minimum: 1 | Par défaut— | | Champ`user` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Métadonnées JSON facultatives ; la signification exacte chez le fournisseur dépend du modèle sélectionné. | Par défaut— | | Champ`session_id` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Métadonnées JSON facultatives ; la signification exacte chez le fournisseur dépend du modèle sélectionné. | Par défaut— | | Champ`trace` | Type`json_value` | ExigenceFacultatif | Valeurs et limites Conditions: Métadonnées JSON facultatives ; la signification exacte chez le fournisseur dépend du modèle sélectionné. | Par défaut— | | Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_embedding** Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, input | | Paramètre`input_shapes` | Contratstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paramètre`encoding_format` | Contratfloat | | Paramètre`dimensions_override` | Contratfalse | | Paramètre`max_input_budget_units` | Contrat8192 | | Paramètre`multimodal_objects` | Contratfalse | | Paramètre`material_types` | Contrattext | | Paramètre`text_file_material` | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. | Cycle de vie : `synchronous_json` Envoyez l’identifiant exact du modèle et les champs obligatoires. Conservez chaque élément renvoyé et ses identifiants d’origine. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Tarif standard Lorsque le mode rapide est sélectionné Mode Flex Tarif standard Lorsque le mode flex est sélectionné Effort de raisonnement maximal Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration | Configuration | Barème tarifaire | Coût | | --- | --- | --- | | ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée **$0.00004** / 1K tokens Sortie · Tokens en sortie **$0** / 1K tokens Entrée · Lecture du cache **—** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Vecteurs d’embedding · text-embedding-3-small Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet ```json { "model": "text-embedding-3-small", "input": [ "First document", "Second document" ], "encoding_format": "float" } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'text-embedding-3-small', 'input': ['First document', 'Second document'], 'encoding_format': 'float'} payload['input'] = [text] Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) for vector in result.get('data', []): print('Vector', vector.get('index'), json.dumps(vector.get('embedding'))) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'text-embedding-3-small', 'input': ['First document', 'Second document'], 'encoding_format': 'float'} payload['input'] = [text] from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'} headers['Authorization'] = 'Bearer ' + api_key request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) for vector in result.get('data', []): print('Vector', vector.get('index'), json.dumps(vector.get('embedding'))) ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Vecteurs d’embedding · text-embedding-3-small json ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Conservez chaque vecteur à valeurs finies avec son index d’origine. Préservez toutes les dimensions et l’objet d’utilisation complet. ##### Si la réponse d’origine doit être vérifiée Aucun point de terminaison dédié aux tâches d’embedding n’est ajouté. Champs de la réponse | Champ | Type | | --- | --- | | Champ`object` | Typestring | | Champ`model` | Typestring | | Champ`data[].index` | Typeinteger | | Champ`data[].embedding` | Typefinite float\[\] | | Champ`usage` | Typeobject | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | ### Alias #### Alias du modèle **Ailoot Ultra** [`openai/text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`openai/text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/fr/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) FAQ · OpenAI: Text Embedding 3 Small Quelles entrées et quels résultats sont disponibles ? `POST /v1/embeddings` · `openai/text-embedding-3-small`: `text`, `token_ids` → `embedding` `POST /v1/embeddings` · `text-embedding-3-small`: `text` → `embedding` Quels champs la requête utilise-t-elle ? `POST /v1/embeddings` · `openai/text-embedding-3-small`: `model`, `input`, `encoding_format`, `provider` `POST /v1/embeddings` · `text-embedding-3-small`: `model`, `input`, `encoding_format`, `provider` Quelles limites s’appliquent ? `POST /v1/embeddings` · `openai/text-embedding-3-small`: `ctx`: `8192`; `input.budget.maximum`: `8192` (octets UTF8); `input.min_items`: `1` `POST /v1/embeddings` · `text-embedding-3-small`: `ctx`: `8192`; `input.budget.maximum`: `8192` (octets UTF8); `input.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.