IA

Notre Everyware AI API offre un accès haute performance à une sélection curatée de modèles de langage open-weight récents. L'inférence s'exécute entièrement sur notre infrastructure GPU hébergée en Suisse — vos prompts, embeddings et réponses générées ne quittent jamais la Suisse.

Modèles disponibles

De nombreux modèles disposent également d'un court alias utilisable dans le champ model à la place de l'ID complet du modèle. Les alias sont renvoyés par GET /v1/models sous additional_attributes.alias :

Alias	Model ID
`flagship`	`ew/deepseek-v4.1-flash-1017`
`balanced`	`ew/glm-5.3-flash`
`fast`	`ew/qwen-3.8-flash-next-fp8`
`embed`	`ew/qwen3-embedding-4b`
`rerank`	`ew/qwen3-reranker-4b`

Les alias sont résolus par le gateway et peuvent être utilisés partout où un ID de modèle est accepté, par exemple model: "fast" ou model: "ew/fast". Pour un mappage explicite vers un modèle, utilisez l'ID complet du modèle. Le tableau ci-dessus est un instantané — la liste faisant autorité est toujours disponible via GET /v1/models.

Les modèles suivants sont actuellement disponibles en production via le gateway. La liste est récupérée en direct depuis l'API.

*Chargement des modèles…*

Tous les modèles sont adressés au format provider/model (par ex. ew/glm-5.3-flash), de sorte que changer de modèle ne demande généralement qu'une modification d'une ligne. D'autres modèles de premier plan sont en phase d'évaluation et seront ajoutés prochainement.

API compatible OpenAI

Le gateway expose une interface REST compatible OpenAI — le code existant utilisant le SDK OpenAI (Python, Node, Go, …) peut être dirigé vers nos endpoints sans aucune modification de la logique applicative :

POST /v1/chat/completions — requêtes de chat et de raisonnement, y compris le streaming et l'appel d'outils
POST /v1/embeddings — embeddings vectoriels pour le RAG, la recherche sémantique et la classification
POST /v1/rerank — reclassement des résultats de recherche pour une meilleure qualité de correspondance
GET /v1/models — liste de tous les modèles actuellement disponibles

→ Spécification complète de l'interface dans la Référence API.

→ Les options par requête — mise en cache des réponses et contrôle de la journalisation du contenu — sont décrites dans Options de requête.

API compatible Systemone

Comme alternative à l'interface compatible OpenAI, le gateway prend en charge l'API Systemone (POST /v1/systemone) avec le modèle ew/dex. Au lieu de générer du texte libre, vous soumettez un état accompagné d'un nombre quelconque de questions typées et recevez exactement une réponse typée par question — avec les probabilités :

noul — question oui/non, à laquelle on répond avec la probabilité que la réponse soit « oui »
choice — l'une des 255 options nommées au maximum, à laquelle on répond avec l'option gagnante et les probabilités par option
score — notation sur une échelle ordonnée de 10 niveaux au maximum, à laquelle on répond avec le niveau attendu et sa distribution

Les réponses sont calculées en évaluant directement les libellés des réponses candidates sur le modèle — aucun texte n'est généré, rien n'a besoin d'être analysé, et la réponse est un unique document JSON (le streaming n'est pas pris en charge ; output_tokens vaut toujours 0). Cela rend l'API particulièrement adaptée aux cas où une décision fixe importe plus que le texte :

Routage et tri des tickets — attribuez les demandes entrantes à la facturation, au support technique ou aux ventes et déterminez l'urgence avec noul
Notation du sentiment et de l'escalade — évaluez les messages clients sur une échelle définie avant de les transmettre à une personne
Classification avec seuils — agissez directement sur les probabilités renvoyées, par ex. autoriser/bloquer avec un seuil de confiance
Garde-fous pour les agents — contrôles oui/non peu coûteux qui conditionnent les appels d'outils ou les escalades

L'API suit la spécification System One publiée — les clients et SDK System One existants (par ex. le SDK TypeSafe) fonctionnent en pointant leur URL de base vers le gateway et en définissant le modèle sur ew/dex.

→ Spécification complète de l'interface dans la Référence API.

OCR avec GLM-OCR

GLM-OCR est le premier modèle de la catégorie OCR : un modèle multimodal de compréhension de documents de 0,9 milliard de paramètres qui extrait le texte, les tableaux, les formules, le code et les sceaux à partir d'images et de scans. Il obtient un score de 94,62 sur OmniDocBench V1.5 et renvoie le contenu reconnu sous forme de Markdown ou de JSON structuré. Le modèle s'exécute entièrement sur notre infrastructure GPU suisse et est disponible sous ew/glm-ocr via l'interface de chat compatible OpenAI. La tarification actuelle est indiquée dans la liste des modèles ci-dessus.

Utilisation

Envoyez l'image en tant qu'image_url avec un prompt textuel à POST /v1/chat/completions — comme pour tout autre modèle de vision. L'image peut être une URL accessible publiquement ou une URL de données base64.

from openai import OpenAI

client = OpenAI(
    api_key="sk-bf-...",
    base_url="https://ai.ewcs.ch/v1",
)

response = client.chat.completions.create(
    model="ew/glm-ocr",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "image_url", "image_url": {"url": "https://example.com/invoice.png"}},
                {"type": "text", "text": "Text Recognition:"},
            ],
        }
    ],
    max_tokens=4096,
)

print(response.choices[0].message.content)

Prompts

GLM-OCR est optimisé pour un petit ensemble de prompts de tâches. Utilisez ces modèles pour l'analyse de documents :

Tâche	Prompt
Reconnaître le texte	`Text Recognition:`
Reconnaître les formules	`Formula Recognition:`
Reconnaître les tableaux	`Table Recognition:`

Pour une extraction structurée, transmettez un schéma JSON au lieu d'un prompt de tâche. Le modèle répond alors uniquement en JSON, en suivant cette structure :

Extract the information from the image and answer with this JSON only:
{
  "invoice_number": "",
  "date": "",
  "amount": "",
  "line_items": [
    {"description": "", "quantity": "", "price": ""}
  ]
}

PDF

Le modèle traite des images. Pour les PDF, convertissez d'abord les pages en images (par ex. avec PyMuPDF) et envoyez-les page par page — cela préserve la correspondance entre la page et le Markdown. Définissez max_tokens suffisamment haut pour une page complète (par ex. 4096).

Clés virtuelles et gouvernance

Le gateway prend en charge les clés virtuelles (préfixe sk-bf-...) pour un contrôle d'accès granulaire, le routage des modèles et le suivi de l'utilisation par équipe / par projet / par cas d'usage. Vous pouvez créer et gérer vous-même vos clés virtuelles dans le Cloud Services Portal sous AI.

→ Voir AI Management pour créer des projets AI et générer des clés API.

Cas d'usage typiques

Pipelines RAG — recherche documentaire avec embeddings + rerank, génération de réponses contextuelles
Assistance au code — outillage interne pour les développeurs, revue de code et suggestions de refactorisation
Classification et extraction — extraction de données structurées à partir d'e-mails, de rapports et de tickets
OCR de documents — transformez factures, formulaires et PDF scannés en Markdown ou JSON
Agents et automatisation — flux de travail avec appel d'outils et accès en écriture contrôlé
Contenu multilingue — traduction et localisation avec un focus sur les marchés germanophones

Accès limité

Certains clients peuvent générer leur clé API directement dans le Cloud Services Portal sous AI. L'accès à cette fonctionnalité est accordé progressivement — si votre portail n'affiche pas encore la section AI, votre compte n'est pas encore activé.