Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Support Client › Quivr
✦ Libre & open sourceSupport Client

Quivr

Construisez rapidement des applications RAG pragmatiques en Python avec des LLM modulaires.

RAG pragmatique pour applications GenAI

Intégrez des flux de travail RAG (Retrieval-Augmented Generation) personnalisés dans vos applications existantes.

Gratuit pour toujours · open source · Apache-2.0
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
8.4
ZEKAI
Bibliothèque Python RAG rapide
Libre & open source · Support Client
Facilité d'installation7
Utilité8
Maintenance9.5
Communauté9.2
★ 39,553
GITHUB
Aug 2026
MIS À JOUR
Apache-2.0
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

Quivr-core est une bibliothèque Python conçue pour vous aider à construire et configurer des pipelines RAG avec un minimum de code. Elle convient aux développeurs qui souhaitent intégrer des requêtes de documents et des assistants IA dans leurs applications.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
Python
Licence
Apache-2.0

Qu'est-ce que c'est

La bibliothèque vous permet de créer un cerveau à partir de fichiers PDF, TXT ou Markdown en quelques lignes de Python seulement. Elle prend en charge des stratégies de récupération personnalisables, des définitions de flux de travail basées sur YAML et l'intégration avec l'outil d'ingestion Megaparse.

Pour qui

Elle s'adresse aux développeurs et ingénieurs qui créent des produits IA personnalisés et souhaitent éviter le code boilerplate RAG de bas niveau. Elle ne convient pas aux utilisateurs non techniques recherchant une application de chat de bureau prête à l'emploi.

Fonctionnalités clés

Framework RAG pragmatique

Construit des pipelines RAG rapides et efficaces avec un minimum de code grâce à quivr-core.

Support LLM flexible

Se connecte à OpenAI, Anthropic, Mistral ou à des modèles locaux via Ollama.

Ingestion de tout type de fichier

Traite les PDF, les documents texte et les fichiers markdown dès la sortie de la boîte.

Flux de travail YAML

Définit les stratégies de récupération, les limites d'historique et les rerankers via des fichiers de configuration.

Comment démarrer

Opérationnel en 3 étapes

1
Installez le package principal à l'aide de pip install quivr-core.
2
Définissez vos clés d'API de fournisseur LLM en tant que variables d'environnement.
3
Initialisez un Brain avec les chemins de vos documents et exécutez des requêtes via Python.
Franchement

Notre verdict honnête

Ses atouts

  • Configure un pipeline RAG fonctionnel en moins de dix lignes de code Python.
  • Prend en charge plusieurs fournisseurs de LLM majeurs ainsi que l'exécution locale.
  • Permet un contrôle précis des configurations de récupération et des rerankers via YAML.
  • S'intègre directement avec Megaparse pour une ingestion de documents avancée.

Ses limites

  • Nécessite d'écrire du code Python et de gérer des variables d'environnement pour fonctionner.
  • Dépend de clés d'API commerciales externes pour les LLM, sauf en cas d'exécution de modèles locaux.
  • La documentation et l'installation supposent une familiarité avec les outils de développement.
Coût

Tarifs & licence

Le logiciel est gratuit sous sa licence, mais vous engagerez des coûts pour les API LLM ou les services de rerankers que vous choisirez d'y connecter.

Travail rémunéré

Missions pour francophones

877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : Quivr pour Support Client
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons Quivr pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Quels LLM Quivr prend-il en charge ?

Il prend en charge les API d'OpenAI, Anthropic et Mistral, ainsi que les modèles locaux via Ollama.

Puis-je personnaliser le flux de travail de récupération ?

Oui, vous pouvez définir des stratégies de récupération personnalisées, des limites d'historique et des rerankers à l'aide d'un fichier de configuration YAML.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Support Client — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google