Le premier outil vous montre comment une réponse d’IA s’appuie vraiment sur votre PDF, étape par étape. Le second compare votre texte ou prompt avec une version améliorée par l’IA, et vous laisse tester les deux. C’est pensé pour expliquer à des collègues / apprenants ce qui se passe “sous le capot”.
/api/llm (clé côté serveur).
Si vous saisissez une clé perso, l’appel est fait avec votre clé (jamais stockée).
RAG = Retrieval Augmented Generation : avant de faire répondre l’IA, on va d’abord récupérer les bons morceaux du document. Ici, on vous montre ces morceaux.
C’est le “film” de ce que fait l’outil : si c’est lent, vous saurez où.
Ce sont les morceaux du PDF que l’outil juge les plus pertinents pour votre question. Chaque bloc a un score : plus il est haut, plus c’est supposé être utile.
Le modèle doit répondre uniquement avec les sources envoyées. Les références [1], [2] renvoient aux passages du panneau gauche.
Objectif : montrer que “écrire mieux la demande” peut produire une meilleure sortie. Étapes : (1) vous collez votre prompt, (2) l’IA le réécrit, (3) on teste les 2 sur le même modèle et on affiche les sorties côte à côte.
Vous pouvez retoucher cette version avant de la tester.
On envoie deux requêtes à votre API : l’une avec le prompt original, l’autre avec le prompt amélioré.
Avec gpt-5 ça peut prendre 20–40 s ×2 → regardez la timeline ci-dessous pour savoir où ça en
est.