Créez de puissantes applications RAG avec vos propres données.
La plupart des projets RAG s'enlisent dans la plomberie : découpage en chunks, embeddings, base vectorielle, logique de recherche, assemblage du prompt. HostYourAI livre cette plomberie comme une fonctionnalité de la plateforme. Téléversez des documents dans une base de connaissances, liez-la au Router partagé ou à une instance dédiée, et le contexte pertinent est injecté automatiquement dans vos complétions de chat. Votre code continue d'effectuer des appels ordinaires compatibles OpenAI.
Les documents d'un pipeline RAG sont généralement le type de matériel que vous ne publieriez jamais publiquement : manuels, contrats, politiques, connaissances internes. Avec HostYourAI, les documents comme l'inférence restent dans des datacenters européens, couverts par un accord de traitement des données (DPA), ce qui rend le RAG viable pour le contenu sensible auquel il est le mieux adapté. Le déroulé complet se trouve dans le guide Construire un RAG sur des GPU européens.
La recherche documentaire signifie que des extraits de documents voyagent dans chaque prompt enrichi. Si l'inférence a lieu hors d'Europe, votre base de connaissances franchit de fait la frontière, un chunk à la fois. Garder le stockage et l'inférence ensemble dans plusieurs régions européennes, chiffrés par AES-256 au repos, comble cette lacune. HostYourAI n'entraîne pas de modèles sur les données des clients.
Une pile RAG comporte de nombreux éléments mobiles, et chaque service externe est une juridiction de plus à évaluer. Exécuter la recherche et la génération sur une seule plateforme européenne, avec une liste publique des sous-traitants, donne aux organisations des administrations publiques et de la santé un pipeline qu'elles peuvent réellement défendre lors d'une revue.
Chaque requête RAG fait un travail supplémentaire avant le premier token : recherche, classement, assemblage du prompt. Lorsque la recherche et l'inférence reposent sur la même infrastructure européenne, cette surcharge reste faible, et les modèles chauds du Router font que la génération démarre sans chargement de modèle.
from openai import OpenAI client = OpenAI( base_url="https://hostyourai.com/api/v1", api_key="hyai-...") client.chat.completions.create( model="llama-3.3-70b", messages=[{"role":"user","content":"Hallo!"}])
Vous créez une base de connaissances, y ajoutez des documents et la liez au Router ou à l'une de vos instances GPU dédiées. À chaque complétion de chat, la plateforme récupère les chunks les plus pertinents pour la question de l'utilisateur et les injecte comme contexte avant que le modèle ne génère. Les réponses sans streaming incluent un tableau sources avec le nom du document et un extrait pour chaque chunk utilisé, ce qui vous permet d'afficher des citations dans votre interface. Vous préférez un contrôle explicite ? Passez plutôt knowledge_base_id dans le corps de la requête au lieu de lier. Et si la recherche échoue, la requête se dégrade proprement : le chat se poursuit sans le contexte supplémentaire plutôt que de renvoyer une erreur.
| Étape du pipeline | Ce qui se passe |
|---|---|
| Ingestion | Les documents sont téléversés, découpés en chunks et indexés dans la base de connaissances |
| Liaison | La base de connaissances est rattachée au Router ou à une instance, ou transmise à chaque requête |
| Recherche | La question de l'utilisateur est comparée aux chunks selon leur pertinence |
| Injection | Les meilleurs chunks sont ajoutés au prompt avant la génération |
| Citation | Les réponses sans streaming renvoient des sources avec le nom du document et un extrait |
| Dégradation | Si la recherche échoue, la complétion se poursuit sans contexte |
Si une base de connaissances est liée, aucune modification de code n'est nécessaire. Pour en cibler une explicitement, passez knowledge_base_id via extra_body dans le SDK Python :
from openai import OpenAI
client = OpenAI(
base_url="https://hostyourai.com/api/v1",
api_key="hyai-...",
)
response = client.chat.completions.create(
model="llama-3.2-1b",
messages=[{"role": "user", "content": "What does our warranty cover for water damage?"}],
extra_body={"knowledge_base_id": 42},
)
print(response.choices[0].message.content)
for source in response.model_extra.get("sources", []):
print(source["document"], "-", source["excerpt"][:80])Non. La base de connaissances gère le découpage, l'indexation et la recherche sur la plateforme. Si vous préférez un contrôle total, vous pouvez toujours apporter votre propre pile de recherche et envoyer des prompts déjà assemblés.
De deux façons : la lier au Router ou à une instance pour que chaque complétion soit enrichie automatiquement, ou passer knowledge_base_id explicitement dans le corps de la requête pour un contrôle appel par appel.
Oui. Les réponses sans streaming incluent un tableau sources avec le nom du document et un extrait par chunk récupéré. Les réponses en streaming sont enrichies de contexte mais ne peuvent pas porter de métadonnées de sources dans les chunks SSE.
La complétion se poursuit sans contexte injecté au lieu de renvoyer une erreur. Votre chat reste disponible même si la base de connaissances est brièvement indisponible.
Tout modèle que vous pouvez appeler, sur l'EU Inference Router ou sur une instance dédiée. Choisissez-en un dans le catalogue de modèles ; les modèles plus grands tendent à synthétiser plus fidèlement le contexte récupéré.
Le contexte récupéré ajoute des tokens d'entrée à chaque requête, facturés à l'usage depuis votre solde de crédit prépayé. Consultez la page des tarifs.
De l'hébergement de modèles à une API destinée à vos clients, tout est conçu pour les développeurs et les entreprises qui veulent que leur IA tourne sur une infrastructure qu'ils contrôlent réellement, au sein de l'UE.
Vos données et vos modèles restent sur des GPU européens. Conçu pour respecter le RGPD.
Llama, Qwen, DeepSeek, Mistral, FLUX et bien d'autres. Choisissez-en un et il est prêt en quelques minutes, sans DevOps de votre côté.
Pointez votre client existant vers le Router et gardez vos outils. Sans réécriture, sans dépendance.
Aucune infrastructure à gérer. Choisissez un modèle, obtenez une URL compatible OpenAI et livrez.
Choisissez dans le Model Garden ou collez n'importe quel ID HuggingFace. Définissez la VRAM et choisissez un GPU européen.
Nous déployons vLLM, exécutons les sondes de disponibilité et vous remettons une URL prête, compatible OpenAI et Anthropic, ainsi qu'une clé d'API.
Pointez votre client vers le Router. Il route automatiquement vers une instance démarrée, met les GPU au repos quand personne n'est connecté et journalise chaque requête.
Si un cloud américain est exclu, HostYourAI vous offre la même expérience développeur sur une infrastructure européenne.
Des données de citoyens qui doivent légalement rester dans l'UE, avec une auditabilité complète.
Équipes de la finance, de la santé et du juridique soumises au RGPD, à DORA et à l'AI Act.
Livrez des fonctionnalités d'IA en lesquelles vos clients ont confiance, sans sous-traitant américain.
Proposez une IA privée à vos clients, sur une infrastructure dont vous pouvez répondre.
HostYourAI garde vos modèles, vos prompts et vos données sur des GPU européens. Conçu pour les équipes qui tiennent à la conformité, à la fiabilité et à un contrôle réel.
GPUs and data residency inside Europe. Your prompts never leave the EU.
Run open-weight models with no black boxes or hidden telemetry.
GPUs idle when nobody is online, so you only pay for what you run.
Your infra, your keys, your models. Leave whenever you want.
Yes. HostYourAI runs open models on GPUs in European datacenters via vLLM. Your prompts and outputs never leave the EU and there is no US cloud provider in the chain.
Yes. All processing happens inside the EU, a Data Processing Agreement (DPA) is available and the subprocessor list is public. Open weights also mean no training on your data.
Yes. Point your existing OpenAI or Anthropic client at our Router (https://hostyourai.com/api/v1), change only the base URL and API key. No rewrite, no lock-in.
Pay-as-you-go on one prepaid credit balance: the shared router per token or a dedicated GPU per hour. Free to start, no minimum, no fixed monthly fee.
Text and image models on dedicated EU GPUs. Every model tested on our own hardware.
Explore more about EU-hosted AI on HostYourAI.
Faites du fine-tuning de LLM pour votre cas d'usage. LoRA, QLoRA et fine-tuning complet sur des GPU dédiés, en Europe.
Read more →Hébergez des chatbots IA sur une infrastructure européenne. Service client, assistants internes et plus, en conformité avec le RGPD.
Read more →Pointez votre client Anthropic vers notre Router via un shim /v1/messages et exécutez des modèles ouverts sur des GPU européens. Drop-in, hébergé dans l'UE, sans réécriture.
Read more →Un seul endpoint compatible OpenAI et Anthropic qui achemine vos requêtes vers des modèles ouverts sur des GPU européens. Drop-in, hébergé dans l'UE, sans verrouillage.
Read more →Hébergement d'inférence LLM à latence optimisée. vLLM, batching continu, réponses en streaming. Pour vos applications d'IA en production.
Read more →Parcourez un catalogue sélectionné de modèles ouverts de chat, d'image et d'embedding avec l'état chaud/UE en direct. Déployez en un clic sur des GPU européens.
Read more →Aucune carte bancaire requise. Paiement à l'usage, résiliable à tout moment.
Commencer l'hébergement gratuitement dès aujourd'hui