> ## Documentation Index
> Fetch the complete documentation index at: https://docs.lighton.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Endpoint d'embeddings

> L'endpoint API d'embeddings vous permet de convertir facilement du texte en vecteurs d'embedding. Cette fonctionnalité vous donne la possibilité de gérer votre propre base de données vectorielle tout en conservant les avantages de Paradigm.

Convertissez du texte en représentations vectorielles numériques qui capturent le sens sémantique. C'est essentiel pour construire des systèmes de recherche, des moteurs de recommandation, et des fonctionnalités de détection de similarité.

## Prérequis

* Une **clé API Paradigm** : si vous n'en avez pas, rendez-vous sur votre profil Paradigm (`/settings/api-key` dans votre instance) et générez une nouvelle clé API.
* Le **modèle d'embedding désiré disponible dans Paradigm** : Par défaut, le modèle d'embedding utilisé pour le chat avec les documents devrait être disponible. Si vous voulez utiliser un autre modèle d'embedding, vous devez l'ajouter à Paradigm depuis l'interface d'administration.

## Méthodes d'utilisation

Il existe plusieurs façons d'appeler l'endpoint :

1. Avec le **package python `requests`**
2. Via une **requête curl** : pour des tests rapides ou une première utilisation

## Package python `requests`

Vous pouvez envoyer directement une requête à l'endpoint API via le package `requests`.

```python theme={null}
import requests
import os

# Récupérer la clé API depuis l'environnement
api_key = os.getenv("PARADIGM_API_KEY")

response = requests.request(
    method="POST",
    url=f"{base_url}/embeddings",
    headers={
        'accept': "application/json",
        'Authorization': f"Bearer {api_key}"
    },
    json={
        "model": "multilingual-e5-large",
        "input": "Ceci est une chaîne de test"
    }
)

print(response.json())
```

Vous obtiendriez alors une réponse JSON sous forme de dictionnaire :

```json theme={null}
{
    "object": "list",
    "data": [
        {
            "object": "embedding",
            "embedding": [
                0.0071225623,
                -0.008990367,
                "...",
                -0.023343408,
                0.016777039
            ],
            "index": 0
        }
    ],
    "model": "multilingual-e5-large",
    "usage": {
        "prompt_tokens": 6,
        "total_tokens": 6
    },
    "id": "fe922faf-50bd-4f5f-90a0-4abd0de10a78"
}
```

## Requête cURL

Si vous préférez envoyer une requête à Paradigm avec une simple commande cURL, voici un exemple :

```shell theme={null}
curl --request POST \
  --url $PARADIGM_BASE_URL/embeddings \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --header 'accept: application/json' \
  --data '{
  "model": "multilingual-e5-large",
  "input": "Ceci est une chaîne de test"
}'
```