Le jour, vos machines travaillent pour vos équipes ; la nuit, elles deviennent une équipe d'agents IA sur un modèle 70B qui tourne dans votre réseau. Vous leur confiez la tâche en partant et elle est faite le matin. Sans acheter de GPU, sans payer le cloud, et vos données ne quittent jamais le bâtiment.
Pas un chatbot qui attend des questions : des agents qui lisent, décident, utilisent des outils et vous livrent un travail terminé à votre arrivée.
Lit des centaines de contrats, signale les clauses à risque, échéances et pénalités, et vous laisse un rapport pour chacun.
Classe, priorise et rédige la première réponse à tout ce qui est arrivé dans la journée. Votre équipe commence le matin avec une boîte en ordre.
Parcourt votre dépôt, écrit des tests et fait la revue de code avec un modèle spécialisé. Le laisse prêt pour que votre équipe le relise.
Factures, scans et photos de drone transformés en données structurées et en rapport prêt le matin.
Ils parlent le format OpenAI avec tool calling, donc ils fonctionnent avec des agents open source. Chaque appel au modèle laisse un reçu vérifiable et rien ne sort de votre réseau.
Vous contrôlez qui calcule et chaque tâche est auditée. Sans envoyer une seule donnée à un tiers.
Le swarm tourne sur votre réseau local. Prompts et réponses ne sortent jamais sur internet ni ne passent par un tiers. Déployable en air-gap.
Chaque tâche laisse un reçu avec des empreintes SHA-256 (pas le texte) : prouvez ce qui a été calculé et qui l'a servi sans révéler la donnée.
Pressé ? Puissance co-localisée sur GPU dédié (~30–80 tok/s). Pas pressé ? Essaim par lots, bien moins cher. Même endpoint.
Nous ne vendons pas de la vitesse : nous vendons un accès bon marché à un gros cerveau pour du travail par lots qui n'est pas pressé. Voici les cas qui rapportent, avec le modèle qui les sert.
| Cas | Modèle | Pourquoi ça colle |
|---|---|---|
| Données synthétiques entraîner d'autres IA | Llama-3.3-70B | Par nature en lots ; la qualité du modèle fait la valeur de la donnée. Le point d'entrée le plus affûté. |
| Résumés en masse juridique, procès-verbaux, tickets | Qwen2.5-72B | Des milliers de documents la nuit ; personne ne regarde l'écran pendant que ça tourne. |
| Analyse de contrats risques et échéances | DeepSeek-R1-70B | Un raisonnement pas à pas qu'un avocat peut auditer. |
| Documents et images factures, drones | Qwen2.5-VL-72B | Structure les données de PDF et de photos par lots : agriculture, inspection, assurance. |
| Classification / PII modération, dédoublonnage | Mixtral 8x7B | Des millions d'éléments à bas coût grâce au MoE (peu de paramètres actifs). |
| Traduction / catalogues localisation | Qwen3-30B-A3B | Volume énorme pour un calcul minimal. Idéal pour de l'on-prem bon marché. |
| RAG sur vos archives recherche interne | BGE-M3 | Indexation nocturne de bibliothèques entières, sans sortir la donnée de votre réseau. |
Tout tourne dans votre réseau et laisse un reçu auditable par hash. Vous contrôlez qui calcule.
Changez une ligne de base_url et c'est parti. Même SDK OpenAI, modèles ouverts, sans acheter de GPU ni rien maintenir.
Celui qui loue son GPU ne charge qu'une partie du modèle. Personne n'a besoin d'une machine énorme.
Votre texte traverse les couches réparties sur plusieurs nœuds et revient en réponse. Comme un torrent, mais de calcul.
Sans matériel à maintenir, le coût s'effondre. Vous payez ce que vous utilisez.
Un modèle ouvert de 32B–70B approche la qualité des API coûteuses, mais tourne sur votre matériel et coûte quelques centimes. La puissance n'est pas un chiffre à afficher : c'est ce qui vous permet de faire sans demander la permission à personne.
Avec le function/tool calling (format OpenAI), le modèle lit, modifie et teste le code en boucle. Vous lui laissez la tâche en partant ; elle est prête le matin.
Classer, résumer ou extraire les données de toutes vos archives la nuit via la voie par lots. Le volume qui coûte une fortune sur une API fermée coûte ici quelques centimes.
Posez des questions en langage naturel sur vos manuels, contrats ou dossiers. La donnée ne quitte jamais votre réseau : le modèle va vers la donnée, pas l'inverse.
Étiqueter des tickets, trier des e-mails, lire des factures. Des tâches simples mais par millions : exactement là où le prix au token décide si le projet est viable.
Choisissez le modèle avec model à chaque appel. Chat, code, vision, raisonnement ou volume bon marché : celui qui convient à votre cas, tous sur le même endpoint.
| Modèle | Type | Idéal pour |
|---|---|---|
| Llama-3.3-70B | chat | Raisonnement solide, analyse juridique/financière, données synthétiques |
| Qwen2.5-72B | chat | Polyvalent de qualité : résumés complexes, Q&R, rédaction |
| Qwen2.5-32B | chat | Le juste milieu : extraction structurée, résumés fins, bon marché |
| Qwen2.5-Coder-32B | code | Analyse de dépôts, tests, revue de code, agents avec tool-calling |
| DeepSeek-R1-Distill-70B | raisonnement | Analyse pas à pas et décisions à justifier |
| Qwen2.5-VL-72B | vision | PDF, factures, scans, photos de drone → données structurées |
| Mixtral 8x7B | MoE | Classification et traduction en masse : des millions d'éléments, très bon marché |
| Qwen3-30B-A3B | MoE | Volume énorme (étiquetage, localisation) pour un calcul minimal |
| Gemma-2-27B | chat | Rédaction et résumés avec un bon rapport qualité/coût |
| Llama-3.1-8B | rapide | Tâches simples à grande vitesse et coût minimal |
| BGE-M3 | embeddings | Indexer vos documents pour la recherche / RAG |
Besoin d'un autre ? Le catalogue s'étend sans toucher au code. Demandez-le.
C'est l'API OpenAI. Si vous utilisez déjà leur SDK, vous changez deux lignes : la base_url et votre clé.
# pip install openai from openai import OpenAI client = OpenAI( base_url="https://enjambreia.com/v1", api_key="sk-enjambre-...", ) r = client.chat.completions.create( model="qwen2.5-72b", messages=[{"role":"user","content":"Bonjour"}], ) print(r.choices[0].message.content)
curl https://enjambreia.com/v1/chat/completions \ -H "Authorization: Bearer sk-enjambre-..." \ -H "Content-Type: application/json" \ -d '{ "model": "qwen2.5-coder-32b", "messages": [ {"role":"user","content":"Écris des tests"} ] }'
Même format de réponse qu'OpenAI : choices, streaming et tool-calling inclus. Vos bibliothèques actuelles fonctionnent sans changement.
Même tâche, prix pour 1M de tokens en entrée. Plus la barre est longue, plus c'est cher.
Chiffres indicatifs. L'API fermée utilise des tarifs publics haut de gamme ; le GPU à soi suppose une carte saturée 24 h/24 (inactive, elle coûte plus cher). Adaptez à votre cas.
Nous ne fabriquons pas de matériel et ne construisons pas d'entrepôts remplis de GPU. Nous transformons le calcul qui existe déjà —vos machines inactives ou un GPU loué— en IA privée. Sans capex, sans travaux, sans attendre des années.
Zéro investissement en GPU ou en installation. Vous payez ce que vous utilisez ; vous n'allumez la puissance que quand vous en avez besoin.
Tourne sur votre matériel existant ou loué. Rien à fabriquer, rien à installer chez vous.
Changez une ligne de base_url et c'est parti. Sans attendre le déploiement d'une infrastructure.
La création du compte est gratuite et il n'y a pas d'abonnement : vous ne payez que ce que vous utilisez, dès quelques centimes par million de tokens. Avec votre propre GPU (offre Nœud personnel), vous ne payez que 20 % de commission : ce qui se rapproche le plus d'une IA gratuite, sans piège.
enjambreia répartit le calcul sur des GPU qui existent déjà, sans payer de data centers : des modèles ouverts 70B dès 0,10 $ par million de tokens en entrée, jusqu'à 25× moins cher qu'une API fermée haut de gamme.
Oui. C'est compatible avec l'API OpenAI : changez la base_url et votre clé, et votre code, SDK et outils (comme OpenCode) continuent de fonctionner, avec streaming et tool-calling.
Oui : installez le client de nœud et prêtez votre GPU (la moitié par défaut). Tant qu'elle est allumée et approuvée, vous utilisez sans frais les modèles de l'essaim, y compris ceux répartis sur plusieurs cartes. Les modèles du cloud sont payants à part.
Chaque tâche est signée et auditée, et les entreprises et groupes privés n'utilisent que leurs propres machines : vos informations ne passent jamais par des nœuds extérieurs.
Llama 3.3 70B, Qwen2.5 72B, Qwen2.5 Coder, DeepSeek R1, des modèles de vision et ceux que les nœuds annoncent. La liste à jour est sur /v1/models.
Créez votre compte, rechargez votre solde et ne payez que ce que vous utilisez.
Créer un compte