Hippocampus vs PageIndex comparés · Blog Thalius Hippocampus

Q: PageIndex est-il open source ?

Oui: le mode local de PageIndex est sous licence MIT et s'exécute sur votre propre machine avec votre propre clé de LLM (vérifié en octobre 2026). PageIndex Cloud et ses déploiements Enterprise sont des offres hébergées ou commercialisées via l'équipe commerciale. Hippocampus s'exécute sur le cloud européen de Thalius, ou dans votre propre cloud ou sur site dans le cadre de l'offre Enterprise.

Q: Hippocampus utilise-t-il des embeddings, et PageIndex ?

Hippocampus, oui, en complément de la structure: il construit un arbre par document et fusionne un parcours descendant sur les résumés avec une recherche par mots-clés et par embeddings sur les sections feuilles. PageIndex se décrit comme sans vecteurs: un LLM raisonne sur un index arborescent par document (vérifié en octobre 2026).

Q: Lequel donne les citations les plus fines ?

Cela dépend du mode: PageIndex Cloud cite au niveau du bloc avec un cadre de délimitation optionnel, et le mode local au niveau de la page (vérifié en octobre 2026). Hippocampus cite le document, le chemin de section, les pages de début et de fin et les décalages d'octets, avec le texte utilisé.

Q: Le service propre de PageIndex a-t-il été testé ?

Non: notre benchmark FDA a utilisé notre adaptation de l'approche publiée de recherche arborescente de PageIndex, pas les services de récupération et de chat propres à PageIndex. Cette configuration a obtenu 33 sur 48 contre 40 sur 48 pour Hippocampus, avec GPT-5.4 mini répondant pour chaque système le 17 septembre 2026.

Sur cette pageSynthèse

Synthèse
Benchmark
Quand PageIndex est le meilleur choix
Essayez Hippocampus sur les mêmes documents
Sources et dernière mise à jour
Questions fréquentes

Synthèse

Critère	Hippocampus	PageIndex
Région d'hébergement et auto-hébergement	Les documents et la structure de connaissances sont stockés dans l'UE (Finlande), chiffrés. L'inférence des modèles s'exécute par défaut aux États-Unis ; sur Corporate, elle peut être hébergée dans l'UE ou s'exécuter dans votre propre environnement. L'hébergement dans votre propre cloud ou sur site fait partie de l'offre Enterprise. Sécurité	Le mode local open source (MIT) s'exécute sur votre propre machine avec votre propre clé de LLM. L'offre Enterprise mentionne le SaaS, le déploiement dédié, un VPC privé sur AWS, Azure ou GCP, et le déploiement sur site, y compris isolé (air-gapped). Noms des régions hébergées : non documentés. GitHub, Enterprise (vérifié en octobre 2026)
Attribution des sources (citation au niveau de la page)	Chaque réponse indique le document, le chemin de section, les pages de début et de fin, les décalages d'octets et le texte utilisé. Les citations proviennent de l'étape de récupération, pas du modèle.	Le mode local cite au niveau de la page ; Cloud ajoute des citations au niveau du bloc avec un cadre de délimitation (bounding box) optionnel. Chat SDK, Agents SDK (vérifié en octobre 2026)
Application des permissions au moment de la requête	Appliquées au sein même de la recherche, comme filtre avant le classement ; la recherche ne renvoie rien si les permissions ne peuvent pas être vérifiées. Un résumé portant sur plusieurs documents n'est visible que par les personnes qui peuvent tous les lire. Les agents obéissent aux mêmes permissions. Sécurité	Permissions documentaires par utilisateur : non documentées. L'offre Enterprise mentionne un contrôle d'accès basé sur les rôles, le SSO, des espaces de travail multi-utilisateurs et des journaux d'audit ; la documentation des agents indique que les outils des frameworks gardent accès à toute la bibliothèque. Enterprise, Agents SDK (vérifié en octobre 2026)
Comportement face aux questions sans réponse	Lorsque la récupération ne renvoie rien, la question est refusée, pas devinée. Un refus coûte les mêmes crédits qu'une réponse.	Le prompt de l'agent open source demande au modèle de le signaler lorsque les documents ne répondent pas. Il s'agit d'une instruction de prompt ; la documentation ne la décrit pas. agent_tools.py (vérifié en octobre 2026)
Architecture de récupération (mémoire structurée, index vectoriel ou recherche de fichiers)	Mémoire structurée construite à l'import : un arbre par document avec un résumé d'index, des résumés de sections et des sections feuilles avec pages et plages d'octets. Deux entonnoirs, descendant sur les résumés et ascendant par recherche par mots-clés et par embeddings sur les sections feuilles, fusionnés en un seul classement. Développeurs	Sans vecteurs : un index arborescent hiérarchique par document, sur lequel un LLM raisonne pour trouver et lire les sections. GitHub (vérifié en octobre 2026)
Modèles de réponse pris en charge	N'importe quel modèle de langage. Vous choisissez quel modèle répond, réglé par espace de travail ; sur Corporate, vous pouvez utiliser votre propre clé de modèle ou laisser les administrateurs choisir les modèles. Développeurs	N'importe quel fournisseur : OpenAI, Anthropic, OpenRouter ou tout endpoint compatible OpenAI. Chat SDK, Prise en main (vérifié en octobre 2026)
Disponibilité de l'API et du MCP	Un serveur MCP avec connexion OAuth dans le navigateur, et une API REST en accès anticipé. Développeurs	SDK Python et JavaScript. Un serveur MCP hébergé, Cloud uniquement, pour les documents déjà indexés dans Cloud. Référence des endpoints REST : non documentée. MCP, Prise en main (vérifié en octobre 2026)
Format d'export des données	Open Knowledge Format : un dossier par document, en Markdown avec en-tête YAML (front matter), contenant le résumé d'index, le texte intégral, le fichier d'origine et un dossier par section. Lisible via l'API, exportable tant que le compte est actif. Développeurs	Par document via le SDK : l'arbre en JSON et le texte extrait en Markdown. Export de l'ensemble du compte : non documenté. Documents SDK, Conditions (vérifié en octobre 2026)
Utilisation des données clients pour l'entraînement	Jamais utilisées pour entraîner l'IA, ni par Thalius ni par les fournisseurs de modèles ; leurs contrats l'interdisent. Sécurité	Entraînement sur les données clients : non documenté. Les conditions permettent au fournisseur d'utiliser les données clients pour améliorer le logiciel. Conditions, Enterprise (vérifié en octobre 2026)
Modèle de tarification et offre gratuite	Des crédits, une seule unité sur toutes les offres. Offre Free avec crédits mensuels inclus et sans carte, Starter, et Corporate sur devis. Un refus coûte autant qu'une réponse. Montants sur Tarifs	Cloud est facturé à l'usage, sans minimum mensuel : 0,01 $ par page indexée une fois, 0,001 $ par page active et par mois, les 1 000 premières étant gratuites, sans frais de récupération, inférence LLM non incluse. 10 $ de crédits gratuits, sans carte. Le mode local est gratuit ; Enterprise passe par l'équipe commerciale. Tarifs (vérifié en octobre 2026)

Benchmark

Dix documents publics de la FDA pour Saxenda, Wegovy et Zepbound (2 198 pages), seize questions rédigées par l'équipe d'Atrogi, chacune posée trois fois dans des conversations indépendantes. Chaque système a répondu via le même modèle, GPT-5.4 mini, le 17 septembre 2026. Un modèle de notation, GPT-5 avec trois votes et un verdict à la majorité, a comparé chaque réponse à une réponse de référence ; décliner la question de contrôle compte comme une bonne réponse.

Hippocampus : 40 bonnes réponses sur 48*, 79 % en score pondéré, médiane de 20 secondes par réponse.
Approche PageIndex, notre adaptation : 33 bonnes réponses sur 48*, 65 % en score pondéré, médiane de 8 secondes par réponse.

La ligne PageIndex correspond à notre adaptation de leur approche publiée de recherche arborescente : une étape, jusqu'à six sections, 12 000 caractères par section. Les services de récupération et de chat propres à PageIndex n'ont pas été utilisés. Ces limites peuvent désavantager les réponses réparties sur de nombreuses sections ou situées dans de longs tableaux.

Le score pondéré compte les questions faciles une fois, les moyennes deux fois et les difficiles trois fois. Sur la question de contrôle, à laquelle les documents ne permettent pas de répondre, la configuration PageIndex a décliné à chaque fois ; Hippocampus a indiqué à chaque fois que les documents ne permettent pas d'établir un classement et, dans deux réponses sur trois, a proposé l'ordre d'approbation comme indicateur indirect, présenté comme tel.

Ce que ce résultat ne montre pas :

L'écart entre les deux premiers systèmes du tableau complet, Hippocampus à 40 et OpenAI File Search à 36 en moyenne, se situe dans la variation d'une exécution à l'autre.
Les configurations d'Hippocampus testées les 16 et 17 septembre ont obtenu entre 37 et 40 sur 48. Le chiffre ci-dessus provient d'une exécution ayant obtenu 40.
Le guide de recherche qu'Hippocampus donne au modèle a été affiné sur ces seize mêmes questions. Les autres systèmes ont fonctionné avec les réglages par défaut du fournisseur plus une instruction d'une phrase : ne répondre qu'à partir des documents fournis.
File Search a été exécuté deux fois. Les autres systèmes, PageIndex compris, une seule fois, de sorte que des différences de quelques réponses peuvent provenir de la seule variation.
Hippocampus est le plus lent des systèmes testés : une médiane de 20 secondes par réponse contre 5 à 8 secondes pour les autres. Ces temps portent sur une réponse complète, le modèle effectuant autant de recherches qu'il lui faut. Dans notre rapport de benchmark ultérieur, une seule recherche Hippocampus prend 1,8 seconde en médiane.
Le modèle de notation est GPT-5 d'OpenAI, et le modèle de réponse ainsi que deux des systèmes testés sont également d'OpenAI.

Le tableau complet des cinq systèmes figure dans Hippocampus face à OpenAI File Search et PageIndex. Le corpus, les questions et les résultats avec trois modèles de réponse figurent dans le benchmark FDA GLP-1, et chaque résultat publié se trouve sur Preuves.

* Modèle de réponse GPT-5.4 mini pour chaque système. Notation par GPT-5, trois votes, verdict à la majorité. Évaluation Thalius, 17 septembre 2026.

Réponses correctes sur 48 au benchmark FDA

Chaque barre compte les réponses correctes sur 48 pour dix documents publics de la FDA, seize questions posées trois fois chacune.

Hippocampus 40 sur 48
Approche PageIndex, notre adaptation 33 sur 48

Vue tableau : chaque décompte derrière le graphique

Réponses correctes sur 48 au benchmark FDA
Nom	Valeur	Remarque
Hippocampus	40 sur 48
Approche PageIndex, notre adaptation	33 sur 48	Une étape, jusqu'à six sections, 12 000 caractères par section

n = 16 questions, trois tentatives chacune, 48 réponses par système · modèle de réponse GPT-5.4 mini pour tous les systèmes · notation par GPT-5, trois votes, verdict à la majorité · 17 septembre 2026 · Évaluation Thalius. Les configurations d'Hippocampus ont obtenu de 37 à 40 sur 48 ; cette exécution a obtenu 40. Les services de récupération et de chat propres à PageIndex n'ont pas été utilisés.

Quand PageIndex est le meilleur choix

Vous voulez du code open source que vous maîtrisez : le mode local est sous licence MIT, s'exécute sur votre propre machine avec votre propre clé de LLM, et Enterprise ajoute des options de VPC privé et de déploiement sur site isolé (GitHub, Enterprise, vérifié en octobre 2026).
Vous voulez payer l'indexation, pas la récupération : Cloud facture par page indexée et par page active, sans frais de récupération, et vous apportez n'importe quel LLM compatible OpenAI (Tarifs, Chat SDK, vérifié en octobre 2026).
Il vous faut des citations qui pointent à l'intérieur de la page : Cloud renvoie des citations au niveau du bloc avec un cadre de délimitation optionnel, et propose un serveur MCP hébergé et des SDK pour les frameworks d'agents (Agents SDK, MCP, vérifié en octobre 2026).
La vitesse compte plus que la profondeur : dans notre benchmark FDA, la configuration PageIndex a répondu en 8 secondes en médiane contre 20 pour Hippocampus, et a décliné la question de contrôle à chaque fois.

Essayez Hippocampus sur les mêmes documents

Importez les documents que vous indexeriez dans PageIndex et posez les mêmes questions à Hippocampus, puis comparez les citations côte à côte. Commencer gratuitement, sans carte. Avant cela, lisez comment Hippocampus applique les permissions et où il stocke les documents, l'API, le serveur MCP et le format d'export, le fonctionnement des crédits sur chaque offre et l'hébergement dans votre propre cloud ou sur site avec l'offre Enterprise.

Sources et dernière mise à jour

Dernière mise à jour : octobre 2026.

Questions

Questions fréquentes

Comment Hippocampus se compare-t-il à PageIndex ?

Hippocampus est le meilleur choix pour une couche de mémoire hébergée avec stockage dans l'UE, des permissions appliquées au sein même de la recherche et des citations jusqu'à la page et à la plage d'octets. PageIndex est le meilleur choix pour du code sous licence MIT sur votre propre machine. Sur le benchmark FDA de Thalius, Hippocampus a répondu correctement à 40 questions sur 48 et une adaptation par Thalius de l'approche PageIndex à 33 sur 48, plus rapidement, avec une médiane de 8 secondes contre 20. Le benchmark n'a pas utilisé les services propres de PageIndex.

PageIndex est-il open source ?

Oui : le mode local de PageIndex est sous licence MIT et s'exécute sur votre propre machine avec votre propre clé de LLM (vérifié en octobre 2026). PageIndex Cloud et ses déploiements Enterprise sont des offres hébergées ou commercialisées via l'équipe commerciale. Hippocampus s'exécute sur le cloud européen de Thalius, ou dans votre propre cloud ou sur site dans le cadre de l'offre Enterprise.

Hippocampus utilise-t-il des embeddings, et PageIndex ?

Hippocampus, oui, en complément de la structure : il construit un arbre par document et fusionne un parcours descendant sur les résumés avec une recherche par mots-clés et par embeddings sur les sections feuilles. PageIndex se décrit comme sans vecteurs : un LLM raisonne sur un index arborescent par document (vérifié en octobre 2026).

Quels modèles de réponse puis-je utiliser ?

Les deux fonctionnent avec plusieurs fournisseurs. PageIndex fonctionne avec OpenAI, Anthropic, OpenRouter ou tout endpoint compatible OpenAI, et l'inférence LLM est facturée séparément (vérifié en octobre 2026). Hippocampus fonctionne avec n'importe quel modèle de langage : vous choisissez quel modèle répond, réglé par espace de travail, et sur Corporate vous pouvez utiliser votre propre clé de modèle.

Lequel donne les citations les plus fines ?

Cela dépend du mode : PageIndex Cloud cite au niveau du bloc avec un cadre de délimitation optionnel, et le mode local au niveau de la page (vérifié en octobre 2026). Hippocampus cite le document, le chemin de section, les pages de début et de fin et les décalages d'octets, avec le texte utilisé.

Le service propre de PageIndex a-t-il été testé ?

Non : notre benchmark FDA a utilisé notre adaptation de l'approche publiée de recherche arborescente de PageIndex, pas les services de récupération et de chat propres à PageIndex. Cette configuration a obtenu 33 sur 48 contre 40 sur 48 pour Hippocampus, avec GPT-5.4 mini répondant pour chaque système le 17 septembre 2026.

Hippocampus vs PageIndex, comparés sur dix critères