Thalius
Sur cette pagePile IA
  1. Pile IA
  2. Où il tourne
  3. Architecture
  4. Propriétés essentielles
  5. Arbre du document
  6. Import
  7. Modèles
  8. Open Knowledge Format
  9. Référence API
  10. Questions fréquentes
  11. À lire aussi
  12. Ne nous croyez pas sur parole. Testez.

Développeurs

Comment ça marche

Ce qui se passe quand vous importez un document, comment une question trouve son passage, quels modèles rédigent les réponses et comment vos documents sont stockés. Vous vous connectez via MCP ou l'API, et les gens utilisent le même wiki dans l'application web.

Aperçu

La place d'Hippocampus dans une stack IA

Les modèles raisonnent, les agents agissent et les personnes décident. Entre eux et les documents d'une entreprise se trouve Hippocampus : ses services ingèrent, organisent et récupèrent, et son wiki OKF sécurisé conserve chaque document en Markdown chiffré derrière un seul ensemble d'API.

Identité et clés

Fournisseur d'identité SSO sur Corporate auth en ligne
KMS clés racines internes clés de chiffrement en ligne

Où vit le savoir

GED d'entreprise Vos drives et systèmes documentaires connectors actif

Hippocampus

Services Thalius IngestCurateRetrieve
Wiki OKF sécurisé
APIsHTTP · MCP · REST
↕ cleartext
Coffre de documents
↔authz
Coffre de connaissances
↕ encrypted
Stockage Markdown

Qui demande

MCP actif Claude Code et agents de code
MCP actif AI agents tout framework
MCP actif Assistants de chat Claude, ChatGPT
REST actif Applis et scripts votre propre code
appli web en ligne People parcourir, interroger

Modèles appelés

appels de modèle en ligne AI services tout modèle de langage
Le cadre bleu est ce qu'exécute Hippocampus : le Markdown n'est stocké que chiffré, et le coffre de documents ne remet le texte en clair qu'aux API. Tout ce qui l'entoure reste à vous ou à votre fournisseur. Chaque ligne indique ce qui y circule ; en pointillés, ce qui n'est pas encore construit ; bêta, ce qui fonctionne aujourd'hui et est en cours de finalisation.

Où il tourne

Hippocampus fonctionne sur notre cloud ou sur votre propre hébergement. Le produit est le même dans les deux cas.

Cloud Hippocampus
Hébergé et exploité par nous dans l'UE. Inscrivez-vous, puis connectez vos outils d'IA via MCP, ou votre propre code par l'API.
Auto-hébergement
Votre propre cloud, sur site ou tout autre environnement que vous maîtrisez. Fait partie de l'offre Corporate.

L'API et le MCP sont identiques dans les deux cas. Seule l'URL de base change.

L'hébergement chez vous se met en place avec nous dans le cadre de Corporate : parlez-nous de Corporate

Architecture

Une mémoire en couches

Une nouvelle fonction mentale pour les LLM : une mémoire externe, en couches, que l'IA crée et entretient, partagée avec les personnes qui l'utilisent.

Hippocampus donne à l'IA et aux personnes une même mémoire partagée et bien organisée. Elle est construite comme une encyclopédie : les documents complexes sont condensés en courts résumés, avec des liens profonds vers le texte qu'ils représentent.

La mémoire est de l'hypertexte, une compétence fondamentale des LLM. Les LLM la créent et l'entretiennent comme un wiki moderne, et ces mêmes pages sont celles que les gens parcourent et vérifient.

La recherche part des titres et des liens. Elle suit un lien vers un résumé lorsqu'un titre est pertinent, et n'ouvre le texte intégral que pour le passage dont la question a besoin, sans modèle génératif. Le modèle ne reçoit que ce passage, si bien que le contexte reste petit quelle que soit la taille du corpus.

Le palais mental externe : fenêtre de contexte, résumés, texte intégralLa fenêtre de contexte ne contient que les titres Accord de traitement des données and Règlement du personnel sous forme de liens, et le prompt. Le titre Accord de traitement des données est suivi jusqu'à son résumé, puis un lien profond du résumé est suivi jusqu'à un passage du texte intégral. L'autre document n'est pas ouvert.FENÊTRE DE CONTEXTEAccord de traitement des donnéestitre · lienRèglement du personneltitre · lienpromptComment les donnéespersonnelles sont-elleschiffrées au repos ?Accord de traitement des donnéesrésumé · liens profonds1 Definitions2 Processing3 Mesures de sécurité → 3.1 Encryption4 Sous-traitants ultérieursAccord de traitement des donnéestexte intégral · Markdown3.1 Encryption · p. 7Règlement du personnelrésumé · liens profonds1 Temps de travail2 Leave3 Equipment4 ConductRèglement du personneltexte intégral · Markdown
FENÊTRE DE CONTEXTE
Accord de traitement des données titre · lien
Règlement du personnel titre · lien
prompt Comment les donnéespersonnelles sont-elleschiffrées au repos ?
Accord de traitement des données résumé · liens profonds 1 Definitions2 Processing3 Mesures de sécurité → 3.1 Encryption4 Sous-traitants ultérieurs
Règlement du personnel résumé · liens profonds 1 Temps de travail2 Leave3 Equipment4 Conduct
Accord de traitement des données texte intégral · Markdown 3.1 Encryption · p. 7
Règlement du personnel texte intégral · Markdown
  1. 1
    Titres et liensUne ligne par document ou section, chacune étant un lien.Là où la recherche commence.
  2. 2
    SummariesDe courts abrégés avec des liens profonds vers le texte.Ouvert par la recherche lorsqu'un titre compte pour la question.
  3. 3
    Texte intégralLe document en Markdown, avec ses pages et ses plages d'octets.Ouvert uniquement pour le passage dont la réponse a besoin.

Documents illustratifs. Le chemin de la recherche est tracé en bleu ; le document en pointillés figurait dans l'index mais n'a jamais été ouvert.

Propriétés essentielles

  • Adapté à d'énormes volumes de donnéesLe modèle reçoit un contexte restreint et pertinent : seulement les passages qui comptent, trouvés par la recherche, et non le corpus. La taille du corpus cesse d'être la limite.
  • Contrôle qualité intégréLe contrôle qualité fait partie de la mémoire, ce n'est pas un projet à part, et chaque résumé peut être reconstruit à partir de la source.
  • Ouvert par conceptionLes réponses sont traçables et vérifiables : chacune renvoie au passage, à la page et au fichier original dont elle provient.
  • Humain dans la boucleLes gens travaillent dans le même wiki que l'IA construit. Ils le parcourent et le vérifient, et les cas qui demandent un jugement sont transmis à une personne : une fonction centrale, pas un ajout tardif.
  • Sécurité par rôlesL'accès suit les rôles et les permissions : une réponse n'est construite qu'à partir de ce que la personne ou l'agent qui demande a le droit de lire.

Arbre du document

Voici la recherche sur un seul document. Deux entonnoirs parcourent l'arbre construit à l'import : l'un descend du résumé d'index à travers les résumés de sections qui correspondent à la question, l'autre interroge directement les sections feuilles par mots-clés et embeddings. Leurs résultats sont fusionnés en un seul classement, sans modèle génératif.

Question “Comment les données personnelles sont-elles chiffrées au repos ?” sur Accord de traitement des données.pdf
Arbre du document Accord de traitement des données.pdfUn résumé d'index, 4 résumés de sections et 4 sections feuilles. Le chemin descendant pour la question passe par 3 Mesures de sécurité, then 3.1 Encryption.Accord de traitement des donnéesindex summary · p. 1–141 Definitionssummary · p. 1–22 Processingsummary · p. 3–53 Mesures de sécuritésummary · p. 6–94 Sous-traitants ultérieurssummary · p. 10–143.1 Encryptionp. 7octets [18240, 19012)13.2 Contrôle d'accèsp. 8octets [19012, 20330)3.3 Incidentsp. 9octets [20330, 21104)4.1 Sous-traitants ultérieursp. 10octets [26410, 27388)2
  • Accord de traitement des données index summary · p. 1–14
    • 1 Definitions summary · p. 1–2
    • 2 Processing summary · p. 3–5
    • 3 Mesures de sécurité summary · p. 6–9
      • 3.1 Encryption p. 7 octets [18240, 19012) 1
      • 3.2 Contrôle d'accès p. 8 octets [19012, 20330)
      • 3.3 Incidents p. 9 octets [20330, 21104)
    • 4 Sous-traitants ultérieurs summary · p. 10–14
      • 4.1 Sous-traitants ultérieurs p. 10 octets [26410, 27388) 2
Descendant : le chemin à travers les résumés Ascendant : correspondances par mots-clés et embeddings sur les sections feuilles
  1. 1 3.1 Encryption p. 7 · bytes [18240, 19012)
    Atteint par les deux entonnoirs : le chemin via 3 Mesures de sécurité et la recherche par feuilles.
  2. 2 4.1 Sous-traitants ultérieurs p. 10 · bytes [26410, 27388)
    Recherche par feuilles seulement : le passage nomme l'hébergeur du sous-traitant.

Document et positions donnés à titre d'illustration. Le classement fusionné est ce que renvoie la recherche ; la réponse est composée à partir de ces passages.

Import

FichierCe qui se passe
.pdfReconnaissance de texte avec repères de page, pour que les pages numérisées fonctionnent. L'original est conservé.
.docxConverti directement en Markdown, sans reconnaissance de texte.
.md · .markdown · .txt · .textLu tel quel, avec ajout de repères de page. Il n'existe pas d'original PDF pour ces fichiers.

Un fichier déjà importé est signalé comme doublon. La progression peut être diffusée en continu pendant la lecture du document.

Modèles

Modèles de réponse
N'importe quel modèle de langage. Vous choisissez le modèle qui répond, réglé pour chaque espace de travail ; sur Corporate, vous pouvez utiliser votre propre clé de modèle. Dans le chat web, chacun peut choisir le modèle à chaque question. Changer de modèle de réponse ne demande aucune réimportation.
Embeddings
Fixé pour un espace de travail : changer de modèle d'embedding invaliderait les vecteurs stockés, ce choix n'est donc pas proposé.
Accès aux modèles
Inclus dans le service. Aucun compte ni aucune clé de fournisseur à configurer.

Open Knowledge Format

Chaque document est stocké sous forme de dossier Markdown avec un en-tête YAML, conformément à la spécification Open Knowledge Format: un résumé de l'ensemble du document, le texte intégral, le fichier original et un dossier par section, jusqu'aux sections feuilles. Le Markdown de tout document peut être lu via l'API.

Arborescence
contracts/
└── data-processing-agreement/
    ├── index.md                        résumé de l'ensemble du document
    ├── data-processing-agreement.md    texte intégral en Markdown
    ├── data-processing-agreement.pdf   l'original (aucun pour les envois .md ou .txt)
    └── 03-security-measures/
        ├── index.md                    résumé de la section
        └── 03-01-encryption.md         une section feuille
Noms donnés à titre d'illustration.

Référence API

Chaque endpoint, paramètre et réponse est décrit dans une référence API distincte.

Référence API

Questions

Questions fréquentes

Comment appeler l'API Hippocampus ?

Un administrateur de l'espace de travail crée un client API sous Manage → API clients. Votre programme échange son identifiant et son secret contre un jeton et appelle https://hippocampus.thalius.ai/api/v1 : POST /search pour les passages, GET /folders pour parcourir, POST /ingest pour ajouter un document et GET /jobs/{job_id} pour suivre l'import. Les endpoints et les exemples sont sur la page API.

Que signifie la prise en charge de MCP ?

Hippocampus fournit un serveur MCP, de sorte que Claude Code, Codex, d'autres agents et des assistants de chat peuvent chercher dans vos documents, ouvrir dossiers, documents et sections, lire leur texte exact et ajouter des fichiers en cours de tâche. Il utilise le transport Streamable HTTP et connecte les clients avec OAuth, si bien qu'aucun jeton n'est collé dans le client. L'adresse s'affiche dans l'application sous « Connect to your AI », et la configuration de chaque client se trouve sur la page MCP.

Quels modèles peuvent répondre ?

Hippocampus fonctionne avec n'importe quel modèle de langage. Vous choisissez quel modèle répond, réglé par espace de travail, et dans le chat web une personne peut choisir le modèle à chaque question. Sur Corporate, vous pouvez utiliser votre propre clé de modèle. Changer de modèle de réponse ne demande aucun réimport. Le modèle d'embedding est fixé pour un espace de travail, car le changer invaliderait les vecteurs stockés.

Quels formats de fichier puis-je importer ?

Vous pouvez importer des PDF, des documents Word (.docx), des présentations PowerPoint (.pptx), des classeurs Excel (.xlsx), du Markdown (.md, .markdown) et du texte brut (.txt, .text). Les PDF passent par une reconnaissance de texte avec marqueurs de page, si bien que les pages numérisées fonctionnent, et l'original est conservé ; les .docx sont convertis directement en Markdown ; les .pptx et .xlsx sont lus et convertis en Markdown ; le Markdown et le texte sont lus tels quels, avec ajout de marqueurs de page. Un fichier déjà importé est signalé comme doublon.

Que contient un export Open Knowledge Format ?

Chaque document est un dossier de Markdown avec front matter YAML : un résumé de l'ensemble du document, le texte intégral, le fichier original, et un dossier par section jusqu'aux sections feuilles. L'organisation suit la spécification Open Knowledge Format, et le Markdown de n'importe quel document peut être lu via l'API. La base de connaissances peut être exportée à tout moment tant que le compte est actif.

Que renvoie une recherche ?

Chaque résultat indique le titre du document, la section, les pages de début et de fin et le texte du passage ; via MCP, il renvoie aussi vers l'endroit exact de la source. Les citations viennent de la recherche, jamais du modèle, et lorsque les documents ne couvrent pas une question, la réponse le dit au lieu de deviner.

L'API a-t-elle des limites de débit ?

Oui, les requêtes API sont limitées en débit selon l'offre, et le service applique la limite. Les limites elles-mêmes ne sont pas publiées ; toute charge supérieure nécessite un accord écrit avec nous.

Ne nous croyez pas sur parole. Testez.

Gratuit pour commencer. Sans carte ni appel commercial.