LlamaIndex sur des modèles d'IA exécutés en Europe

Construisez pipelines RAG et agents LlamaIndex sur des modèles exécutés en Europe, avec OpenAILike et OpenAILikeEmbedding. OpenAILike(model, api_base, api_key, …) de llama-index-llms-openai-like.

Documentation de l'outil lue le 12 oct. 2026

BientôtOuverture prochaine : ce qui suit décrit le service tel qu'il fonctionnera.

Outil: LlamaIndex · Framework RAG (Python)
Format d'API: Compatible OpenAI (Chat Completions)
URL de base: https://evanesca.app/api/v1
Vos prompts: De votre machine ou de votre serveur, directement vers Evanesca

Configuration

1. Le LLM et le modèle d'embedding

Deux réglages par défaut gênent : is_chat_model vaut False, ce qui envoie LlamaIndex vers l'ancien endpoint de complétion qu'Evanesca ne sert pas, et context_window vaut 3 900 tokens. Réglez les deux, et is_function_calling_model pour les agents.

Python

# pip install llama-index-llms-openai-like llama-index-embeddings-openai-like
import os
from llama_index.llms.openai_like import OpenAILike
from llama_index.embeddings.openai_like import OpenAILikeEmbedding

llm = OpenAILike(
    model="deepseek-v4.1-flash",
    api_base="https://evanesca.app/api/v1",
    api_key=os.environ["EVANESCA_API_KEY"],
    context_window=1000000,
    is_chat_model=True,
    is_function_calling_model=True,
)

embed_model = OpenAILikeEmbedding(
    model_name="bge-multilingual-gemma2",
    api_base="https://evanesca.app/api/v1",
    api_key=os.environ["EVANESCA_API_KEY"],
)

D'où viennent ces réglages

Ces réglages viennent de la documentation officielle de LlamaIndex, lue le 12 oct. 2026. Ce guide n'a pas encore été déroulé avec Evanesca : il le sera à l'ouverture de l'API.

Quel modèle choisir

Les modèles d'Evanesca dont un vrai appel d'outil est revenu chez leur opérateur. Ce guide prend DeepSeek V4.1 Flash et Gemma 4 26B, choisis dans le catalogue pour leurs propriétés. Prix par million de tokens, entrée / sortie, marge et TVA comprises.

Identifiant	Opérateur et lieu	Contexte	Raisonnement	Prix
`mistral-large-4`	Région UE de Mistral AI	512k	—	2,5133 € / 7,7246 €
`deepseek-v4.1-flash`	Allemagne (AKI.IO)	1M	Oui	1,008 € / 3,024 €
`glm-5.3`	Allemagne (AKI.IO)	512k	Oui	3,024 € / 9,24 €
`qwen3.8-27b`	Scaleway — Paris, France	256k	Oui	1,008 € / 5,544 €
`deepseek-v4-flash`	Scaleway — Paris, France	256k	Oui	0,672 € / 1,344 €
`apertus-v1.5-70b`	Suisse (Infomaniak)	100k	—	1,2936 € / 4,62 €
`glm-5.2`	Scaleway — Paris, France	256k	Oui	3,024 € / 9,24 €
`qwen3.6-35b`	Scaleway — Paris, France	256k	Oui	0,42 € / 2,52 €
`gemma-4-26b`	Allemagne (AKI.IO)	256k	—	0,168 € / 0,84 €
`mistral-small-4-119b`	Région UE de Mistral AI	256k	—	0,2772 € / 1,1088 €
`qwen3.5-397b`	Scaleway — Paris, France	250k	Oui	1,008 € / 6,048 €
`gpt-oss-120b`	Scaleway — Paris, France	—	Oui	0,252 € / 1,008 €
`qwen3-coder-30b`	Scaleway — Paris, France	256k	—	0,336 € / 1,344 €
`qwen3-235b`	Scaleway — Paris, France	250k	—	1,26 € / 3,78 €
`mistral-small-3.2`	Scaleway — Paris, France	—	—	0,252 € / 0,588 €
`llama-3.3-70b`	Scaleway — Paris, France	—	—	1,512 € / 1,512 €
`pixtral-12b`	Scaleway — Paris, France	128k	—	0,336 € / 0,336 €

Les tokens de raisonnement sont facturés comme de la sortie. Où tourne chaque modèle et ce que garde son opérateur : Modèles et Europe.

À savoir

Une instance OpenAILike par modèle ; la classe d'embedding prend model_name, pas model.
Passez allow_parallel_tool_calls=True à chat_with_tools et aux agents. Sinon, LlamaIndex envoie parallel_tool_calls: false, auquel les endpoints d'OVHcloud ont répondu HTTP 400 le 13 octobre 2026.
Ne réglez is_function_calling_model=True que pour des modèles dont l'appel d'outils est mesuré.

Où vont vos prompts

La bibliothèque tourne dans votre processus Python et appelle elle-même api_base ; rien dans OpenAILike ne passe par LlamaCloud.

Côté Evanesca, le modèle tourne chez un opérateur européen, que nomment les en-têtes x-evanesca-operator et x-evanesca-location de chaque réponse, et Evanesca ne garde aucune trace des prompts ni des réponses — seulement les données de facturation de chaque appel. Ce que garde chaque opérateur est détaillé dans Modèles et Europe ; l'hébergeur des serveurs d'Evanesca est nommé dans les mentions légales.

Sources

Documentation officielle, lue le 12 oct. 2026 :

Questions fréquentes

LlamaIndex fonctionne-t-il avec Evanesca ?

Oui, par son réglage d'URL de base : OpenAILike(model, api_base, api_key, …) de llama-index-llms-openai-like. Ces réglages viennent de la documentation officielle de LlamaIndex, lue le 12 oct. 2026. Ce guide n'a pas encore été déroulé avec Evanesca : il le sera à l'ouverture de l'API.

Quel modèle d'Evanesca choisir avec LlamaIndex ?

Un modèle dont l'appel d'outils est mesuré. Ce guide prend DeepSeek V4.1 Flash et Gemma 4 26B ; les 17 candidats sont dans le tableau de cette page, avec leur fenêtre de contexte et leur prix.

Mes prompts restent-ils en Europe avec LlamaIndex ?

La bibliothèque tourne dans votre processus Python et appelle elle-même api_base ; rien dans OpenAILike ne passe par LlamaCloud. Côté Evanesca, le modèle tourne chez un opérateur européen, que nomment les en-têtes x-evanesca-operator et x-evanesca-location de chaque réponse, et Evanesca ne garde aucune trace des prompts ni des réponses — seulement les données de facturation de chaque appel. Ce que garde chaque opérateur est détaillé dans Modèles et Europe ; l'hébergeur des serveurs d'Evanesca est nommé dans les mentions légales.

Une clé, et l'outil tourne sur des modèles en Europe.

Crédit prépayé, sans abonnement : la même clé sert à tous les guides.

Obtenir une clé API Toutes les intégrations