Modèles et plateformes d’IA
Cohere intègre Embed 5 et Rerank 5 à l’API unifiée d’OpenRouter
Ajouter Unite.AI à vos sources préférées sur Google
Cohere a annoncé le 4 novembre 2026 que ses modèles de recherche Embed 5 et Rerank 5 étaient disponibles sur OpenRouter. Les utilisateurs existants peuvent les appeler avec la même clé API et les mêmes crédits que les autres modèles, sans SDK, compte ni facture distincts.
Ces modèles couvrent les étapes de recherche d’un pipeline de génération augmentée par récupération, ou RAG : Embed 5 convertit les documents et les requêtes en vecteurs, Rerank 5 réévalue les candidats en fonction de la requête, et n’importe quel modèle de chat sur OpenRouter peut générer la réponse finale. Cohere a également publié un flux de travail de référence en Python couvrant l’indexation, la recherche, le filtrage par pertinence et la génération avec citations.
La fiche d’Embed 5 Pro sur OpenRouter indique un tarif de 0,12 $ par million de jetons de texte et de 0,40 $ par million de jetons d’image ; Embed 5 Fast est proposé à 0,08 $ par million de jetons. La fiche de Rerank 5 Pro indique un tarif de 0,05 $ par million de jetons d’entrée pour cette offre, et de 0,02 $ par million de jetons pour Rerank 5 Fast.
Le déploiement sur OpenRouter élargit la distribution sans introduire une nouvelle génération de modèles. Cohere a lancé Embed 5 le 30 septembre 2026 et Rerank 5 le 21 octobre 2026 ; les deux gammes proposent des offres Pro et Fast.
Les embeddings partagés dissocient les coûts d’indexation et de requête
Le principal élément architectural est qu’Embed 5 Pro et Fast partagent un même espace d’embedding. Un corpus peut donc être indexé avec Pro et interrogé avec Fast sans reconstruire l’index, à condition que les deux utilisent les mêmes dimensions de sortie. Cela distingue le travail d’indexation, effectué une seule fois par corpus, de l’appel d’embedding sensible à la latence et au coût, effectué pour chaque question.
Lors de tests menés par Cohere sur 40 jeux de données de développement, la qualité moyenne normalisée de recherche était de 98,4 pour un index créé avec Pro et interrogé avec Fast, et de 96,6 avec Fast des deux côtés, contre 100 avec Pro des deux côtés. Le flux de travail d’OpenRouter adopte cette combinaison — indexation avec Pro et requêtes avec Fast — et réserve Pro à l’étape d’indexation hors ligne.
Embed 5 propose six tailles de vecteurs, de 256 à 2 048 dimensions, la valeur par défaut étant 2 048. L’exemple d’OpenRouter utilise des vecteurs à virgule flottante de 1 024 dimensions, car son API d’embeddings renvoie des nombres à virgule flottante ; Cohere recommande séparément des vecteurs int8 de cette dimension, qu’elle considère comme le meilleur compromis entre qualité et coût. Le regroupement des segments réduit les allers-retours réseau pendant l’indexation, mais ne diminue pas les frais d’embedding calculés en fonction du nombre de jetons. Le parcours en ligne utilise un appel à Embed 5 Fast, un appel à Rerank 5 et, si du contexte subsiste après le filtrage, un appel au modèle de chat par question.
Les scores de pertinence déterminent le contexte fourni à la génération
Le pipeline de référence récupère 20 segments par similarité cosinus, les transmet avec la question à Rerank 5, conserve jusqu’à cinq résultats et écarte ceux dont le score est inférieur au seuil de démonstration de 0,3. Le reclassement analyse conjointement la requête et chaque candidat, au lieu de s’appuyer uniquement sur la proximité vectorielle ; il peut être effectué après une recherche sémantique, par mots-clés ou hybride, sans Embed 5.
Selon Cohere, les scores calibrés de Rerank 5 restent cohérents d’une requête et d’un domaine à l’autre, ce qui permet d’utiliser un seuil unique pour déterminer quel contexte est transmis au modèle générateur ; la documentation de lancement indique qu’un score de 0,7 correspond à une probabilité de 70 % qu’un document soit utile. Pro est conçu pour les requêtes exigeant un raisonnement approfondi et les documents longs ou propres à un domaine, tandis que Fast vise la recherche à fort volume et les agents qui effectuent des recherches répétées. Les modèles prennent en charge un contexte de 32K jetons et peuvent traiter des enregistrements JSON ou des tableaux mis en forme sous forme de chaînes YAML.
Au moment de la génération, les segments retenus deviennent des sources numérotées ; le modèle reçoit pour consigne de répondre uniquement à partir de celles-ci et de les citer dans le texte. Si aucun segment ne dépasse le seuil, le flux de travail indique qu’il n’a pas trouvé la réponse et ignore l’appel au modèle de chat. Comme Rerank lit le texte brut au moment de la requête, changer de version du modèle de reclassement ne nécessite ni de réindexer ni de recalculer les embeddings.
Résultats de la démonstration et contraintes de production
La démonstration de Cohere s’appuie sur une documentation d’API fictive et pose la question suivante : comment renouveler une clé sans interruption de service ? La recherche reposant uniquement sur les embeddings a classé le document pertinent, Rotation des clés API, en première position avec un score de 0,522, suivi de Secrets de signature des webhooks à 0,337 et de Création de clés API à 0,316. Après reclassement, le document pertinent a obtenu un score de 0,808, tandis que les deux documents similaires sont passés sous le seuil.
L’exemple nécessite Python 3.10 ou une version ultérieure, une clé API et le SDK Python d’OpenRouter, ainsi que NumPy pour son magasin de vecteurs en mémoire. Pour les déploiements en production, il est recommandé de remplacer ce magasin par une base de données vectorielle. Les recommandations d’OpenRouter sur le RAG présentent le reclassement comme un compromis entre précision et latence : il peut améliorer les résultats lorsqu’il faut réduire un vaste ensemble de candidats, mais ajoute un appel API et convient moins bien lorsque la latence minimale est prioritaire.
La recherche multimodale nécessite un contournement. Embed 5 accepte les images et les entrées mixtes de texte et d’images, comme les pages PDF, et l’API d’embeddings d’OpenRouter accepte les URL d’images, mais Rerank 5 ne traite que le texte. Les options proposées consistent à reclasser le texte extrait des pages ou leurs légendes, ou à ne pas effectuer de reclassement pour les résultats visuels.
OpenRouter indique que Cohere est l’unique fournisseur des deux modèles Pro et lui transmet directement les requêtes. Les deux fiches précisent que le routage régional dans l’UE n’est pas disponible.
La disponibilité sur OpenRouter regroupe l’intégration et la facturation de la pile de recherche d’information, tandis que son modèle économique en production reste lié à l’architecture : une indexation Pro ponctuelle, des appels récurrents à Fast pour les requêtes, le reclassement et le chat, ainsi que le seuil de pertinence qui détermine le contexte fourni à la génération. L’API unique n’efface ni la latence supplémentaire, ni le reclassement limité au texte, ni les contraintes de routage régional documentées pour cette pile.
