# Embeddings

> Choisissez le modèle d'embedding utilisé pour la memory et la recherche de connaissances de PentAGI.

Les vecteurs d'embedding alimentent la recherche sémantique sur la [memory](https://pentagi.com/fr/docs/glossary/#memory), la [knowledge base](https://pentagi.com/fr/docs/glossary/#knowledge-base) et les résultats précédents. OpenAI est le [provider](https://pentagi.com/fr/docs/glossary/#provider) par défaut ; en l'absence de `EMBEDDING_MODEL` défini, il utilise `text-embedding-ada-002`. Un exemple de configuration dans `.env` :

```bash
EMBEDDING_PROVIDER=openai          # openai, ollama, mistral, jina, huggingface, googleai, voyageai
EMBEDDING_MODEL=text-embedding-3-small
# optional custom endpoint
EMBEDDING_URL=
# provider API key, if required
EMBEDDING_KEY=
EMBEDDING_BATCH_SIZE=512               # default
EMBEDDING_MAX_TEXT_BYTES=8192          # default
```

Tout service implémentant l'API `/embeddings` d'OpenAI fonctionne avec `EMBEDDING_PROVIDER=openai` et une `EMBEDDING_URL` personnalisée.

> [!WARNING]
> Si vous changez de provider d'embeddings ou de modèle, recalculez les vecteurs stockés avec `docker exec -it pentagi /opt/pentagi/bin/etester reindex` — les vecteurs provenant de modèles différents ne sont pas comparables. N'exécutez pas `etester flush` pour cela : cela supprime tous les documents stockés, y compris la knowledge base.

## [Certificats d'autorité de certification personnalisés](https://pentagi.com/fr/docs/configuration/embeddings/#custom-ca-certificates)

Si un backend de modèle ou un serveur de [tool](https://pentagi.com/fr/docs/glossary/#tool) utilise une autorité de certification privée et que vous observez `x509: certificate signed by unknown authority`, placez le bundle PEM dans le volume `pentagi-ssl` et configurez PentAGI pour qu'il l'utilise :

```bash
EXTERNAL_SSL_CA_PATH=/opt/pentagi/ssl/ca-bundle.pem
EXTERNAL_SSL_INSECURE=false
```

Redémarrez ensuite avec `docker compose up -d pentagi`.