Établi IA / pour les développeurs
Outils IA et LLM.
Pour celles et ceux qui développent avec des modèles de langage, et pour les sites que ces modèles lisent : structurer des prompts et des schémas d'outils, réparer le JSON renvoyé par un modèle, voir comment un document est découpé pour la recherche, et choisir quels robots IA peuvent lire vos pages. Le dernier groupe exécute de petits modèles dans votre navigateur : la photo ou le scan ne quitte jamais votre machine.
prêts
Développer avec des LLM
Prompts, schémas d'appel d'outils et sortie structurée renvoyée par un modèle.
Générateur de prompt système
Générez des prompts système LLM structurés avec sections XML et schémas JSON d'appel d'outils OpenAI/Claude.
Réparation JSON
Répare les JSON tronqués, mal formés, entre guillemets simples ou non échappés générés par des LLM, sans aller-retour serveur.
Objet JS vers JSON
Convertissez des littéraux d'objet JS sans guillemets, des guillemets simples et des virgules finales en JSON strict.
Générateur JSON Schema
Déduit et génère automatiquement des définitions JSON Schema à partir d'exemples de données JSON.
JSON Schema
Validez des données JSON avec JSON Schema directement dans votre navigateur et consultez des chemins d'erreur clairs.
Découpeur de texte RAG
Visualisez stratégies de découpage, tailles de segments en caractères/tokens et chevauchements pour l’indexation vectorielle RAG, dans votre navigateur.
Rendre un site lisible par l'IA
Ce que les robots IA peuvent récupérer, et ce qu'ils y trouvent.
AI Crawler Checker
Comprenez comment les règles robots.txt d’un site s’appliquent aux robots d’IA connus.
llms.txt
Inspectez la structure, les liens et le texte source d’un fichier llms.txt facultatif d’un site.
Vérificateur de robots.txt
Consultez les règles d’exploration, les déclarations de sitemap et l’accessibilité en un coup d’œil.
Schema Checker
Trouvez les blocs JSON-LD, les types Schema.org, les erreurs d'analyse et des avertissements de base.
L'IA sur votre propre appareil
Des modèles qui tournent dans l'onglet du navigateur : le fichier n'est jamais envoyé.
Image en texte
Extrayez le texte d’une photo ou d’une capture d’écran, directement dans votre navigateur, sans téléverser le fichier.
PDF OCR
Extrayez le texte d’un PDF scanné qui ne contient aucun texte sélectionnable.
Photo d’identité
Créez une photo de passeport ou d’identité au bon format, fond blanc, bleu ou rouge, cadrage automatique, et planche d’impression à 300 dpi.
Obtenir une sortie exploitable
La plupart des échecs d'une fonctionnalité LLM ne sont pas de mauvaises réponses mais des réponses inutilisables : une réponse noyée dans du texte, une virgule finale en trop, une clé entre apostrophes, un objet coupé parce que la limite de tokens est atteinte. Décrivez la forme attendue en JSON Schema — le générateur de JSON Schema en écrit un à partir d'un exemple — et transmettez-le à la fonction de sortie structurée ou d'appel d'outils du modèle plutôt que de demander du JSON en toutes lettres.
Si une réponse arrive malgré tout cassée, l'outil de réparation de JSON de LLM corrige les défauts mécaniques, le convertisseur d'objets JS en JSON gère les littéraux de style JavaScript et le validateur JSON Schema confirme la conformité avant que votre code s'y fie. Le générateur de prompts système garde les instructions et définitions d'outils dans un format cohérent.
Le découpage pour la recherche
Un système de recherche répond à partir des fragments qu'il trouve : le découpage décide donc de ce qu'un modèle peut voir. Des fragments trop petits perdent la phrase qui leur donne du sens ; trop grands, ils noient la ligne utile parmi d'autres et coûtent plus cher à vectoriser et à envoyer. Le chevauchement garde une phrase à cheval sur une limite trouvable des deux côtés, au prix d'un stockage en double.
Le découpeur de texte RAG montre exactement où un document se coupe pour une taille et un chevauchement donnés, ce qui est plus rapide que de remonter d'une mauvaise réponse jusqu'au découpage qui l'a causée.
Décider ce que lisent les robots IA
Les robots d'entraînement, les robots de recherche IA et les requêtes faites pour le compte d'un utilisateur utilisent des jetons User-agent différents : un site peut refuser l'entraînement tout en restant visible dans les réponses des IA. Le vérificateur de robots IA confronte le robots.txt d'un site à dix d'entre eux et explique chacun ; le vérificateur robots.txt affiche le fichier complet.
Pour les pages que vous voulez faire lire, un fichier llms.txt oriente les modèles vers vos documents les plus utiles, et les données structurées disent clairement de quoi parle une page. Ni l'un ni l'autre n'est une garantie, mais tous deux coûtent peu.
Des modèles qui restent dans le navigateur
Les outils d'OCR et de photo exécutent leurs modèles dans la page. La première utilisation télécharge le modèle — quelques mégaoctets — puis le travail se fait sur votre propre processeur : un contrat scanné, une photo d'identité ou une capture d'écran est lu et traité sans être envoyé nulle part.
La contrepartie, c'est la vitesse sur les appareils anciens et les limites d'un petit modèle. Image en texte et PDF scanné en texte reconnaissent bien le texte imprimé et mal l'écriture manuscrite ; le créateur de photo d'identité trouve le visage et le fond automatiquement, mais vous demande de vérifier le résultat selon les règles de votre pays.