Formats pris en charge

30 formats de fichiers par l'API, 4 de plus en mode local, et des sources en ligne.

Formats de fichiers#

Type	Formats (extensions)
Documents (7)	PDF (`.pdf`), Word (`.docx`), PowerPoint (`.pptx`), HTML (`.html`, `.htm`), Markdown (`.md`, `.markdown`, `.mdx`), reStructuredText (`.rst`), texte brut (`.txt`, `.text`, `.log`)
Données (6)	CSV (`.csv`), TSV (`.tsv`, `.tab`), JSON (`.json`), JSON Lines (`.jsonl`, `.ndjson`), SQLite (`.sqlite`, `.sqlite3`, `.db`), Parquet (`.parquet`)
E-mails (2)	EML (`.eml`), MBOX (`.mbox`)
Sous-titres (2)	SubRip (`.srt`), WebVTT (`.vtt`)
Images (6)	PNG, JPEG, WebP, GIF, BMP, TIFF (`.png`, `.jpg`, `.jpeg`, `.webp`, `.gif`, `.bmp`, `.tif`, `.tiff`)
Audio (5)	MP3, WAV, AAC/M4A, Ogg, FLAC (`.mp3`, `.wav`, `.m4a`, `.aac`, `.ogg`, `.opus`, `.flac`)
Vidéo (6)	MP4, Matroska, WebM, QuickTime, AVI, MPEG-TS (`.mp4`, `.m4v`, `.mkv`, `.webm`, `.mov`, `.avi`, `.ts`)

Plusieurs extensions d'un même format comptent une fois. SQLite, Parquet, EML et MBOX: mode local seulement (ligne de commande, serveur MCP ou SDK Python sur votre machine).

Non pris en charge#

Refusés (415 unsupported_source, avec le format de conversion):

Tableurs (.xlsx, .xlsm, .xltx, .xltm, .xlsb, .ods): exportez la feuille en CSV.
Anciens fichiers Office binaires (.doc, .dot, .ppt, .pps, .pot, .xls): enregistrez-les en .docx, .pptx, CSV ou PDF.

Tailles et durées maximales: Limites.

Sources en ligne#

Dans les sources d'une question, ou en source de POST /v1/sources. GET /v1/connectors liste celles du déploiement, avec des exemples (une recherche à clé tierce n'est active que si la clé est configurée). Adresse d'un réseau privé: 400 fetch_blocked.

Web#

Source	Spécification	Remarques
Page web ou URL de document	`https://...`	toute page, ou un PDF, un fichier Office, un média; gros PDF lus par plages d'octets, jamais en entier
Site entier ou de documentation	racine d'un site (`https://docs.example.com/`, ou `/docs`, `/api`, `/reference`)	plan du site et navigation comme plan, 60 pages au plus
Page archivée	`wayback:https://www.python.org/@2010`	instantané Wayback Machine le plus proche de la date
Google Docs, Sheets, Slides	lien de partage public	rafraîchi toutes les heures

Plateformes vidéo et audio#

Source	Spécification	Remarques
YouTube, vidéos Twitch, Vimeo, TED, SoundCloud, Apple Podcasts	URL de la vidéo ou de l'épisode	chapitres et sous-titres d'abord, puis transcription sélective; liens à la seconde
Direct Twitch	`twitch:<chaîne>`, `twitch:<chaîne>?window=120`	enregistré pendant chaque requête (sources dynamiques)
Chat Twitch	`twitch-chat:<chaîne>`	lu pendant chaque requête, comme enregistrements

Flux et recherches (rafraîchis à l'usage)#

Source	Spécification	Rafraîchie
Flux RSS ou Atom	`feed:https://export.arxiv.org/rss/cs.IR`	toutes les 15 min
Article Hacker News et sa discussion	`hn:8863`	toutes les 10 min
Recherche Hacker News	`hn-search:vector database`	toutes les 10 min
Recherche arXiv, derniers articles	`arxiv-search:retrieval augmented generation`, `arxiv-latest:cat:cs.IR`	toutes les heures
Compte, recherche ou fil Bluesky	`bsky:bsky.app`, `bsky-search:open source retrieval`	toutes les 5 min
Résultats de recherche web	`web:obligations AI Act`	toutes les heures (si activée sur le déploiement)
Issues et pull requests GitHub	`github:fastapi/fastapi/issues`	toutes les 30 min

Connaissances, recherche, droit et finance#

Source	Spécification
Wikipédia, toutes langues	`wikipedia:Large language model`, `wikipedia:fr:Tour Eiffel`
Article arXiv	`arxiv:1706.03762`
Recherche scientifique (OpenAlex)	`openalex:perovskite solar cell stability`
PubMed, Europe PMC	`pmid:31452104`, `pmcid:PMC6716348`
Stack Overflow, Stack Exchange	`so:11227809`, `stackexchange:superuser/1167166`
Dépôt GitHub (README et documentation)	`github:astral-sh/uv`
Paquets (PyPI, npm, crates.io)	`pypi:requests`, `npm:react`, `crates:<crate>`
Droit de l'UE (EUR-Lex)	`eurlex:32016R0679`, `eurlex:32024R1689@fr`
RFC de l'IETF	`rfc:9110`
Dépôts SEC et données financières XBRL	`edgar:AAPL`, `edgar:MSFT/10-Q`, `edgar-facts:AAPL`
Données ouvertes (data.gouv.fr)	`datagouv:<jeu de données>`
Lieux OpenStreetMap, géocodage	`osm:amenity=pharmacy@Lyon 3e Arrondissement`, `osm-geocode:Mont Saint-Michel`

Infrastructure internet#

Source	Spécification
Enregistrements DNS	`dns:example.com`
Journaux de transparence des certificats	`crtsh:example.com`
Données d'enregistrement (RDAP)	`rdap:example.com`, `rdap:8.8.8.8`, `rdap:AS13335`
Sonde HTTP(S)	`probe:https://example.com`
Fiche CVE	`cve:CVE-2024-3094`

Texte en ligne#

text: suivi de texte ou de Markdown: "sources": "text:# Notes de réunion\n\nLe lancement passe en mars.".