Le framework d’agents IA
pensé conformité, dès le départ
IA multi-modèles avec rapports de conformité RGPD, HIPAA & AI Act intégrés. Compatible avec tous les modèles. Déployable partout.
La plupart des frameworks d’IA vous laissent gérer la conformité seul.
Pas MultiMind.
Une seule API, tous les modèles
OpenAI, Claude, Gemini, Mistral, Grok, DeepSeek, xAI, Together, Perplexity, Fireworks, Cerebras, 300+ modèles via OpenRouter, et des modèles locaux via Ollama — une seule interface asynchrone, avec streaming.
Conformité intégrée
Un garde-fou PII prêt à l’emploi détecte, masque et audite les données sensibles à chaque appel de modèle. La modélisation des politiques RGPD & HIPAA et les tableaux de bord de conformité sont un module de premier plan, pas une réflexion après coup.
Gouvernez la stack que vous avez déjà
Pas besoin de migrer hors de LangChain, LlamaIndex, CrewAI, AutoGen ou Haystack — enveloppez-les. Lancez multimind serve et pointez n’importe quelle app compatible OpenAI vers lui pour ajouter la rédaction PII, budgets et audit en une ligne.
Gouverné par défaut
Des budgets de coûts qui stoppent les dépassements avant l’appel, une détection d’hallucinations avec preuves au niveau de la phrase, et des pistes d’audit — chacun un wrapper d’une ligne autour de n’importe quel modèle.
Changez de modèle, gardez le contexte
Déplacez une conversation en cours de GPT vers Claude puis vers un modèle local — le contexte vous suit via ModelSession.
Un RAG qui fonctionne vraiment
FAISS et Chroma avec traitement de documents prêt à l’emploi, plus 40+ bases vectorielles supportées dont Pinecone, Qdrant, Weaviate, Milvus, pgvector et LanceDB.
Mémoire persistante — des agents qui se souviennent
Les agents sont livrés avec une mémoire persistante : contexte, décisions et préférences survivent d’une session à l’autre au lieu d’être réinitialisés à chaque conversation. Votre agent du lundi sait ce qu’il a appris le vendredi.
Un second cerveau à partir de vos documents
Associez la mémoire des agents au pipeline RAG et à 40+ bases vectorielles pour construire un second cerveau durable à partir de vos propres documents — ce que votre équipe sait devient récupérable par vos agents.
Votre mémoire, votre infrastructure
Le second cerveau vit là où vous l’exécutez — avec des modèles locaux via Ollama, il fonctionne entièrement sur site, et les connaissances accumulées ne quittent jamais votre environnement.
Fonctionnalités
Chaque statut ci-dessous est honnête — Beta veut dire beta. Détails complets dans FEATURES.md.
Chat multi-modèles
OpenAI, Claude, Gemini, Grok, et plus via une seule interface asynchrone.
Réponses en streaming
Streaming token par token sur tous les fournisseurs.
Garde-fou PII en exécution
Détecte, masque, bloque et audite les données sensibles à chaque appel.
Suivi des coûts & budgets
Stoppe les dépassements avant que l'appel ne parte.
Détection d'hallucinations
Vérifications d'ancrage au niveau de la phrase par rapport à vos sources.
Changement de modèle en cours de conversation
ModelSession transporte le contexte de GPT vers Claude vers un modèle local.
Proxy de conformité (multimind serve)
Proxy compatible OpenAI ajoutant des garde-fous en une ligne.
Interface du tableau de bord de gouvernance
multimind dashboard — visualisez garde-fous et usage.
Rapports de preuves de conformité
Rapports Markdown/HTML associés à de vrais référentiels de contrôle.
Adaptateurs de frameworks
LangChain, LlamaIndex, CrewAI, AutoGen, Haystack — enveloppez, ne migrez pas.
Audit d'usage IA & refacturation
multimind audit — coûts et usage par équipe ou projet.
Serveur MCP Anthropic
Outils de conformité exposés via le Model Context Protocol.
Pipeline RAG
FAISS et Chroma avec traitement de documents prêt à l'emploi.
Bases vectorielles (jeu principal)
Pinecone, Qdrant, Weaviate, Milvus, pgvector, LanceDB.
Agents IA avec outils & mémoire
Agents natifs à appel de fonctions avec mémoire persistante.
Conformité RGPD & HIPAA
Application en exécution, pas seulement des documents de politique.
Entrée vision / multimodale
Passez images= directement à generate() ou chat().
Déploiement Docker
Image légère d'environ 300 Mo, prête à l'emploi.
Agents auto-orchestrés
Génération bornée d'agents pour les tâches multi-étapes.
Modèles non-transformers
Mamba et RWKV via la même interface.
Fine-tuning (LoRA / QLoRA)
Fine-tuning efficace en paramètres, CPU et GPU.
Bases vectorielles (jeu étendu)
26 bases supplémentaires, moins éprouvées en production.
Une IA prête pour la souveraineté européenne
La souveraineté numérique n’est pas une fonctionnalité qu’on achète — c’est une architecture où vos données, vos modèles et vos preuves restent sous votre contrôle. MultiMind est conçu exactement pour cela.
Fonctionne entièrement sur votre infrastructure
Modèles locaux via Ollama, sur site ou sur une infrastructure hébergée en Europe — les prompts, documents et journaux d’audit n’ont jamais à quitter votre environnement. Le scanner PII fonctionne même hors ligne, sans clé API.
Une souveraineté numérique totale, avec des solutions européennes sans lock-in
Le même changement d’une ligne qui déplace une charge de travail de GPT vers Claude la déplace d’un cloud américain vers un modèle hébergé en Europe ou local — via multimind serve, sans toucher au code applicatif.
Preuves AI Act & RGPD, à partir de vos propres journaux
Tenue de registres (Art. 12), transparence (Art. 50), base légale et limitation des finalités — attestées à partir des journaux d’audit et de coûts que votre application produit déjà, générées sur vos propres machines.
MultiMind soutient les objectifs européens de souveraineté numérique par son architecture — exécution locale, portabilité entre fournisseurs et preuves auto-générées. C’est une propriété de conception, pas une certification ni une détermination juridique.
Conçu pour l’AI Act européen et tous les référentiels dont vous êtes déjà responsable
MultiMind génère des rapports de preuves de conformité à partir de vos propres artefacts d’exécution — journaux d’audit, journaux de coûts, événements PII — et les associe à de vrais référentiels de contrôle :
- AI Act européen — Art. 12 tenue de registres, Art. 50 transparence
- SOC 2 — surveillance, accès logique
- HIPAA — contrôles d’audit 164.312(b)
- RGPD — base légale & limitation des finalités appliquées en exécution
Chaque correspondance est formulée comme « soutient », jamais « satisfait ». Un rapport est une preuve technique générée à partir d’artefacts d’exécution — pas un avis juridique, une certification, ou une détermination de conformité. Un artefact absent signifie une preuve absente, pas un risque absent.
multimind compliance report-evidence \
--audit-log audit.jsonl \
--costs-log costs.jsonl \
--project . \
--period 2026-07 \
--format html -o evidence.htmlBientôt : entraînez et gérez vos modèles depuis le tableau de bord
Le tableau de bord de gouvernance ci-dessous (multimind dashboard) est réel et disponible dès aujourd’hui — Vue d’ensemble, Piste d’audit, Coûts, Inventaire et Garde-fous, en ne lisant que les artefacts locaux produits par votre propre SDK. À venir : intégrer la gestion du cycle de vie des modèles dans le même écran.
Prévu — pas encore construit
- Interface de fine-tuning sans code — une interface pour le moteur de fine-tuning LoRA/QLoRA existant, avec optimisation des hyperparamètres et fine-tuning multi-tâches.
- Fine-tuning RAG avec données synthétiques — générez et entraînez sur des exemples synthétiques à partir de vos propres documents.
- Tableau de bord analytique avancé — des tendances de coûts et de performance plus poussées au-delà des graphiques actuels de dépenses et de PII.
- Constructeur d’agents sans code — un constructeur visuel par glisser-déposer pour composer des agents et des pipelines multi-modèles. Les agents sont aujourd’hui codés en Python (
Agent+ outils) ; aucune interface visuelle n’existe encore. - Améliorations de l’orchestration multi-agents — communication agent-à-agent et systèmes d’agents hiérarchiques, en s’appuyant sur l’orchestration d’agents bornée d’aujourd’hui.
Source : ROADMAP.md — tenu à jour honnêtement, pas un engagement de livraison.
Études de cas
Deux façons dont les équipes utilisent réellement MultiMind — une pour les développeurs, une pour tous les autres.
Pour les développeurs : gouvernez une app que vous avez déjà — changez une seule ligne
Aucune migration. Démarrez le proxy de conformité, puis pointez n’importe quel client compatible OpenAI (LangChain, LlamaIndex, le SDK openai brut, ou autre) vers lui.
1. Démarrer le proxy
multimind serve --port 8400 --upstream openai \
--block-on ssn,credit_card \
--budget 25.00 \
--audit-log audit.jsonl2. Changer le base_url — c’est tout
from openai import OpenAI
# The ONLY change: base_url.
# Every call now gets PII redaction,
# budgets, and an audit trail.
client = OpenAI(
base_url="http://localhost:8400/v1",
api_key="unused-upstream-key-is-server-side",
)
client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "..."}],
)Résultat : chaque appel passant par le proxy est nettoyé des PII, vérifié par rapport au budget, et journalisé dans audit.jsonl — sans aucun changement au code applicatif de LangChain, LlamaIndex ou CrewAI.
Pour tous les autres : détectez les données sensibles sans écrire de code
MultiMind, ce sont des ceintures de sécurité pour l’IA. Les responsables conformité, analystes et chefs de produit peuvent vérifier si un document contient des données sensibles directement depuis un terminal — sans connaissance de Python, sans clé API, sans connexion internet. Voir le guide non technique complet.
1. Scanner une phrase pour détecter des données sensibles
multimind compliance scan-text \
"Contact Jane at jane.doe@corp.com or 555-123-4567"2. Lire le résultat — simple et clair
PII Findings (2)
┏━━━━━━━┳━━━━━━━┳━━━━━┳━━━━━━━━━━━━━━━━━━━┓
┃ Type ┃ Start ┃ End ┃ Match ┃
┡━━━━━━━╇━━━━━━━╇━━━━━╇━━━━━━━━━━━━━━━━━━━┩
│ email │ 16 │ 34 │ jane.doe@corp.com │
│ phone │ 38 │ 50 │ 555-123-4567 │
└───────┴───────┴─────┴───────────────────┘Résultat : les données sensibles sont interceptées avant même d’atteindre un fournisseur d’IA — et le même garde-fou produit une piste d’audit infalsifiable qui enregistre ce qui a été trouvé et quand, sans jamais stocker les valeurs sensibles elles-mêmes. Remise à un auditeur telle quelle.