Essai · Community
Gratuitsans limite de durée
Pour mesurer l'économie sur vos propres documents.
- 10 documents par appel, 50 appels par jour
- Tableau de bord en temps réel
- Estimation et suivi des économies
Extension MCP · disponible à la vente
Votre assistant ne lit que ce qui sert.
AIOTECH MCP s'installe dans Claude Code, Claude Desktop, Cursor et tout client MCP. Avant que l'assistant ne lise vos documents, il ne lui transmet que les passages utiles à la question, puis affiche en temps réel les tokens et l'argent économisés.
−85 %de tokens de contexte envoyés au modèle
100 %des documents utiles conservés
0réponse erronée servie par le cache sur 3 000 requêtes
Mesuré sur le corpus de test du dépôt (295 questions, 53 documents, aucun appel LLM). Détails et limites dans la section Mesures.
L'extension
Un serveur MCP, huit outils, un tableau de bord en direct.
Au lieu de faire lire des documents entiers à l'assistant, AIOTECH MCP choisit les seuls passages utiles avec l'ARG et lui renvoie ce contexte réduit. Chaque appel est compté : vous voyez l'économie au fil de l'eau, pas sur une promesse.
Moins de tokens, mêmes réponses
Les passages utiles sont retenus dans des textes, des fichiers ou des dossiers entiers. Sur le corpus de test : −85 % de tokens de contexte, 100 % des documents utiles conservés.
L'économie en temps réel
Tableau de bord local mis à jour à chaque appel, ligne d'état dans Claude Code, relevé mensuel et export CSV : tokens évités et dollars économisés au tarif de votre modèle.
Des réponses vérifiées
Chaque phrase de la réponse doit s'appuyer sur le contexte retenu ; le maillon faible est signalé. Si le contexte ne suffit pas, l'outil le dit au lieu de laisser l'assistant inventer.
Vos données restent chez vous
Le serveur tourne sur votre poste ou votre infrastructure. Aucune question ni aucun document n'est transmis à l'éditeur : seuls des compteurs sont enregistrés localement, et la licence se vérifie hors ligne.
Les outils
| Outil | Rôle | Offres |
|---|---|---|
select_context | Passages utiles parmi des documents fournis | Toutes (essai : 10 documents, 50 appels par jour) |
select_context_files | Idem à partir de fichiers ou de dossiers locaux | Payantes |
verify_answer | Contrôle que la réponse s'appuie sur le contexte | Payantes |
estimate_savings | Projection mensuelle avec et sans AIOTECH | Toutes |
savings_report | Économies depuis le démarrage, du jour, au total | Toutes |
monthly_savings_report | Relevé mensuel, commission de l'offre Entreprise | Payantes |
export_savings_csv | Export du journal des économies | Payantes |
license_status | Offre active et limites | Toutes |
Compatible avec Claude Code, Claude Desktop, Cursor et tout client du Model Context Protocol, en local (stdio) ou en équipe (HTTP protégé par jeton, image Docker).
Le trajet d'une requête
Sept contrôles avant que le modèle ne lise un seul token.
Dans la scène, chaque point est un token. Les points bleus sont les documents candidats, les clairs la question. Ceux qui deviennent ambrés sont ceux qui atteignent le modèle. L'extension MCP embarque la sélection de contexte (étape 2), la vérification et le comptage des économies ; la passerelle complète applique les sept contrôles et s'installe avec l'offre Entreprise.
ÉTAPE 1 / 7
Garde-fous
Les tentatives d'injection de prompt, en français comme en anglais, sont bloquées. Les e-mails, cartes bancaires (contrôle de Luhn), IBAN, adresses IP et téléphones sont masqués avant tout envoi.
Effetaucun token payé pour une requête bloquée
aiotech/gateway/guardrails.py
ÉTAPE 2 / 7
ARG : le contexte justifié
Vos documents sont découpés en segments. L'ARG ajoute un à un ceux qui couvrent la question et s'arrête quand les suivants n'apportent plus rien. Seuls ces segments partent au modèle.
Effet−85 % de tokens de contexte sur le corpus de test
aiotech/reasoning/context_budget.py
ÉTAPE 3 / 7
Cache d'équivalence lexicale
Une question lexicalement équivalente (autre formulation, mêmes termes), posée dans le même contexte, reçoit la réponse déjà calculée. Deux questions qui diffèrent par un identifiant (ORION-12 et ORION-13) ne partagent jamais de réponse.
Effetun appel en moins, 0 réponse erronée mesurée
aiotech/gateway/cache.py
ÉTAPE 4 / 7
Routage de modèle
La difficulté de la demande est estimée : longueur, vocabulaire de raisonnement, calculs, code, sous-questions. Une question simple part vers le modèle économique.
EffetClaude Haiku 4.5 coûte 4 fois moins que Claude Opus 5.5
aiotech/gateway/router.py
ÉTAPE 5 / 7
Disjoncteur
Après trois échecs d'un fournisseur, les requêtes partent vers un autre. Une seule requête test vérifie ensuite son rétablissement.
Effetpas de requêtes perdues pendant une panne
aiotech/gateway/circuit_breaker.py
ÉTAPE 6 / 7
Appel au LLM
Claude, GPT, Gemini, Mistral ou un modèle local via LiteLLM. Le modèle reçoit la question nettoyée et le contexte retenu, rien d'autre.
Effetcoût réel calculé sur l'usage renvoyé par le fournisseur
aiotech/gateway/client.py
ÉTAPE 7 / 7
Vérification et comptabilité
Le JSON demandé est validé, avec relance si besoin. Chaque phrase de la réponse doit s'appuyer sur le contexte ou sur les phrases précédentes, et la plus faible est signalée. Le coût réel est comparé au coût de référence.
Effetéconomie chiffrée sur chaque réponse
aiotech/reasoning/arg.py · verify_chain
L'innovation
De la sphère à l'ARG : garder l'échelle, décider par un « et » logique.
AIOTECH 44 raisonnait sur une hypersphère. AIOTECH remplace cette géométrie par l'ARG (Admissibility & Reachability Gate), dont chaque critère a une unité et peut être vérifié.
Avant · AIOTECH 44
Tout projeter sur la sphère unité
Normaliser chaque vecteur supprime sa longueur. Un segment qui mentionne une fois le sujet et un segment qui le traite en entier deviennent le même point. Les seuils n'ont plus d'unité, et les contraintes de la v44 étaient des vecteurs aléatoires.
Maintenant · ARG
Mesurer ce que le segment atteint de la question
reach mesure la part de la question que le segment atteint vraiment, en distance euclidienne et sans normalisation. Sur la fiche ORION-13, le trait « 12 » manque : le déficit apparaît et le score baisse.
A(S) = min( reach(q, ∪S) , coverage(q, ∪S) , contraintes(S) ) ≥ τ
reach
1 − ‖relu(q − x)‖ / ‖q‖ : part de la masse de la question atteinte par les segments retenus, mesurée dans un espace de traits lexicaux projeté (HashingEmbedder : mots racinisés, bigrammes et trigrammes de caractères hachés). Pas d'embedding neuronal.
coverage
Part des mots de la question présents, pondérés par leur rareté : un identifiant comme « ORION-12 » compte plus que « module ».
contraintes
Termes requis, termes interdits, métadonnées. Un terme interdit présent donne 0, donc un rejet.
Le minimum est la conjonction de Gödel : un seul critère défaillant suffit à rejeter. Le jugement porte sur l'ensemble S retenu. Pour une question qui compare deux produits, les deux fiches ensemble sont admissibles, alors qu'aucune ne l'est seule.
La première version jugeait chaque segment isolément. Sur les questions comparatives, elle ne gardait qu'une fiche : rappel 0 %. Le banc de mesure l'a révélé avant la livraison. La sélection porte désormais sur l'ensemble, et le rappel est remonté à 100 %.
Démonstration
Posez une question, voyez ce qui part au modèle.
Six documents de démonstration. L'ARG choisit les segments à envoyer avec le même algorithme que le paquet Python : portage JavaScript, avec un hachage FNV au lieu de BLAKE2. Les vecteurs sont des traits lexicaux hachés, pas un embedding neuronal : aucun modèle de fondation, aucun appel réseau, résultat déterministe.
Le trait vertical marque τ = 0,35. La barre ambrée est le minimum : c'est elle qui décide.
–tokens envoyés
Corpus de démonstration
Économies d'échelle
Un coût fixe qui se dilue, un gain qui suit chaque requête.
AIOTECH coûte un montant fixe par mois (licence, hébergement) et presque rien par requête. Ce qu'il fait économiser croît avec le volume. Plus vous envoyez de requêtes, plus le coût par requête descend vers son plancher. Le seuil de rentabilité est le volume où les deux courbes se croisent.
Votre trafic
Tokens moyens par requête.
Modèles (USD par million de tokens)
Préréglages : tarifs publics de l'API Anthropic relevés le 25/09/2026, sans remise ni cache de prompt. Vérifiez les tarifs actuels du fournisseur : chaque prix est modifiable, et « Personnalisé » accepte tout autre modèle.
Tableau des tarifs préréglés
Leviers AIOTECH
Mesuré : 85 % sur le corpus de test. 50 % par défaut, par prudence.
Dépend de la répétition de votre trafic. Le banc atteint 85 % sur un trafic très répétitif : ce n'est pas une prévision.
Coût d'AIOTECH (licence, hébergement)
Économie mensuelle estimée
–
Sans AIOTECH, par mois
–
Avec AIOTECH, par mois
–
Économie estimée par an
–
Seuil de rentabilité
–
Coût pour 1 000 requêtes selon le volume mensuel
Échelles logarithmiques. Le trait vertical gris marque votre volume.
Sans AIOTECHAvec AIOTECH
D'où vient l'économie, pour 1 000 requêtes
À votre volume mensuel.
CoûtÉconomieTotal avec AIOTECH
Voir les valeurs en tableau
Calcul : sans AIOTECH, chaque requête part au modèle phare avec tout le contexte. Avec AIOTECH, le contexte est réduit, une part des requêtes va au modèle économique, une part est servie par le cache, puis on ajoute le coût fixe et le coût variable du middleware. Les mêmes formules sont dans aiotech/economics.py et testées. Il s'agit d'une économie estimée : le ROI réel dépend de la distribution de votre trafic, du taux de cache effectif et de la structure de vos requêtes.
Mesurez votre ROI réel. Testez AIOTECH sur 100 requêtes anonymisées de votre historique : contexte retenu, taux de cache et coût, mesurés sur votre propre trafic plutôt qu'estimés.
Offres
Essayez gratuitement, payez quand l'économie est visible.
Le tableau de bord est inclus dès l'essai : vous mesurez votre économie réelle avant d'acheter. Vente sur devis, réservée aux professionnels.
Pro · développeurs et créateurs
99,99 $HT par mois, sans engagement
Développeurs indépendants et créateurs de micro-SaaS qui paient l'API au token.
- Documents et appels illimités
- Lecture de fichiers et de dossiers locaux
- Vérification des réponses
- Relevé mensuel et export CSV
- Un poste
Team · agences et studios
4 990 à 8 000 €HT par an, selon le nombre de postes
Agences IA et studios qui livrent des applications à plusieurs clients.
- Tout Pro, pour toute l'équipe
- Serveur Docker partagé, accès HTTP protégé par jeton
- Journal et tableau de bord communs
- Licence annuelle
Entreprise · B2B
2 000 à 3 000 €HT d'installation, puis 20 à 25 % des économies nettes
Scale-ups à forte consommation de tokens d'API.
- Preuve de concept sur votre infrastructure
- Passerelle AIOTECH complète si besoin : cache, routage, garde-fous
- Commission calculée chaque mois sur les économies mesurées, relevé joint à la facture
- Pas d'économie, pas de part variable
Prix hors taxes. L'offre Pro est amortie dès que vous économisez plus de 99,99 $ de tokens par mois, soit environ 25 millions de tokens de contexte évités au tarif d'entrée de Claude Opus 5.5 (4 $ par million). L'économie apparaît sur une facture d'API au token ; avec un abonnement à prix fixe (Claude Pro ou Max, Cursor…), le gain est un contexte moins chargé, pas une facture plus basse. Conditions générales de vente.
Mesures
Ce qui a été mesuré, et ce qui ne l'a pas été.
Corpus de test : 48 fiches produit quasi identiques et 5 politiques, 295 questions dont 48 comparent deux produits. Référence : les 8 meilleurs documents d'une recherche TF-IDF, envoyés en entier comme dans un RAG standard.
Réduction du contexte (ARG)
| Questions | Tokens réf. | Tokens ARG | Réduction | Rappel |
|---|---|---|---|---|
| Toutes (295) | 841 | 123 | −85,4 % | 100 % |
| Un document (247) | 841 | 106 | −87,4 % | 100 % |
| Deux documents (48) | 844 | 213 | −74,8 % | 100 % |
Rappel : tous les documents nécessaires à la réponse sont dans le contexte envoyé. La référence a aussi 100 %.
Cache d'équivalence lexicale et garde sur les identifiants
| Garde | Réponses du cache | Réponses erronées |
|---|---|---|
| Activée (défaut) | 85,5 % | 0,00 % |
| Désactivée | 87,8 % | 4,23 % |
3 000 requêtes, loi de Zipf, 5 formulations par question. Sans la garde, la fiche ORION-12 aurait parfois répondu à la place d'ORION-13.
Limites
- Corpus synthétique et favorable. Les candidats sont des fiches quasi identiques dont une ou deux seulement sont utiles. Sur vos documents, la réduction sera plus faible ; elle se mesure avec vos données.
- Aucun LLM appelé. Les bancs mesurent la sélection du contexte, pas la qualité finale des réponses. Il faut une évaluation avec votre modèle et vos questions.
- Traits lexicaux. Les flexions passent grâce à une racinisation légère (retourner, retournées). Une question formulée sans aucun mot du document (synonymes purs) passe moins bien. Des embeddings neuronaux peuvent être branchés, avec leur coût.
- Exécution. 55 tests réussis en Python 3.12 avec numpy. Les tests de l'API (FastAPI) et du module de recherche (PyTorch) sont écrits mais n'ont pas pu être exécutés dans l'environnement de livraison.
Fiabilité
Ce qui a été corrigé avant la mise en vente.
Depuis AIOTECH 44
- Plantage au lancement corrigé. Le cœur attendait 3 sorties de l'élagueur, qui en renvoyait 4.
- Les documents retenus partent enfin au LLM. Avant, ils n'étaient jamais transmis : l'économie annoncée n'existait pas.
- Sphère retirée. Plus de normalisation L2 ni de contraintes aléatoires : l'ARG, euclidien et logique.
- Mesures réelles. Les FLOPs « simulés » par une formule ont été remplacés par des bancs de tokens et de rappel.
Depuis aio-v3
- Exécution de code supprimée. L'outil
run_pythonexécutait le code produit par le modèle. Il est remplacé par une calculatrice sans exécution. - Administration protégée. Les routes
/adminn'avaient aucune authentification, et sans clé API les quotas ne s'appliquaient pas. - Un vrai cache d'équivalence lexicale. Avant, un vecteur aléatoire tiré d'un hachage : un cache exact présenté comme « sémantique ». Les erreurs ne sont plus mises en cache.
- Lecture de fichiers confinée.
read_filepouvait lire le fichier.envet ses clés API.
Installation
Installé en une commande, licence vérifiée hors ligne.
Après l'achat, vous recevez le paquet ou l'image Docker et votre clé de licence. Le cœur algorithmique est public sur GitHub : vous pouvez lire l'ARG et rejouer les bancs de mesure avant d'acheter.
Un poste · Essai et Pro
pip install aiotech_mcp-1.0.0-py3-none-any.whl claude mcp add aiotech -- aiotech-mcp # clé de licence : ~/.aiotech/license.key # ou variable AIOTECH_LICENSE_KEY # tableau de bord : http://127.0.0.1:8790
Une équipe · Team et Entreprise
cp .env.example .env # jeton d'accès, clé de licence docker compose up -d --build # MCP : http://localhost:8000/mcp (jeton Bearer) # tableau de bord commun : http://localhost:8790
Contact
Essai, licence ou preuve de concept.
Choisissez une offre et décrivez votre usage : vous recevez un devis sous 48 h ouvrées, puis la facture et votre clé de licence. L'audit rejoue 100 requêtes anonymisées de votre historique pour mesurer votre économie réelle. N'envoyez pas de requêtes ici : l'échantillon s'échange ensuite par un canal convenu.