Cinq types de fichiers, une collection
Texte, Markdown, CSV, Word (.docx) et PDF. Glissez un fichier n'importe où sur la fenêtre pour l'ajouter, ou construisez une collection depuis la barre latérale et joignez le tout à un chat.
Documents
Ajoutez vos propres fichiers texte, Markdown, CSV, Word et PDF à une collection, joignez-la à un chat, et posez votre question. Conduit fouille par sens et par mots exacts à la fois, et chaque réponse nomme les fichiers sur lesquels elle s'est appuyée — cliquez sur l'un d'eux pour lire le passage lui-même.
Le problème
Vous demandez à un assistant quelque chose sur vos propres fichiers, et il répond avec assurance — sans aucun moyen de savoir s'il a lu le paragraphe qui compte vraiment, un brouillon dépassé, ou rien du tout. Coller le passage pertinent dans la fenêtre de chat à la main, à chaque fois, n'est pas un flux de travail. C'est un contournement pour ne pas pouvoir faire confiance à la réponse.
Ce que Documents vous apporte
Vos fichiers, correctement fouillés, avec un chemin de retour vers la source à chaque fois.
Texte, Markdown, CSV, Word (.docx) et PDF. Glissez un fichier n'importe où sur la fenêtre pour l'ajouter, ou construisez une collection depuis la barre latérale et joignez le tout à un chat.
Une recherche vectorielle et une recherche plein texte SQLite tournent sur les mêmes passages et sont fusionnées en un seul classement — donc une question reformulée et une question qui repose sur un terme exact aboutissent toutes les deux.
L'index vit sous forme de lignes ordinaires dans la même base SQLite locale que vos chats — aucune base vectorielle à installer, héberger ou sauvegarder à part.
Comment ça marche
Tout se passe à l'intérieur de Conduit — aucun export préalable de vos fichiers vers un service d'indexation tiers.
Ouvrez Documents dans la barre latérale et créez une collection. Glissez des fichiers n'importe où sur la fenêtre pour les ajouter, ou ajoutez des fichiers texte, Markdown, CSV, Word ou PDF un par un.
Choisissez la collection depuis le composer pour cette conversation. La première fois que vous indexez avec un fournisseur donné, Conduit demande votre consentement avant d'envoyer quoi que ce soit.
La réponse nomme les fichiers qu'elle a fouillés en chips sous votre question. Cliquez sur une chip pour ouvrir le passage exact qu'elle a utilisé — pas un résumé, le texte lui-même.
Exemple concret
Une équipe d'ingénierie garde quatre fichiers dans une collection : une vue d'ensemble de l'architecture, des notes de conception de l'authentification, un runbook pour les retards de synchronisation et une référence d'API. Un nouveau coéquipier demande pourquoi le client réessaie l'authentification deux fois avant de déconnecter l'utilisateur.
Conduit fouille les quatre documents à la fois — par sens, donc une question qui ne
dit jamais « course au rafraîchissement » retrouve quand même le paragraphe qui en
parle, et par mots exacts, donc un code d'erreur comme 409 refresh_reused
ressort directement. La réponse nomme les fichiers sur lesquels elle s'est appuyée et
explique les deux essais d'après les notes de conception.
Cliquer sur un fichier cité n'ouvre pas un résumé. Cela ouvre le vrai passage utilisé par la réponse, avec le chemin du fichier sur le disque affiché au-dessus — donc vérifier la réponse prend un clic, pas une recherche dans les documents d'origine.
Comment fonctionne Documents, dans la documentationOù vont les données
Indexer un fichier et poser une question à son sujet envoient des choses différentes, vers des destinations différentes.
| Étape | Envoyé à |
|---|---|
| Indexation avec OpenAI, Gemini ou OpenRouter | Ce fournisseur reçoit le texte intégral du document, une fois |
| Indexation avec Ollama | Nulle part — l'embedding tourne sur votre machine |
| Poser une question | Votre fournisseur de chat reçoit les passages récupérés, dans le cadre du prompt |
Anthropic n'offre pas d'API d'embeddings, donc Claude n'est jamais un choix d'indexation — seulement un choix de chat. Voir la page confidentialité pour chaque flux réseau que fait Conduit, pas seulement celui-ci.
Limites
Texte brut, Markdown, CSV, Word (.docx) et PDF. Glissez n'importe lequel sur la fenêtre de Conduit pour l'ajouter à une collection, ou ajoutez des fichiers un par un depuis la section Documents de la barre latérale. Il n'y a pas d'étape OCR, donc un PDF scanné sans couche de texte en dessous ne peut pas être lu — il ne produit tout simplement aucun texte.
Les fichiers sont analysés sur votre machine dans tous les cas. Pour que l'index fonctionne, le texte intégral d'un document est envoyé une fois au fournisseur d'embeddings que vous choisissez — sauf si vous choisissez Ollama, qui fait l'embedding on-device et n'envoie rien. Plus tard, quand vous posez une question, les passages récupérés dans vos fichiers sont envoyés à votre fournisseur de chat dans le cadre du prompt, comme tout ce que vous tapez par ailleurs. Une collection est donc entièrement on-device seulement quand Ollama fait l'embedding et qu'un modèle local répond.
Anthropic n'offre pas d'API d'embeddings, donc Claude ne fait pas partie des choix pour transformer vos fichiers en index cherchable. Choisissez OpenAI, Gemini, OpenRouter ou Ollama pour l'indexation — vous pouvez toujours envoyer le chat lui-même, et les passages récupérés dans vos documents, à Claude pour qu'il réponde.
Oui, avec Ollama qui fait les deux métiers — l'embedding de vos fichiers et la réponse au chat — en faisant tourner des modèles que vous avez déjà en local. Activez le mode local uniquement et Conduit l'impose pour vous — les fournisseurs d'embedding cloud sont carrément refusés, donc une collection ne peut pas se mettre silencieusement à parler à internet.
Deux recherches tournent en même temps sur la même base locale — une recherche vectorielle qui trouve par sens, et une recherche plein texte SQLite qui trouve par mots exacts — et les deux classements sont fusionnés par reciprocal rank fusion. Cette combinaison capture à la fois une question formulée différemment du texte source et une question qui repose sur un terme exact, comme un code produit ou un nom. Les fichiers sur lesquels une réponse s'est appuyée apparaissent en chips sous votre message — cliquez sur l'un d'eux pour lire le passage lui-même, pas un résumé.
Seulement si vous avez activé le chiffrement au repos dans Settings — c'est désactivé par défaut. Une fois activé, les passages de documents sont chiffrés, la clé étant liée à votre trousseau OS, au même titre que les pièces jointes, les artefacts et les éléments de mémoire. Désactivé, l'index se trouve dans la même base locale que vos chats, non chiffré, protégé uniquement par les permissions de fichiers propres à votre système d'exploitation.
À lire aussi
Aucune télémétrie, aucun compte, stockage local — et les mêmes réserves sur l'embedding et la récupération de documents, détaillées en entier.
Le garder privé Pour les utilisateurs de modèles locauxOllama ou LM Studio pour le chat, et pour l'étape d'embedding aussi — une façon entièrement on-device de fouiller vos propres fichiers.
Faire tourner des modèles en local Pour les gros utilisateurs d'IAVotre propre clé pour le fournisseur de chat et, séparément, pour le service qui indexe vos documents.
Apportez votre cléGratuit, open source, et tournant sur votre propre machine avant même que votre première collection existe.
Une release candidate : les installateurs ne sont pas encore signés au niveau OS, attendez-vous donc à un avertissement SmartScreen ou Gatekeeper au premier lancement.