Documents
WivenLLM répond à partir de vos documents. Cette page explique comment les faire entrer, ce qui leur arrive, et comment obtenir de bons résultats.
Les deux étapes de l'import
C'est le point qui prête le plus souvent à confusion.
Étape 1 — Extraction. Le fichier est converti en texte. Il rejoint la bibliothèque de documents, commune à l'instance et gérée par les administrateurs et les gestionnaires. À ce stade, il n'est interrogeable dans aucun espace. Seul le texte extrait est conservé : le fichier d'origine ne l'est pas. Gardez-en votre copie.
Étape 2 — Ajout à un espace. Vous sélectionnez le document dans la bibliothèque et l'ajoutez à un espace de travail (Déplacer vers l'espace de travail, puis Sauvegarder et intégrer). Il est alors découpé, vectorisé et indexé pour cet espace.
Un même document peut être ajouté à plusieurs espaces : il n'est extrait qu'une fois, et indexé séparément dans chacun.
Déposer un fichier dans une conversation
Le glisser-déposer dans une conversation ne suit pas ces deux étapes : c'est une pièce jointe, pas un import. Tout membre de l'espace peut le faire.
- Le fichier est lu en entier et joint à ce fil, pour vous seul. Il n'entre ni dans la bibliothèque ni dans l'index, et les autres fils ne le voient pas.
- Il reste dans le contexte de chaque message du fil jusqu'à ce que vous le retiriez.
- Une image est transmise telle quelle au modèle s'il sait lire les images ; sinon, elle est d'abord lue pour lui.
- Si les pièces jointes dépassent 80 % de la fenêtre de contexte du modèle, un avertissement propose d'annuler, de continuer quand même ou, pour un administrateur ou un gestionnaire, d'indexer le fichier : il rejoint alors la bibliothèque et l'index de l'espace.
Pour qu'un document serve à tous les membres de l'espace, passez par le gestionnaire de documents.
Comment importer
Le gestionnaire de documents s'ouvre par l'icône de téléversement à côté du nom de l'espace, pour les administrateurs et les gestionnaires. Il comporte deux onglets : Documents et Connecteurs de données.
Fichiers. Téléversez depuis le gestionnaire de documents. Plusieurs fichiers à la fois sont acceptés.
Pages web. Collez une URL. Le contenu de la page est extrait ; publicités et menus de navigation sont écartés au mieux.
Site complet. La récupération de site web en masse suit les liens depuis une page de départ, sur une profondeur (1 par défaut) et un nombre de pages (20 par défaut) que vous fixez. À utiliser avec mesure : la profondeur fait croître le volume très vite.
Sources externes. Des connecteurs importent directement depuis :
| Source | Ce qui est importé |
|---|---|
| Dépôts de code (GitHub, GitLab, Gitea) | Fichiers d'un dépôt, filtrables par branche et par chemins à ignorer |
| Confluence | Pages d'un espace |
| Wiki d'entreprise (Drupal Wiki) | Pages des espaces indiqués |
| Gestion documentaire (Paperless-ngx) | Documents et métadonnées |
| Coffres de notes (Obsidian) | Notes du coffre ; les liens entre notes restent du simple texte |
| Vidéos YouTube | Transcription |
Depuis l'API. Téléversement de fichier, de texte brut ou d'URL, pour alimenter WivenLLM depuis vos propres applications. → API développeur
Formats acceptés
Texte et bureautique — .txt, .md, .org, .adoc, .rst, .csv, .json, .html, .pdf, .docx, .pptx, .xlsx, et les formats OpenDocument .odt et .odp. Un fichier d'une autre extension est traité comme du texte s'il en contient ; sinon il est refusé.
Messagerie et livres — archives .mbox, livres numériques .epub.
Images — .png, .jpg, .jpeg, .webp, dont le texte est extrait par reconnaissance de caractères.
Audio et vidéo — .mp3, .wav, .ogg, .oga, .opus, .m4a, .webm, .mp4 et .mpeg, transcrits automatiquement, jusqu'à 4 heures. Une réunion peut aussi être enregistrée directement depuis l'application → Réunions.
Refusés — les anciens formats Office .doc et .xls : enregistrez-les d'abord en .docx ou .xlsx.
Ce qui marche moins bien
- PDF scannés — la reconnaissance de caractères ne s'applique que si aucune page du PDF ne contient de texte. Dans un PDF mixte, les pages scannées sont ignorées sans avertissement. Elle travaille en anglais, sauf si d'autres langues ont été configurées à l'installation. Le résultat dépend aussi de la qualité du scan : un scan penché ou de faible résolution donne un texte médiocre, donc des réponses médiocres. Pour un PDF mixte ou en français, appliquez la reconnaissance de caractères avant l'import.
- Tableurs complexes — les formules, les cellules fusionnées et les feuilles très larges se linéarisent mal. Pour des données tabulaires importantes, exposer une base via le connecteur SQL de l'agent donne de bien meilleurs résultats qu'un tableur indexé.
- Documents à mise en page très riche — le texte est extrait ; les informations portées uniquement par la disposition visuelle se perdent.
Ce qui arrive au texte : le découpage
Un document entier ne tient pas dans le contexte d'un modèle. Il est donc découpé en fragments, et ce sont les fragments qui sont retrouvés à la question.
Deux paramètres, réglables par un administrateur dans Réglages → Diviseur de texte et découpage :
- Taille des segments de texte — le nombre de caractères par fragment. Des fragments courts donnent des résultats précis mais parfois privés de contexte ; des fragments longs conservent le contexte mais diluent la pertinence.
- Chevauchement des segments de texte — le nombre de caractères repris d'un fragment au suivant, pour ne pas couper une idée en deux.
Les valeurs par défaut conviennent à la plupart des corpus. Les modifier n'affecte que les documents indexés ensuite : les index existants gardent leur découpage jusqu'à réindexation.
Organiser la bibliothèque
- Dossiers. Rangez les documents par client, par projet ou par nature. Les dossiers organisent la bibliothèque ; ils ne changent rien à la recherche.
- Déplacement. Seul un document qui n'est ajouté à aucun espace peut changer de dossier. Pour déplacer un document déjà indexé, retirez-le d'abord de tous les espaces, puis ajoutez-le de nouveau.
- Suppression. Supprimer un document de la bibliothèque le retire de tous les espaces et efface le texte extrait.
Réserver un document
En mode multi-utilisateurs, un administrateur peut réserver un document à une liste de personnes, dans un espace ou partout où il est indexé. Les autres ne le reçoivent sous aucune forme, administrateurs compris. → Sécurité et confidentialité
Synchronisation automatique — fonction expérimentale
Pour les documents importés depuis une URL, YouTube, GitHub, GitLab, Gitea, Confluence ou Drupal Wiki, une synchronisation périodique peut relire la source et réindexer le contenu. La cadence par défaut est de sept jours. Elle ne s'applique ni aux fichiers téléversés, ni aux imports Obsidian et Paperless-ngx.
La fonction est désactivée par défaut. Un administrateur l'active dans Réglages → Fonctionnalités Expérimentales. Elle se règle ensuite document par document, avec l'action de surveillance dans la liste des documents de l'espace. Utile pour une documentation vivante ; inutile pour un corpus figé.
Bonnes pratiques
Importez ce qui est pertinent, pas tout. Un corpus propre donne de meilleures réponses qu'un corpus exhaustif. Les documents obsolètes répondent aussi bien que les autres — ils remontent avec la même autorité apparente.
Vérifiez le texte extrait. Après l'import d'un PDF difficile, posez une question dont vous connaissez la réponse. Si l'extrait cité est illisible, le document est mal extrait ; le convertir en amont donnera un meilleur résultat.
Nommez explicitement vos fichiers. Le nom du document apparaît dans les citations. Contrat-Dupont-2026.pdf est utile ; scan_003.pdf ne l'est pas. Une citation donne le titre et l'extrait, jamais la page ni la section : le nom du fichier est votre seul repère pour retrouver la pièce.
Retirez avant d'ajouter une nouvelle version. Deux versions d'un même contrat indexées simultanément produisent des réponses contradictoires, sans que le modèle sache laquelle fait foi.
Épinglez avec parcimonie. Un document épinglé est injecté en entier à chaque message. → Espaces de travail

Deutsch