Skip to content

README.fr.md

Latest commit

 

History

History
144 lines (102 loc) · 7.05 KB

README.fr.md

File metadata and controls

144 lines (102 loc) · 7.05 KB

🇬🇧 English • 🇨🇳 中文 • 🇯🇵 日本語 • 🇰🇷 한국어 • 🇧🇷 Português • 🇪🇸 Español • 🇩🇪 Deutsch • 🇷🇺 Русский • 🇮🇳 हिन्दी • 🇹🇷 Türkçe

Entroly

Entroly — Réduisez les Coûts de Tokens IA de 70–95%

Vos outils de codage IA ne voient que 5% de votre code.
Entroly leur donne la vue complète — pour une fraction du coût.

npm install entroly-wasm && npx entroly-wasm  |  pip install entroly && entroly go  |  Démo en direct →

Le Problème — et l'Impact sur vos Résultats

Chaque outil de codage IA — Claude, Cursor, Copilot, Codex — a le même angle mort : il ne voit que 5–10 fichiers à la fois. Les 95% restants de votre code sont invisibles.

Les modèles continuent de grossir — Claude Opus 4.7 vient de sortir avec encore plus de capacités et des coûts par token encore plus élevés. Des fenêtres de contexte plus grandes ne résolvent pas le problème ; elles l'aggravent. Vous payez pour 186 000 tokens par requête — dont la majeure partie n'est que du code boilerplate dupliqué.

Entroly résout les deux problèmes en 30 secondes.

Ce Qui Change au Jour 1

Métrique Avant Entroly Après Entroly
Fichiers visibles par l'IA 5–10 Tout le dépôt
Tokens par requête ~186 000 9 300 – 55 000
Dépense mensuelle IA (1K req/jour) ~16 800$ 840$ – 5 040$
Précision des réponses IA Incomplète, hallucinations Consciente des dépendances, correcte
Temps dev à corriger les erreurs IA Heures/semaine Quasi zéro
Configuration Jours d'ingénierie de prompts 30 secondes

ROI : Une équipe de 10 dépensant 15K$/mois en API IA économise 10K$–14K$/mois dès le jour 1.

Ce Que Vos Concurrents Savent Déjà

Les équipes qui adoptent Entroly aujourd'hui ne font pas que économiser — elles accumulent un avantage composé que votre équipe ne peut pas rattraper.

  • Semaine 1 : Leur IA voit 100% du code. La vôtre en voit 5%. Ils livrent plus vite.
  • Mois 1 : Leur runtime a appris les patterns du code. Le vôtre hallucine encore les imports.
  • Mois 3 : Leur installation est branchée à la fédération — absorbant les stratégies d'optimisation de milliers d'équipes dans le monde. Vous ne savez même pas que ça existe.
  • Mois 6 : Ils ont économisé 80K$+ en coûts API. Ce budget est allé dans les recrutements. Vous expliquez encore aux finances pourquoi la facture IA ne cesse d'augmenter.

Chaque jour d'attente creuse l'écart. L'effet fédération signifie que les early adopters deviennent plus forts plus vite — et cet avantage se compose.

🌐 Apprentissage Fédéré en Essaim — La Partie Qui Ressemble à de la Science-Fiction

Prenez la Boucle de Rêve et multipliez-la par chaque développeur sur Terre qui utilise Entroly.

Pendant que vous dormez, votre daemon rêve — et 10 000 autres aussi. Chacun découvre des astuces légèrement différentes de compression de code. Chacun partage ce qu'il a appris — anonymement, en privé. Chacun absorbe ce que les autres ont trouvé.

Vous vous réveillez. Votre IA est plus intelligente que quand vous l'avez laissée. Pas grâce à vous — grâce à ce que l'essaim a rêvé.

Votre daemon rêve → découvre une meilleure stratégie → la partage (anonymement)
     ↓
10 000 autres daemons ont fait la même chose cette nuit
     ↓
Vous ouvrez votre laptop → votre IA a déjà tout absorbé

Effet de réseau :

  • Chaque nouvel utilisateur améliore l'IA de tous — cette base installée ne peut pas être forkée
  • Coût d'infrastructure : 0$. Tourne sur GitHub. Pas de serveurs. Pas de GPUs. Pas de cloud
# Opt-in — votre choix, toujours
export ENTROLY_FEDERATION=1

🔒 S'Exécute Localement. Votre Code Ne Quitte Jamais Votre Machine.

Fonctionne dans des environnements air-gapped et réglementés — rien ne communique vers l'extérieur.

Benchmarks

Rétention de Précision

La compression n'affecte pas la précision — vérifié avec l'API en direct (gpt-4o-mini, Wilson 95% CI) :

Benchmark n Budget Baseline (95% CI) Avec Entroly (95% CI) Rétention Économie de Tokens
NeedleInAHaystack 20 2K 100% [83.9–100%] 100% [83.9–100%] 100.0% 99.5%
LongBench (HotpotQA) 50 2K 64.0% [50.1–75.9%] 68.0% [54.2–79.2%] 106.2% 85.3%
Berkeley Function Calling 50 500 100% [92.9–100%] 100% [92.9–100%] 100.0% 79.3%
SQuAD 2.0 50 100 78.0% [64.8–87.2%] 76.0% [62.6–85.7%] 97.4% 39.3%
GSM8K 100 50K 85.0% [76.7–90.7%] 86.0% [77.9–91.5%] 101.2% pass-through¹
MMLU 100 50K 82.0% [73.3–88.3%] 85.9% [77.8–91.4%] 104.7% pass-through¹
TruthfulQA (MC1) 100 50K 72.0% [62.5–79.9%] 73.7% [64.3–81.4%] 102.4% pass-through¹

¹ pass-through : Le contexte tient déjà dans le budget — Entroly ne fait correctement rien. Les intervalles de confiance se chevauchent sur tous les benchmarks.

Comparaison avec d'autres méthodes (contexte long)

Méthode Rétention Réduction de Tokens Architecture / Compromis
Entroly 100–106% 85–99% Rapide (~80ms). Knapsack par fragment. Fidélité structurelle verbatim parfaite.
Élagage neural par token ~98–99% 80–95% Overhead élevé. Nécessite un transformer local. Dégrade la syntaxe du code.
Compactage verbatim par règles ~100% 50–70% Haute fidélité. Mais réduction de tokens plus faible.
Compression par attention 95%+ 26–54% Précision solide. Mais réduction de tokens plus faible.

Parité Totale : Python & Node.js

Capacité Python Node.js (WASM)
Compression de contexte ✅ ✅
Auto-évolution ✅ ✅
Boucle de rêve ✅ ✅
Fédération ✅ ✅
Distillation de réponse ✅ ✅
Passerelles de chat ✅ ✅
Export agentskills.io ✅ ✅

Arrêtez de payer pour les tokens que votre IA gaspille. Lancez une IA qui s'enseigne elle-même.
npm install entroly-wasm && npx entroly-wasm  |  pip install entroly && entroly go