Clef-omni : classer un dossier qui contient aussi du son et des images

Une demande après-vente peut arriver avec un message, une photo et un court enregistrement. Avant même de répondre, il faut savoir à quel interlocuteur la transmettre. C’est une tâche de classement : choisir parmi des catégories définies. Cloudflare a présenté Clef-omni le 9 octobre 2026, un modèle de décision qui accepte désormais l’audio et la vidéo en plus du texte et des images. Il est proposé sur Workers AI, la plateforme d’exécution de modèles de Cloudflare.

Le mot « décision » mérite une précision. Selon la fiche du modèle, Clef-omni reçoit une situation et des questions avec leurs options autorisées, puis renvoie des probabilités. La question pourrait porter sur le service destinataire ou sur la présence d’un élément dans une photo. L’entreprise définit ensuite ce qu’elle fait de ces résultats. Une probabilité élevée ne constitue ni une expertise du matériel ni une autorisation de prendre un engagement envers le client.

Des catégories qui correspondent à un travail réel

Dans un exemple hypothétique, un petit fabricant reçoit une photo d’une pièce cassée et une vidéo de son installation. Il souhaite orienter la demande vers « pièce à identifier », « installation à examiner » ou « dossier incomplet ». Le son peut apporter un indice supplémentaire, mais ne prouve pas la cause d’un défaut. Le classement doit aider la bonne personne à ouvrir le dossier ; conclure à la responsabilité du client serait une autre tâche, avec d’autres exigences.

La première difficulté consiste à rendre les options compréhensibles. « Technique » et « urgent » ne répondent pas à la même question : un dossier technique peut être peu pressé, et une question de livraison peut bloquer une activité. Séparer le destinataire et la priorité permet de savoir où apparaît l’erreur. Ajoutez une issue pour les informations manquantes, ou une règle de reprise humaine lorsque les résultats ne permettent pas de trancher. Cette organisation est une recommandation Gaia, à faire réaliser dans l’application.

Pour apprécier l’utilité, constituez un petit ensemble de dossiers fictifs dont l’orientation attendue est écrite avant le passage dans le modèle. Incluez des cas contradictoires : texte rassurant et image problématique, vidéo floue, bruit d’arrière-plan, absence de numéro de référence. Le compte rendu doit montrer les dossiers envoyés au mauvais service, ceux correctement laissés à relire et le temps consacré à les reprendre. Une moyenne globale peut cacher l’erreur coûteuse que l’équipe voulait justement éviter.

Le volume de médias change aussi le calcul

La documentation de facturation indique un tarif de 0,15 dollar par million de tokens d’entrée pour Clef-omni, sans facturation de tokens de sortie. Les tokens sont les unités traitées par le service, pas des dossiers clients. Les images, le son et la vidéo sont convertis en unités d’entrée. Une vidéo plus longue peut donc modifier la consommation même si l’assistant ne renvoie qu’une catégorie.

La fenêtre documentée est de 64 000 tokens, et une requête accepte jusqu’à quatre clips audio et deux vidéos. Ces limites portent sur une requête technique. Elles ne signifient pas quatre utilisateurs autorisés ou deux demandes après-vente par jour. Les médias et les questions occupent ensemble la fenêtre ; s’ils la dépassent, la requête échoue. Le texte de situation peut être tronqué pour tenir dans l’espace restant. Faites vérifier que la référence essentielle ne disparaît pas de ce contexte.

Le lancement ne dispense pas d’examiner les accès au service hébergé, les conditions de traitement des fichiers et la conservation nécessaire à votre activité. Commencez avec des médias autorisés et sans dossier confidentiel. Pour un usage client, limitez les informations envoyées à celles qui servent effectivement à l’orientation. Conservez surtout la possibilité de remettre le dossier à une personne sans dépendre du classement automatique.