Spark Engine

Pourquoi utiliser Spark Engine ?

Orchestrer plusieurs modèles d’IA

Spark Engine regroupe plus de 300 modèles accessibles depuis un même moteur. Vous pouvez donc concevoir un projet qui combine plusieurs types de génération sans relier chaque fournisseur à la main. Engine 1 couvre le texte, l’image, la vidéo, la musique, la recherche web et le stockage vectoriel. Le moteur peut aussi produire plusieurs types de résultats à partir d’une même requête. Une consigne peut, par exemple, fournir un texte et un visuel au cours de la même exécution.

Le modèle Llama 3.3 70B prend en charge la génération de texte. De son côté, DALL-E 3 sert à créer des images, et les modèles Video-01 et Audio-01 de MiniMax couvrent la vidéo et la musique. La recherche web passe par une version du système Charlotte’s-Web. Cette combinaison convient aux assistants, aux outils de recherche, aux prototypes de produits et aux services de création de contenu.

L’architecture utilise des nœuds de condition, qui examinent la demande et orientent le travail vers le modèle adapté. Vous pouvez donc prévoir plusieurs chemins selon le texte reçu, le format attendu ou le résultat d’une étape précédente. Cette logique réduit le nombre de requêtes inutiles et facilite la création de scénarios complexes. De plus, le stockage vectoriel ajoute une base pour les projets de type RAG. Vos agents peuvent ainsi retrouver des éléments enregistrés avant de préparer leur réponse. Spark Engine reste toutefois différent d’un moteur de données comme Apache Spark. Il ne sert pas à répartir des opérations SQL sur un cluster Hadoop et il ne traite pas des fichiers Parquet comme un service Databricks, son rôle concerne l’orchestration de modèles d’IA et la gestion de leurs sorties.

Construire des flux visuels sans code

Spark Engine propose un éditeur fondé sur des nœuds. Chaque bloc assure une tâche précise au sein du flux. Les nœuds Agent, Condition et Multi-Condition gèrent les décisions prises par le système. Les blocs Input et Input per object transmettent les données aux différentes étapes. Plusieurs outils servent ensuite à nettoyer ou à transformer le contenu. Vous retrouvez notamment Extract, Add Text, Extract Links, Convert, Strip, Cut Code, Date and Time et Delete Text. Ces opérations évitent de créer un script pour chaque modification simple.

Le moteur prévoit aussi des blocs pour les services externes. Make, Zapier, Alchemy, Apify et Hugging Face figurent parmi les intégrations présentées. Vous pouvez donc relier un flux à une automatisation, à une source web, à un modèle externe ou à des données issues d’une autre plateforme. Des blocs Webhook et Request gèrent les échanges avec des services qui disposent d’une API. Ainsi, Web Scrape et Web Search récupèrent des informations sur une page ou par une requête, le bloc Emailer couvre l’envoi de courriels depuis un scénario, Spark Engine propose aussi plusieurs opérations liées au stockage, et Search Storage retrouve une donnée. De plus de cela, Get Rows lit des lignes, Update Storage modifie les éléments enregistrés, et Delete Rows supprime les lignes visées.

Les outils de contrôle ajoutent des boucles, des répétitions, des délais, des fusions et des chemins aléatoires. Le bloc Inject peut introduire une valeur au cours de l’exécution, une organisation qui convient aux personnes qui préfèrent une interface visuelle au code. Elle reste aussi utile aux développeurs qui souhaitent préparer une logique avant son intégration à une application. La variété des nœuds demande tout de même un temps de prise en main. Un flux avec plusieurs conditions, boucles et appels externes peut devenir difficile à relire sans règles de nommage claires.

Connecter vos projets avec une API et un SDK

Spark Engine ne se limite pas à son éditeur visuel. La plateforme propose une API et un SDK distribué sous forme de paquet NPM. Le SDK vise surtout les projets JavaScript et TypeScript. Il exige Node.js 14 ou une version plus récente, ainsi que Next.js 12 ou plus. Une clé API Spark Engine reste nécessaire pour transmettre une requête à un projet. Le SDK fournit plusieurs composants prêts à intégrer à une interface de discussion : Chatbot gère la structure principale, ChatbotWindow affiche les échanges, ChatInput reçoit le texte de l’utilisateur, Message présente les messages, SparkEngineProvider assure la gestion de l’état et des communications avec l’API, et SparkEngineApi donne un accès plus direct au service.

Une application peut envoyer un prompt avec l’identifiant d’un projet, puis récupérer la réponse produite par le moteur, ce qui convient aux pages web, aux assistants internes et aux outils métiers. Le SDK autorise aussi le réglage de l’historique de conversation, des réponses retenues, de la taille de la fenêtre et du style de l’interface. Vous pouvez donc intégrer Spark Engine sans reprendre le modèle visuel fourni par défaut.

Les exemples officiels ciblent Next.js et les fonctions API côté serveur. Le déploiement peut passer par Vercel ou par une autre solution qui accepte les fonctions sans serveur. Les clés restent placées parmi les variables d’environnement, afin d’éviter leur exposition sur une page publique. Le SDK prévoit aussi une logique de nouvelle tentative. Ainsi, un appel qui échoue peut être relancé jusqu’à trois fois avant l’affichage d’une erreur. Aucun SDK Python officiel n’est présenté avec les mêmes composants, les projets Python doivent donc passer par l’API ou par une intégration conçue pour leur architecture. Spark Engine convient ainsi aux équipes qui veulent relier un flux sans code à une application sur mesure.

Spark Engine : toutes les réponses à vos questions