> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Modèles ElevenAgents propose une interface unifiée pour connecter votre agent à plusieurs modèles et fournisseurs, avec flexibilité, fiabilité et optimisation des coûts. Au lieu de sélectionner un modèle ici, les agents vocaux peuvent utiliser un [modèle Realtime](/docs/fr/eleven-agents/customization/realtime-models), un modèle ElevenLabs conçu pour les conversations vocales à faible latence. ## Fonctionnalités clés * **Accès unifié** : passez d'un fournisseur ou d'un modèle à l'autre avec un minimum de modifications du code * **Haute fiabilité** : basculez automatiquement d'un fournisseur à un autre en cas de défaillance * **Suivi des dépenses** : suivez vos dépenses sur les différents modèles ## Modèles pris en charge Les modèles suivants sont actuellement pris en charge de manière native et peuvent être configurés dans les paramètres de l'agent : | Fournisseur | Modèle | | -------------- | ---------------------- | | **ElevenLabs** | Nemotron 3.5 Super VL | | | DeepSeek Flash 4.1 | | | GLM 5.2 | | | Qwen3.6-35B-A3B | | | Qwen3.5-397B-A17B | | **Google** | Gemini 4 Argon | | | Gemini 3.8 Flash | | | Gemini 3.7 Flash | | | Gemini 3.6 Flash | | | Gemini 3.5 Flash | | | Gemini 3.5 Flash-Lite | | | Gemini 3.1 Pro Preview | | | Gemini 3.1 Flash Lite | | | Gemini 3 Flash Preview | | | Gemini 2.5 Flash | | | Gemini 2.5 Flash Lite | | **OpenAI** | GPT-6.1 Sol | | | GPT-6 Astra | | | GPT-6 Sol | | | GPT-6 Luna | | | GPT-5.6 Sol | | | GPT-5.6 Terra | | | GPT-5.6 Luna | | | GPT-5.5 | | | GPT-5.4 | | | GPT-5.4 Mini | | | GPT-5.4 Nano | | | GPT-5.2 | | | GPT-5.1 | | | GPT-5 | | | GPT-5 Mini | | | GPT-5 Nano | | | GPT-4.1 | | | GPT-4.1 Mini | | | GPT-4.1 Nano | | | GPT-4o | | | GPT-4o Mini | | **Anthropic** | Claude Opus 5.5 | | | Claude Opus 5 | | | Claude Opus 4.8 | | | Claude Opus 4.7 | | | Claude Opus 4.6 | | | Claude Sonnet 5.5 | | | Claude Sonnet 5 | | | Claude Sonnet 4.6 | | | Claude Sonnet 4.5 | | | Claude Haiku 4.5 | > **Note** > > Les tarifs sont généralement indiqués en USD par million de tokens, sauf indication contraire. Un token est une > unité fondamentale de données textuelles pour les LLM, qui équivaut en moyenne à environ 4 caractères. ### LLM personnalisé Vous pouvez utiliser votre propre LLM personnalisé en indiquant l'endpoint auquel nous devons envoyer les requêtes et en fournissant vos identifiants via notre stockage sécurisé des secrets. En savoir plus sur l'[intégration d'un LLM personnalisé](/docs/fr/eleven-agents/customization/llm/custom-llm). > **Note** > > Certains modèles ne sont pas disponibles lorsque l'hébergement des données en Europe est activé. Consultez [RGPD et résidence des données](/docs/fr/overview/administration/data-residency) pour connaître les détails de disponibilité. ## Choisir un modèle Pour sélectionner le LLM le plus adapté à votre application, tenez compte de plusieurs facteurs : * **Complexité des tâches** : évaluez les modèles sur des tâches représentatives de votre application * **Exigences de latence** : pour les conversations vocales en direct, choisissez un modèle à faible latence et mesurez le temps de réponse avec vos prompts et vos outils * **Taille de la fenêtre de contexte** : si votre application doit traiter, comprendre ou mémoriser des informations issues de longues conversations ou de documents volumineux, sélectionnez des modèles dotés de fenêtres de contexte plus larges * **Rapport coût-efficacité** : équilibrez les performances et fonctionnalités recherchées avec votre budget. Les tarifs des LLM peuvent varier considérablement. Analysez donc leur structure tarifaire, pour les tokens d'entrée, de sortie et de cache, en fonction de vos usages prévus * **Conformité HIPAA** : si votre application traite des informations de santé protégées (PHI), il est essentiel d'utiliser un LLM déclaré conforme à la norme HIPAA et de vous assurer que l'ensemble de votre processus de traitement des données respecte les exigences réglementaires > **Note** > > La taille maximale du prompt système est de 2 Mo. Cela inclut les instructions de votre agent, le contenu de la base de connaissances > et les autres éléments de contexte au niveau système. ## Configuration du modèle ### Température La température contrôle le caractère aléatoire des réponses du modèle. Des valeurs faibles produisent des résultats plus cohérents et ciblés, tandis que des valeurs élevées renforcent la créativité et la variété. * **Faible (0,0-0,3)** : réponses déterministes et cohérentes pour les interactions structurées * **Moyenne (0,4-0,7)** : équilibre entre créativité et cohérence * **Élevée (0,8-1,0)** : réponses créatives et variées pour des conversations dynamiques ### Configuration des LLM de secours Configurez des LLM de secours pour assurer la continuité des conversations lorsque le LLM principal échoue ou devient indisponible. **Options de configuration :** * **Par défaut** : utilise la séquence de repli recommandée par ElevenLabs * **Personnalisée** : définissez votre propre séquence en cascade de modèles de secours * **Désactivée** : aucun repli, fortement déconseillé en production > **Warning** > > La désactivation des LLM de secours signifie que les conversations s'interrompront brusquement si votre LLM principal échoue ou devient > indisponible. Cette configuration est fortement déconseillée en production. En savoir plus sur la [cascade de LLM](/docs/fr/eleven-agents/customization/llm/llm-cascading). ## Raisonnement Le raisonnement aide les agents à gérer des décisions complexes, par exemple choisir entre plusieurs outils, appliquer des politiques ou exécuter des workflows en plusieurs étapes. Selon le modèle, vous contrôlez l'ampleur du raisonnement effectué à l'aide d'un budget de réflexion ou d'un niveau d'effort de raisonnement. ### Budget de réflexion Définissez le nombre maximal de tokens de raisonnement avec le curseur numérique. Des budgets plus élevés peuvent augmenter le temps de réponse. Réglez le budget sur `0` pour désactiver la réflexion lorsque le modèle le permet. ### Effort de raisonnement L'effort de raisonnement contrôle l'ampleur du raisonnement effectué par le modèle avant de répondre. Les niveaux disponibles dépendent du modèle sélectionné. > **Tip** > > Commencez avec un budget ou un effort inférieur pour les agents vocaux en direct, car une réflexion supplémentaire peut retarder > les prises de parole. Augmentez-le pour les étapes de workflow qui nécessitent des décisions plus complexes. ### Résumé du raisonnement Activez le résumé du raisonnement pour capturer le raisonnement renvoyé par le modèle lors du débogage des réponses, des appels d'outils ou des parcours de workflow. Activez **Résumé du raisonnement** dans les paramètres LLM de l'agent, ou définissez `enable_reasoning_summary` via l'API. Ce paramètre est désactivé par défaut. Pour les endpoints personnalisés, consultez [comment ElevenLabs demande et stocke le raisonnement](/docs/fr/eleven-agents/customization/llm/custom-llm#reasoning-summary). Le contenu du raisonnement est soumis aux paramètres de conservation et de masquage des données personnelles identifiables. Vous pouvez y accéder via les canaux suivants : | Destination | Disponibilité | | ------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------ | | Historique des conversations | Disponible sous le badge **Raisonnement** | | [API Get conversation](/docs/fr/api-reference/conversations/get) | Renvoyé dans le champ `reasoning` de l'élément de transcription | | [OpenTelemetry](/docs/fr/eleven-agents/customization/opentelemetry-traces) | Inclus dans les spans de réponse de l'agent après l'appel sous la forme `elevenlabs.reasoning_content` | | [Événements client](/docs/fr/eleven-agents/customization/events/client-events) | Disponible sous la forme `agent_reasoning_response_part` uniquement dans les conversations textuelles | > **Note** > > Avec le [mode zéro rétention](/docs/fr/eleven-agents/customization/privacy/zrm), ElevenLabs \*\*ne stocke pas > le contenu du raisonnement \*\*. Il est transmis uniquement aux clients de chat et aux webhooks après l'appel. #### Limites * Demander un résumé du raisonnement peut augmenter la latence de réponse. Testez-le avant de l'activer pour des agents vocaux sensibles à la latence. * Les fournisseurs peuvent renvoyer un résumé, du texte de réflexion, des deltas de raisonnement bruts ou aucun contenu affichable. ## Comprendre la tarification * **Tokens** : l'utilisation des LLM est généralement facturée selon le nombre de tokens traités. À titre indicatif, pour un texte en anglais, 100 tokens correspondent approximativement à 75 mots * **Tarification des entrées et sorties** : les fournisseurs différencient souvent les tarifs des tokens d'entrée, c'est-à-dire les données que vous envoyez au modèle, et des tokens de sortie, c'est-à-dire les données générées par le modèle en réponse * **Tarification du cache** : * `input_cache_read` : correspond au coût associé à la récupération de données d'entrée précédemment traitées depuis un cache. L'utilisation de données en cache peut réduire les coûts si des entrées identiques sont traitées plusieurs fois * `input_cache_write` : correspond au coût associé au stockage de données d'entrée dans un cache. Certains fournisseurs de LLM peuvent facturer cette opération * Les tarifs indiqués dans ce document sont exprimés par million de tokens et reposent sur les informations disponibles au moment de la rédaction. Les fournisseurs de LLM peuvent les modifier * **Tarification au coût réel** : ElevenLabs répercute les coûts des LLM tiers au tarif publié par le fournisseur, sans majoration. Certains modèles Gemini et Claude sont alignés sur la tarification régionale, hors globale, de Vertex AI, appliquée au trafic américain et européen, soit une hausse de 10 % des tokens d'entrée, de sortie et de cache, conformément aux tarifs régionaux de Vertex Pour connaître les capacités actuelles des modèles, les tarifs et les conditions d'utilisation, consultez la documentation du fournisseur. ## Conformité HIPAA Certains LLM disponibles sur notre plateforme peuvent convenir aux environnements nécessitant la conformité HIPAA. Consultez la [documentation sur la conformité HIPAA](/docs/fr/eleven-agents/legal/hipaa) pour plus de détails. ## Ressources associées * [Intégration d'un LLM personnalisé](/docs/fr/eleven-agents/customization/llm/custom-llm) * [Cascade de LLM](/docs/fr/eleven-agents/customization/llm/llm-cascading) * [Optimiser les coûts](/docs/fr/eleven-agents/customization/llm/optimizing-costs) ## Modèles hébergés par ElevenLabs ElevenLabs donne accès à divers modèles IA, dont certains modèles tiers hébergés par ElevenLabs. Lorsqu'un modèle est désigné comme « Hébergé par ElevenLabs », il est déployé et exploité sur une infrastructure gérée par ElevenLabs. Ces modèles sont actuellement hébergés aux États-Unis ou dans la région de votre déploiement Enterprise. #### Identifier les modèles hébergés par ElevenLabs Les modèles hébergés par ElevenLabs sont clairement identifiés dans l'interface ElevenLabs. Recherchez la désignation « Hébergé par ElevenLabs » lorsque vous parcourez ou sélectionnez des modèles. #### Traitement de vos données Pour les modèles hébergés par ElevenLabs, les requêtes sont traitées au sein d'une infrastructure gérée par ElevenLabs. Le fournisseur d'origine du modèle ne reçoit donc pas, n'accède pas à et ne traite pas les entrées et sorties envoyées via ElevenLabs. En hébergeant ces modèles, ElevenLabs garantit une expérience cohérente tout en gardant le contrôle de l'infrastructure utilisée pour traiter les requêtes adressées aux modèles. ## Questions fréquentes #### Où les modèles auto-hébergés sont-ils hébergés ? Les modèles hébergés par ElevenLabs sont actuellement hébergés sur une infrastructure située aux États-Unis ou dans la région de votre déploiement Enterprise. #### Le fournisseur d'origine du modèle accède-t-il à mes données ou aux métadonnées liées à mon utilisation ? Pour les modèles hébergés par ElevenLabs, le développeur d'origine du modèle ne reçoit jamais vos entrées ni vos sorties et n'a pas accès aux données relatives au déploiement qui les traite. #### Comment savoir si un modèle est hébergé par ElevenLabs ? Les modèles hébergés par ElevenLabs sont clairement identifiés dans l'interface ElevenLabs par la désignation « Hébergé par ElevenLabs ».