Aller au contenu principal
PromptQuorumConçu pour les humains. Structuré pour l'IA.
Accueil/LLM locaux avancés
RAG & Document Chat

Test de CocoIndex : framework de données incrémental pour RAG et agents IA

·6 min de lecturePar · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

CocoIndex (version 1.1.1, publiée le 5 novembre 2026) est un framework Python gratuit et open source (Apache 2.0) qui maintient à jour les index vectoriels et d’autres stockages de données IA en ne retraitant que les entrées modifiées. Il construit le pipeline de données derrière le RAG et les agents ; il ne dialogue pas et n’embarque aucun modèle.

Points clés

  • Maintenance : le dernier commit de la branche principale date du 8 novembre 2026 et la dernière version, 1.1.1, du 5 novembre 2026 ; aucun avertissement de projet abandonné ne s’applique.
  • Périmètre : un framework de pipelines pour développeurs, pas une appli ; il ne contient ni fenêtre de chat ni modèle.
  • Usage local : Ollama, sentence-transformers et des cibles locales sont documentés, mais les mêmes pages montrent des fournisseurs cloud ; la confidentialité dépend donc de votre configuration.
  • Coût : le cœur est gratuit ; une édition sous licence distincte, CocoIndex Plus, existe pour les équipes, sans prix publié.
  • Télémétrie : les versions publiées envoient des événements d’usage anonymes, sauf désactivation par une variable d’environnement.

📍 En une phrase

CocoIndex est un framework Python open source qui maintient à jour les index RAG et le contexte des agents en ne recalculant que les données et les chemins de code qui ont changé.

💬 En termes simples

Vous décrivez en quelques lignes de Python ce que votre index doit contenir ; CocoIndex mémorise les résultats précédents et, quand un fichier ou votre code change, ne met à jour que les lignes concernées.

📌Remarque: Ce test s’appuie sur le site de CocoIndex, la documentation, le dépôt GitHub et PyPI, consultés le 8 novembre 2026. PromptQuorum n’a ni installé ni exécuté CocoIndex ; la vitesse, la consommation de mémoire et la qualité des résultats ne sont donc pas évaluées.

Lire en:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

CocoIndex est un framework Python open source, avec un moteur Rust en dessous, qui garde les index vectoriels, les tables et les graphes de connaissances synchronisés avec des données sources changeantes en ne retraitant que ce qui a changé. Ce n’est ni une appli de chat ni un environnement d’exécution de modèles : c’est la couche de pipeline qui alimente un système RAG ou un agent IA. Côté modèles locaux, les embeddings et l’extraction peuvent passer par Ollama ou sentence-transformers sur votre propre machine. Ce test s’appuie sur cocoindex.io, la documentation et le dépôt GitHub, consultés le 8 novembre 2026 ; PromptQuorum n’a pas testé CocoIndex en pratique.

Test de CocoIndex : framework de données incrémental pour RAG et agents IA

Qu’est-ce que CocoIndex ?

CocoIndex est un framework de pipelines de données qui transforme des sources changeantes en données prêtes pour l’IA et les garde à jour. Vous déclarez à quoi la cible doit ressembler en fonction de la source, comme une formule de tableur ou un composant React, et le moteur détermine quelles parties recalculer. Les sources citées dans la documentation incluent les dossiers locaux, Amazon S3, Google Drive, Kafka et des bases de données ; les cibles incluent des bases vectorielles, relationnelles et de graphes. L’éditeur est CocoIndex Inc, la société nommée sur son site.

Le moteur est écrit en Rust et les pipelines en Python. Il mémorise les résultats précédents à trois niveaux, par élément source, par appel de fonction et par ligne cible : un document modifié est ré-analysé et ré-encodé, tandis que les autres sont ignorés. Il relance aussi le travail quand le code d’une fonction change. Un produit distinct, CocoIndex Code, applique la même idée aux bases de code pour les agents de programmation et n’est pas traité ici.

Où l’obtenir

CocoIndex est un paquet Python : on l’installe en une commande, puis on écrit un fichier de pipeline. Ce n’est pas une appli de bureau à télécharger, il n’y a donc pas d’installateur.

Option
Comment l’obtenir
pippip install -U cocoindex depuis PyPI
uv ou Poetryuv add cocoindex ou poetry add cocoindex, selon le guide d’installation
Démarrage rapideUn pipeline PDF vers Markdown qui exige aussi pip install docling : démarrage rapide
Site webcocoindex.io
Documentationcocoindex.io/docs
Politique de confidentialitéCocoIndex Privacy Policy, mise à jour pour la dernière fois le 6 novembre 2026 selon la page
Code sourcegithub.com/cocoindex-io/cocoindex, Apache 2.0

Version examinée : 1.1.1, publiée le 5 novembre 2026. Un terminal et un environnement Python sont requis ; il n’y a pas d’installateur graphique. L’édition CocoIndex Plus, destinée aux équipes, s’installe séparément avec une clé de licence.

Configuration requise

La documentation demande Python 3.11 à 3.13 et nomme trois systèmes d’exploitation. Elle ne publie aucun minimum de RAM ou de GPU pour le framework lui-même.

Python

Ce que disent les sources:
3.11 à 3.13 dans le guide d’installation ; les métadonnées PyPI exigent 3.11 ou plus récent

macOS

Ce que disent les sources:
10.12 ou plus récent sur Intel, 11.0 ou plus récent sur Apple Silicon

Linux

Ce que disent les sources:
x86_64 ou arm64 avec glibc 2.28 ou plus récente, par exemple Debian 10 ou Ubuntu 18.10

Windows

Ce que disent les sources:
Windows 10 ou plus récent sur x86_64

Base de données

Ce que disent les sources:
Aucune pour CocoIndex lui-même : son état vit dans un fichier LMDB embarqué dont vous fixez le chemin avec COCOINDEX_DB ; la cible choisie, comme Postgres, est distincte

Modèles

Ce que disent les sources:
Ceux que vous configurez ; pour la voie Ollama, Ollama doit tourner en local et chaque modèle être téléchargé au préalable

Les besoins matériels dépendent donc des modèles d’embedding et de langage que vous choisissez, pas de CocoIndex.

Pour bien démarrer

Les étapes suivent le démarrage rapide et les pages sur les embeddings de la documentation ; PromptQuorum ne les a pas exécutées.

  1. 1
    Installez le paquet
    Why it matters: Exécutez pip install -U cocoindex dans un environnement Python 3.11 à 3.13, plus l’analyseur de votre choix, comme docling pour les PDF.
  2. 2
    Définissez le chemin de la base d’état
    Why it matters: Créez un fichier .env contenant COCOINDEX_DB=./cocoindex.db pour que CocoIndex dispose d’un fichier local où mémoriser les exécutions précédentes.
  3. 3
    Déclarez le pipeline
    Why it matters: Écrivez une appli Python qui lit un dossier source, traite chaque fichier avec des fonctions ordinaires et déclare les lignes ou fichiers que la cible doit contenir.
  4. 4
    Choisissez des modèles locaux
    Why it matters: Pour des embeddings sur votre machine, démarrez Ollama, exécutez ollama pull nomic-embed-text et pointez l’encodeur LiteLLM vers lui, ou utilisez plutôt l’encodeur sentence-transformers.
  5. 5
    Exécutez, puis relancez
    Why it matters: Lancez cocoindex update main.py, modifiez un fichier source et relancez ; la documentation indique que seuls les fichiers concernés sont retraités.

Fonctions confirmées par les sources

Chaque point ci-dessous provient du site, de la documentation ou du dépôt ; aucun n’a été testé ici.

  • Traitement incrémental. Détection des changements au niveau du composant, de la fonction et de la cible, avec mémoïsation et suivi des modifications du code.
  • Connecteurs. Les sources et cibles listées dans la documentation incluent les fichiers locaux, Amazon S3, Azure Blob, Google Drive, Kafka, PostgreSQL, SQLite, LanceDB, Qdrant, Neo4j, Snowflake et BigQuery.
  • Options de modèles locaux. Embeddings via Ollama (nomic-embed-text, mxbai-embed-large, bge-m3 et d’autres) ou sentence-transformers, et extraction structurée avec un Llama 3.2 local via Ollama.
  • Traçabilité et reprise. Possibilité d’inspecter la façon dont une sortie a été produite ; les échecs transitoires sont relancés et les exécutions reprennent après une interruption.
  • Mode live. Les pipelines peuvent surveiller les sources et se mettre à jour en continu plutôt que par lots.

Flux de données et confidentialité

Avec Ollama ou sentence-transformers et une cible locale comme SQLite ou LanceDB, le chemin de données documenté reste sur votre machine. Si vous choisissez plutôt OpenAI, Gemini ou une base hébergée, votre texte part chez ce fournisseur selon ses propres conditions ; CocoIndex ne l’empêche pas.

La page de télémétrie indique que les versions publiées envoient des événements anonymes (nom de l’événement, système d’exploitation et architecture du processeur, version de Python, et une étiquette d’application seulement si vous en définissez une) via la passerelle Scarf. Elle liste ce qui n’est pas envoyé, dont vos données, votre code, vos chemins de fichiers et vos identifiants, et précise que définir COCOINDEX_DISABLE_USAGE_TRACKING à une valeur autre que 0 la désactive.

📌Remarque: Il s’agit de déclarations de l’éditeur, pas de résultats d’audit. PromptQuorum n’a inspecté ni le trafic réseau ni le code.

À qui s’adresse l’outil

  • Les développeurs Python qui réindexent des documents, du code ou des enregistrements changeants dans un stockage vectoriel et veulent ignorer les éléments inchangés.
  • Les équipes qui utilisent déjà Ollama et veulent des embeddings locaux dans un pipeline maintenu plutôt que dans un script ponctuel.
  • Les concepteurs d’agents qui ont besoin d’un index suivant les sources en continu et pouvant écrire dans plusieurs types de stockage.

Ce que nous n’avons pas pu vérifier

  • Performances. La vitesse, la consommation de mémoire et les gains des mises à jour incrémentales sont des descriptions de l’éditeur et n’ont pas été mesurés.
  • Qualité. On ignore si les modèles locaux d’embedding et d’extraction donnent de bons résultats sur vos données.
  • Prix de Plus. CocoIndex Plus est sous licence, le site propose un rendez-vous à réserver et aucun prix n’est publié ; aucun prix n’est donc indiqué ici.
  • Comportement sous Windows. La documentation indique Windows 10 ou plus récent, mais aucun test spécifique à Windows n’a été vérifié.
  • Seuil matériel. Aucun minimum de RAM ou de GPU n’est publié pour le framework.

Concurrents et alternatives

LlamaIndex

Plateformes:
Mac, Windows, Linux
Prix / licence:
Gratuit / MIT
Différence clé:
Boîte à outils RAG plus large pour l’interrogation et les agents ; CocoIndex se concentre sur la fraîcheur de l’index
Articles sur LlamaIndex (10)

+17 autres non affichés

Haystack

Plateformes:
Mac, Windows, Linux
Prix / licence:
Gratuit / Apache 2.0
Différence clé:
Pipelines de composants explicites pour la recherche et le RAG, centrés sur les flux au moment de la requête
Articles sur Haystack (3)

Également mentionné dans :

txtai

Plateformes:
Mac, Windows, Linux
Prix / licence:
Gratuit / Apache 2.0
Différence clé:
Base d’embeddings et flux de travail LLM dans une seule bibliothèque, avec son propre stockage
Articles sur txtai (2)

Également mentionné dans :

Cognee

Plateformes:
Auto-hébergé
Prix / licence:
Gratuit / Apache-2.0
Différence clé:
Construit des graphes de connaissances et une mémoire pour agents plutôt que de synchroniser des cibles arbitraires

Ces outils se recoupent en partie et peuvent se combiner, par exemple en alimentant un index que LlamaIndex ou Haystack interroge ensuite. Vérifiez le prix, la licence et les plateformes actuels de chaque outil sur sa propre fiche avant de choisir.

Comparer dans l'annuaire

Questions fréquentes

CocoIndex a-t-il besoin d’un serveur de base de données ?

Pas pour son propre état, qui est un fichier embarqué. Votre stockage cible, comme PostgreSQL avec pgvector ou Qdrant, est un choix distinct, et SQLite et LanceDB sont listés comme options basées sur des fichiers.

CocoIndex est-il identique à CocoIndex Code ?

Non. CocoIndex est le framework généraliste présenté dans ce test ; CocoIndex Code est un produit distinct pour la recherche sémantique dans les bases de code et expose un serveur MCP pour les agents de programmation.

En quoi CocoIndex diffère-t-il des versions 0 ?

Le fichier de compétences de l’éditeur indique que la version 1 est une refonte complète et que les agents entraînés sur l’ancienne API ont tendance à écrire dans le style obsolète de la version 0 ; utilisez donc la documentation actuelle.

Puis-je désactiver la télémétrie ?

Oui. Définissez la variable d’environnement COCOINDEX_DISABLE_USAGE_TRACKING à n’importe quelle valeur non vide autre que 0 avant de lancer votre programme, comme décrit sur la page de télémétrie.

Verdict

CocoIndex est un moyen activement développé de garder les index RAG et le contexte des agents à jour sans tout ré-encoder, et sa documentation présente Ollama et sentence-transformers comme des voies locales. En revanche, c’est un framework de pipelines orienté code et non une appli de LLM local, la documentation montre les fournisseurs cloud aussi volontiers que les locaux, l’édition Plus sous licence n’a pas de prix publié et PromptQuorum n’a rien testé de tout cela. Il convient aux développeurs Python qui maintiennent des corpus de documents changeants et acceptent d’écrire du code de pipeline ; pour discuter avec vos fichiers sans programmer, une appli comme AnythingLLM est un meilleur point de départ.

Sources

  • Site web de CocoIndex — présentation du produit et comparaison des éditions, consulté le 8 novembre 2026.
  • Documentation de CocoIndex — présentation, installation, démarrage rapide, chemin de la base, pages sur les embeddings et les connecteurs, consultée le 8 novembre 2026.
  • Page de télémétrie de CocoIndex — quels événements anonymes sont envoyés et comment les désactiver, consultée le 8 novembre 2026.
  • CocoIndex sur GitHub — licence, README et version 1.1.1, consultés le 8 novembre 2026.
  • cocoindex sur PyPI — version 1.1.1 du paquet et version de Python requise, consultés le 8 novembre 2026.
  • CocoIndex Privacy Policy — conditions de confidentialité de la société, mises à jour pour la dernière fois le 6 novembre 2026.

← Retour aux LLM locaux avancés

MCP