llm 0.37 : endpoints OpenAI et embeddings plus souples
llm 0.37 ajoute de nouveaux modèles OpenAI, simplifie les endpoints compatibles et rend les embeddings plus flexibles.
llm 0.37 est disponible depuis le 2 novembre 2026, selon l’annonce de Simon Willison. Cette version fait évoluer l’outil en ligne de commande et la bibliothèque Python pour interroger des grands modèles de langage, automatiser des tâches et mieux gérer certains usages locaux ou hybrides.
Les nouveautés concernent surtout trois points : l’ajout de modèles OpenAI, la configuration d’endpoints compatibles OpenAI et une meilleure prise en charge des embeddings multimodaux.
Ce qui change concrètement
llm est présenté par Simon Willison comme un outil CLI et une bibliothèque Python pour accéder à de grands modèles de langage. La version 0.37 ajoute la prise en charge de deux modèles OpenAI : gpt-6.1-sol et gpt-6.1-terra, d’après le billet officiel.
Le modèle par défaut change aussi pour les utilisateurs qui n’ont pas défini leur propre modèle. Il passe à gpt-6-luna. Simon Willison indique que ce modèle coûte moitié moins cher que l’ancien modèle par défaut, gpt-5.6-luna. C’est un point important pour les équipes qui utilisent llm dans des scripts fréquents, des assistants internes ou des automatisations de traitement documentaire.
Autre ajout concret : la commande llm openai endpoint add. Elle sert à configurer plus facilement des endpoints compatibles OpenAI. La documentation de llm montre un exemple avec l’URL https://openrouter.ai/api/v1. Elle précise aussi que si l’URL fournie correspond à l’API OpenAI par défaut, la clé api_base est omise et llm utilise la clé API OpenAI habituelle.
La gestion des embeddings progresse également. llm accepte désormais que différents contenus binaires aient des types MIME différents dans un même usage. Simon Willison présente ce changement comme nécessaire pour des modèles comme Gemini Embedding 2, capable d’encoder du texte, de l’audio, des images et de la vidéo. Pour une entreprise, cela facilite les projets où les données ne sont pas uniquement textuelles : supports de formation, visuels produit, enregistrements audio, vidéos internes.
Enfin, cette version intègre des correctifs issus de 12 auteurs. Simon Willison cite notamment 0d00ciallo0721, ac1982, Allen Flux, Bian Yuhan, Bishop Kammeraad, Chen Yufeiyang, Christopher Krah, Ethan Stoner, Jiachen Xie, Olamide Faniyan, Sharat Chandra Sai Boddu et nosmile99.
Comment l'essayer
L’annonce ne détaille pas la disponibilité exacte selon les gestionnaires de paquets ni les modalités d’installation de llm 0.37. Elle confirme en revanche la sortie de cette version et les commandes documentées permettent déjà de comprendre les nouveaux usages, notamment la configuration d’endpoints compatibles OpenAI.
Côté OpenAI, la disponibilité en France est un point à vérifier pour les équipes qui déploient des usages métiers. La page d’aide OpenAI sur les pays et territoires pris en charge indique que la France fait partie des zones supportées pour l’API OpenAI.
Pour gpt-6-luna, la documentation OpenAI indique un prix de 0,10 $ par million de tokens en entrée et 0,50 $ par million de tokens en sortie. La même page mentionne une fenêtre de contexte de 1,05 million de tokens et un maximum de 128 000 tokens en sortie. Elle indique aussi que l’EU data residency est disponible avec Standard, Fast, Flex et Batch processing.
Pour gpt-6.1-terra, la page des modèles OpenAI indique un prix de 1 $ par million de tokens en entrée et de 5 $ par million de tokens en sortie. Elle liste aussi plusieurs capacités prises en charge : Functions, Web search, File search et Computer use. Aucun tarif n’est communiqué ici pour gpt-6.1-sol.
Pour qui, et pour quoi faire
llm 0.37 s’adresse d’abord aux profils techniques qui veulent piloter plusieurs modèles depuis le terminal ou depuis Python. Cela concerne les développeurs, data analysts, équipes produit, consultants IA et responsables innovation qui ont besoin de tester rapidement des modèles sans réécrire toute leur pile à chaque changement de fournisseur.
Un cas d’usage professionnel concret : automatiser la qualification de documents internes. Une équipe peut envoyer des comptes rendus, tickets support ou exports CRM vers un modèle via llm, générer des résumés, extraire des actions à suivre, puis classer les éléments dans un outil métier. Avec la commande d’ajout d’endpoint, la même logique peut être testée avec un endpoint compatible OpenAI, sans enfermer tout le workflow dans une seule configuration.
La nouveauté sur les embeddings est utile pour préparer des bases de recherche sémantique plus riches. Par exemple, une équipe formation peut indexer des documents texte, mais aussi des images, des vidéos ou de l’audio, si le modèle d’embedding choisi le permet. Cela ouvre des recherches internes plus proches de la réalité des contenus d’entreprise.
Limites et points de vigilance
llm reste un outil orienté terminal et développement. Pour une équipe non technique, il faudra prévoir un cadrage, des scripts prêts à l’emploi et une gouvernance claire des clés API. La facilité d’appel d’un modèle ne remplace pas les contrôles sur les données envoyées, les coûts et les droits d’accès.
Le changement de modèle par défaut mérite aussi d’être testé avant usage en production. Même si gpt-6-luna est présenté comme moins cher que l’ancien défaut, un changement de modèle peut modifier les réponses, le style, la robustesse ou la compatibilité avec certains prompts existants.
Les endpoints compatibles OpenAI sont pratiques, mais ils peuvent masquer des différences réelles entre fournisseurs : modèles disponibles, latence, politiques de conservation des données, capacités prises en charge et format exact des erreurs. Il faut documenter chaque endpoint ajouté et éviter de mélanger tests exploratoires et traitements sensibles.
Enfin, les embeddings multimodaux exigent une attention particulière. Indexer du texte, des images, de l’audio et de la vidéo augmente la valeur d’un moteur de recherche interne, mais aussi les enjeux de confidentialité, de consentement et de cycle de vie des données.
L'avis NXUS
llm 0.37 est une mise à jour utile pour les équipes qui industrialisent leurs usages IA sans passer uniquement par des interfaces web. Le vrai gain se situe dans la flexibilité : choix du modèle, endpoints compatibles OpenAI et embeddings plus adaptés aux contenus métiers.
Avant de généraliser, commence par un petit périmètre : un type de document, un modèle, un endpoint, un budget de test. Mesure la qualité, les coûts et les erreurs, puis seulement ensuite élargis le workflow.
Si ton organisation veut structurer ces usages, une formation peut aider à passer du script ponctuel à un cadre durable. Les formations IA NXUS peuvent servir de point de départ pour cadrer prompts, automatisations, sécurité et cas d’usage métier.
Sources
Source : Simon Willison
Rudy Molinillo
