Cloudflare AI Search passe en disponibilité générale avec recherche d'images et OCR

Cloudflare a mis AI Search en disponibilité générale le 1er octobre 2026. AI Search est un service géré qui indexe les documents d'une entreprise et permet aux applications et aux agents d'IA d'y faire des recherches. La version en disponibilité générale ajoute la recherche d'images, la reconnaissance de texte pour les PDF numérisés et des fichiers plus volumineux, et elle fixe des tarifs pour le service. La facturation commence le 1er novembre.

Pour les développeurs, l'argument, c'est moins de plomberie. Construire une recherche sur ses propres données implique généralement d'assembler du stockage, un modèle d'embedding, une base de données vectorielle et une étape de classement. Cloudflare vend tout cela sous la forme d'un seul produit.

Ce qu'est AI Search

AI Search réunit quatre produits Cloudflare en un seul pipeline d'indexation et de récupération, selon l'annonce de Cloudflare. Workers AI exécute les modèles, Vectorize stocke les vecteurs et R2 conserve les fichiers. Le quatrième est Browser Run, le navigateur hébergé de Cloudflare.

Dans ce contexte, un vecteur est une liste de nombres qui capture le sens d'un contenu. Une recherche par vecteurs trouve des résultats proches par le sens, et pas seulement ceux qui partagent des mots-clés. Cloudflare indique utiliser AI Search pour la recherche de son propre blog et de sa documentation pour développeurs.

Les nouveautés de la disponibilité générale

Le principal ajout est la recherche d'images d'après ce qu'elles montrent. AI Search crée désormais des embeddings d'images, des vecteurs produits à partir des pixels eux-mêmes, avec le modèle Qwen3-VL-Embedding. insideAI News décrit cela comme une recherche par les propres pixels de l'image.

Fonction	Changement à la GA
Images	Embeddings d'images natifs pour la recherche visuelle, via Qwen3-VL-Embedding
Documents numérisés	L'OCR, ou reconnaissance optique de caractères, lit le texte des PDF numérisés
Taille des fichiers	Fichiers texte et PDF jusqu'à 10 MiB, contre 4 MiB auparavant
Embeddings	Matryoshka Representation Learning garde les vecteurs compacts
Modes de recherche	La recherche hybride exécute en parallèle la recherche vectorielle et la recherche par mots-clés, puis fusionne les résultats

Matryoshka Representation Learning entraîne les embeddings de sorte qu'une version plus courte de chaque vecteur fonctionne encore. Un service peut ainsi stocker et comparer des vecteurs plus petits sans perdre beaucoup de précision.

Ce que cela coûte

La facturation commence le 1er novembre 2026. insideAI News rapporte que l'analyse, le découpage, l'embedding, l'indexation par mots-clés et le reclassement sont sans surcoût. Le billet de Cloudflare liste ces tarifs et ces quotas gratuits mensuels :

Élément	Gratuit chaque mois	Prix au-delà
Ingestion	5 millions de tokens	0,75 $ par million de tokens
Ingestion d'images	-	0,50 $ par million de tokens
Stockage	10 GB	2,00 $ par GB et par mois
Requêtes sémantiques	1 000	0,75 $ pour 1 000
Requêtes plein texte	1 000	0,10 $ pour 1 000

Les requêtes sémantiques cherchent par le sens, à l'aide de vecteurs. Les requêtes plein texte font correspondre des mots-clés, et elles coûtent beaucoup moins cher.

Cloudflare étoffe depuis un moment ses outils pour les agents d'IA. En août, l'entreprise a présenté Kitesurf, un navigateur conçu pour les agents d'IA, qui fonctionne sur sa plateforme Workers.

Ce que cela signifie pour les développeurs

Chiffrez vos requêtes avant le 1er novembre. Les requêtes sémantiques coûtent 0,75 $ pour 1 000 au-delà des 1 000 gratuites par mois, tandis que les requêtes par mots-clés coûtent 0,10 $. Une application qui fait passer chaque recherche par la voie sémantique coûtera plus de sept fois plus cher qu'une application qui utilise la recherche par mots-clés quand elle suffit. Orientez les recherches simples vers la recherche plein texte.

Réindexez vos PDF et vos images. Si votre index a été construit sous l'ancienne limite de 4 MiB, ou s'il ignorait les documents numérisés, les fichiers plus volumineux et l'OCR peuvent désormais faire remonter du contenu qui manquait. Les embeddings d'images permettent aussi de rechercher les photos de produits, les captures d'écran et les graphiques d'après ce qu'ils montrent.

Testez la recherche hybride sur vos propres requêtes. Fusionner les résultats vectoriels et par mots-clés aide généralement pour les noms, les références de pièces et les codes d'erreur que la recherche purement vectorielle rate. Comparez les résultats sur un échantillon de vraies recherches avant de basculer.

Surveillez le stockage à mesure que votre index grandit. Le niveau gratuit couvre 10 GB, puis le stockage coûte 2,00 $ par GB et par mois. Les index riches en images peuvent grossir vite, alors configurez une alerte de budget.

Pesez le risque de dépendance. AI Search est pratique parce qu'il relie Workers AI, Vectorize, R2 et Browser Run. Ce même lien rend un départ plus difficile. Conservez vos fichiers sources dans un format que vous pourriez indexer ailleurs.