Les réponses IA dans votre produit ne devraient pas devenir un second produit à maintenir.Les capacités de Querri, au cœur de ce que vous construisez déjà.
La même API que celle de l'app Querri, de MCP et des intégrations, avec un SDK Python, une CLI que votre agent de code peut piloter, et trois appels pour faire entrer un client, filtré sur ses propres lignes.
Un backend. Chaque client obtient des réponses IA sur ses propres données.
Évitez le développement maison.
Une API de LLM plus votre propre code d'assemblage fait une belle démo, puis devient un second produit à maintenir. La Bibliothèque, le moteur d'analyse et les règles par ligne sur chaque réponse, c'est la partie qui prend un an à une équipe. Appelez-les plutôt.
- Trois appels depuis votre backend, et votre client est dedans.
- Son filtre de lignes s'applique aux réponses IA, aux projets et aux tableaux de bord.
- La même Bibliothèque et les mêmes définitions que dans l'app Querri.
Tout ce que l'app fait avec vos données, un script peut le faire.
L'app Querri, MCP et les intégrations reposent tous sur une seule API. Projets et chats avec réponses en streaming, sources, vues, tableaux de bord, la Bibliothèque, partage, utilisateurs, politiques d'accès par ligne et sessions d'intégration : tout y est, y compris l'analyse par l'IA, pas seulement des exports.
- Environ 200 endpoints, avec les mêmes scopes et règles par ligne pour chaque type d'appelant.
- Envoyez des lignes depuis votre pipeline : ajoutez-les à une source ou remplacez-la.
- La sécurité par ligne s'applique aux données lues via une clé, comme dans l'app.
Trois appels depuis votre backend, et votre client est dedans.
get_session trouve ou crée la personne à partir de votre propre ID utilisateur, rattache son filtre de lignes sous forme de vraie politique d'accès et renvoie un jeton de courte durée. as_user agit ensuite en tant que cette personne.
- Le même filtre s'applique aux réponses IA, aux projets et aux tableaux de bord.
- Associez-le à l'intégration pour placer Querri dans votre produit.
- Les réponses viennent de la même Bibliothèque, avec l'accès propre au client.
Gardez dans le code ce que l'entreprise a décidé.
Créez des questions, enregistrez un fait, définissez un KPI, construisez une vue, posez des questions et lancez des évaluations depuis le SDK ou un terminal. Ce que l'entreprise a décidé vit dans du code que vous pouvez versionner et rejouer.
- Ajoutez une question, enregistrez une règle et construisez une vue depuis le terminal.
- Reposez la question, et la réponse utilise la règle que vous venez d'enregistrer.
- La même Bibliothèque que lisent chaque personne et chaque assistant IA de votre entreprise.
Votre agent de code peut déjà utiliser Querri.
La CLI parle JSON, se connecte via le navigateur sans conserver de secret, et est livrée avec une skill Claude Code qui apprend à un agent à la piloter.
- Ajoutez --json pour une sortie exploitable et --no-interactive pour les scripts et les agents.
- pip install querri pour le SDK Python. pip install 'querri[cli]' ajoute la ligne de commande.
- Version 2.1.0, sous licence MIT.
Chaque clé expire. Chaque utilisation est journalisée.
Chaque clé créée dans Settings → API Keys a ses propres scopes, sa limite de débit, sa date d'expiration et une liste d'IP autorisées facultative. Le secret n'est affiché qu'une fois et stocké haché, et chaque utilisation est inscrite au journal d'audit avec une IP.
Dans l’app
Une clé avec ses propres scopes, limites et date d’expiration.
Ce sont des captures d’écran de Querri avec les données d’une entreprise de démonstration : la création d’une clé dans Settings → API Keys, du choix de son type à la copie du secret.
Installez, connectez-vous, appelez.
Installez
pip install querri pour le SDK Python, ou pip install 'querri[cli]' pour avoir aussi la ligne de commande.
Connectez-vous
querri auth login vous connecte via le navigateur. Les scripts utilisent une clé d'API créée dans Settings → API Keys.
Appelez
Posez une question et recevez la réponse en streaming, envoyez des lignes depuis un pipeline, scriptez la Bibliothèque ou ouvrez une session pour un client.
MCP amène Querri dans vos outils d'IA. Le SDK l'amène dans ce que vous construisez.
Utilisateurs de données
Les réponses dans les outils et produits de votre entreprise viennent de la même Bibliothèque, avec votre propre accès.
Responsables des données
Alimentez les données depuis un pipeline, lancez l'analyse hebdomadaire depuis un script et gardez les règles de la Bibliothèque dans le code, avec tout le reste.
Équipe data et IT
Une API avec des scopes et des limites de débit par clé. Chaque clé expire au bout d'un an maximum, son secret n'est affiché qu'une fois et stocké haché, et chaque utilisation est journalisée avec une IP.
Les questions des développeurs
Que puis-je faire avec l'API Querri ?
Tout ce que l'app fait avec vos données : projets et chats avec réponses en streaming, sources, vues, tableaux de bord, la Bibliothèque, partage, utilisateurs, politiques d'accès par ligne et sessions d'intégration. L'app Querri, MCP et les intégrations reposent sur cette même API.
Les règles d'accès par ligne s'appliquent-elles aux appels d'API ?
Oui. La sécurité par ligne s'applique aux données lues via une clé, comme dans l'app. Pour vos clients, get_session rattache le filtre de lignes de chaque personne sous forme de vraie politique d'accès, appliquée aux réponses IA, aux projets et aux tableaux de bord.
Comment installer le SDK et la CLI ?
pip install querri installe le SDK Python, et pip install 'querri[cli]' ajoute l'outil en ligne de commande querri. Connectez-vous avec querri auth login ou une clé d'API.
Un agent de code comme Claude Code peut-il piloter Querri ?
Oui. La CLI parle JSON avec --json et --no-interactive, se connecte via le navigateur sans conserver de secret, et est livrée avec une skill Claude Code qui apprend à un agent à s'en servir.
Comment les clés d'API sont-elles sécurisées ?
Chaque clé a des scopes, une limite de débit, une liste d'IP autorisées facultative et une expiration d'un an maximum. Le secret n'est affiché qu'une fois et stocké haché, et chaque utilisation figure au journal d'audit avec une IP.
Quand utiliser MCP plutôt que l'API ?
MCP amène Querri dans des outils d'IA comme Claude et ChatGPT. L'API et le SDK l'amènent dans les produits, pipelines et agents que vous construisez. Les deux lisent la même Bibliothèque.
Nos données servent-elles à entraîner des modèles d'IA ?
Non. Querri est certifié SOC 2 Type II, HIPAA et ISO 27001:2022, et vos données, prompts et résultats n'entraînent jamais aucun modèle.
Pour aller plus loin
MCP et CLI
Amenez Querri dans Claude, ChatGPT et vos outils de code.
Intégration
Placez Querri dans votre produit, filtré sur les lignes de chaque client.
La Bibliothèque
La compréhension partagée que votre entreprise a de ses données, que lit chaque appel.
Espaces de travail et accès par ligne
Définissez le filtre de chaque personne une fois. Il s'applique aussi dans l'API.
Appelez-le. Ne le construisez pas.
Présentez votre cas d'usage lors d'une démonstration de 20 minutes.