{
  "Store documents as memories with vector embeddings and perform similarity-based semantic retrieval using GoodMem": "Stocker les documents comme des souvenirs avec des incorporations vectorielles et effectuer une récupération sémantique basée sur des similitudes à l'aide de GoodMem",
  "Base URL": "URL de base",
  "API Key": "Clé API",
  "The base URL of your GoodMem API server (e.g., https://api.goodmem.ai or http://localhost:8080)": "L'URL de base de votre serveur API GoodMem (par exemple, https://api.goodmem.ai ou http://localhost:8080)",
  "Your GoodMem API key for authentication (X-API-Key)": "Votre clé d'API GoodMem pour l'authentification (X-API-Key)",
  "Connect to your GoodMem API instance for vector-based memory storage and semantic retrieval": "Connectez-vous à votre instance GoodMem API pour le stockage de mémoire vectorielle et la récupération sémantique",
  "Create Space": "Créer un espace",
  "Create Memory": "Créer de la mémoire",
  "Retrieve Memories": "Récupérer les souvenirs",
  "Get Memory": "Obtenir de la mémoire",
  "Delete Memory": "Supprimer la mémoire",
  "Create a new space or reuse an existing one. A space is a logical container for organizing related memories, configured with embedders that convert text to vector embeddings": "Créez un nouvel espace ou réutilisez un espace existant. Un espace est un conteneur logique pour organiser les mémoires connexes, configuré avec des embedders qui convertissent du texte en des embeddings vectoriels",
  "Store a document as a new memory in a space. The memory is processed asynchronously - chunked into searchable pieces and embedded into vectors. Accepts a file or plain text.": "Stocker un document comme une nouvelle mémoire dans un espace. La mémoire est traitée de manière asynchrone - tronquée en morceaux interrogeables et intégrée dans des vecteurs. Accepte un fichier ou un texte brut.",
  "Perform similarity-based semantic retrieval across one or more spaces. Returns matching chunks ranked by relevance, with optional full memory definitions.": "Effectue une récupération sémantique basée sur des similarités sur un ou plusieurs espaces. Retourne les chunks correspondants classés par pertinence, avec des définitions de mémoire complète optionnelles.",
  "Fetch a specific memory record by its ID, including metadata, processing status, and optionally the original content.": "Récupère un enregistrement mémoire spécifique par son ID, y compris les métadonnées, le statut de traitement et éventuellement le contenu original.",
  "Permanently delete a memory and its associated chunks and vector embeddings.": "Supprime définitivement une mémoire et ses tronçons associés et incorporels vectoriels.",
  "Space Name": "Nom de l'espace",
  "Embedder": "Embedder",
  "Advanced Chunking Options": "Options de tronçonnage Avancées",
  "Space": "Espace libre",
  "File": "Ficher",
  "Text Content": "Contenu du texte",
  "Source": "Source",
  "Author": "Auteur",
  "Tags": "Tags",
  "Additional Metadata": "Métadonnées supplémentaires",
  "Query": "Requête",
  "Spaces": "Espaces",
  "Maximum Results": "Nombre maximum de résultats",
  "Include Memory Definition": "Inclure la définition de la mémoire",
  "Wait for Indexing": "Attendre l'indexation",
  "Reranker": "Reranker",
  "LLM": "LLM",
  "Relevance Threshold": "Seuil de pertinence",
  "LLM Temperature": "Température LLM",
  "Chronological Resort": "Station Chronologique",
  "Memory ID": "ID de la mémoire",
  "Include Content": "Inclure le contenu",
  "A unique name for the space. If a space with this name already exists, its ID will be returned instead of creating a duplicate": "Un nom unique pour l'espace. Si un espace portant ce nom existe déjà, son ID sera retourné au lieu de créer un doublon",
  "The embedder model that converts text into vector representations for similarity search": "Le modèle d'intégration qui convertit le texte en représentations vectorielles pour la recherche de similarité",
  "Select a space to use": "Sélectionnez un espace à utiliser",
  "A file to store as memory (PDF, DOCX, image, etc.). Connect the output of a trigger or action that provides a file. Content type is auto-detected from the file extension.": "Un fichier à stocker en mémoire (PDF, DOCX, image, etc.). Connectez la sortie d'un déclencheur ou d'une action qui fournit un fichier. Le type de contenu est automatiquement détecté à partir de l'extension de fichier.",
  "Plain text content to store as memory (sent as text/plain). If both File and Text Content are provided, the file takes priority.": "Contenu texte brut à stocker en mémoire (envoyé en texte/plain). Si les deux fichiers et le contenu texte sont fournis, le fichier prend la priorité.",
  "Where this memory came from (e.g., \"google-drive\", \"gmail\", \"manual upload\"). Stored in metadata.source": "d'où venait cette mémoire (ex: \"google-drive\", \"gmail\", \"manual upload\"). Stocké dans metadata.source",
  "The author or creator of the content. Stored in metadata.author": "L'auteur ou le créateur du contenu. Stocké dans metadata.author",
  "Comma-separated tags for categorization (e.g., \"legal,research,important\"). Stored in metadata.tags as an array": "Étiquettes séparées par des virgules pour la catégorisation (par exemple, \"légal,recherche,important\"). Stockées dans les métadonnées.tags sous la forme d'un tableau",
  "Extra key-value metadata as JSON. Merged with Source, Author, and Tags fields above": "Métadonnées de valeur clé supplémentaire en JSON. Fusionnées avec les champs Source, Auteur et Tags ci-dessus",
  "A natural language query used to find semantically similar memory chunks": "Une requête de langage naturel utilisée pour trouver des morceaux de mémoire sémantiquement similaires",
  "Select one or more spaces to search across": "Sélectionnez un ou plusieurs espaces à rechercher",
  "Limit the number of returned memories": "Limiter le nombre de mémoires retournées",
  "Fetch the full memory metadata (source document info, processing status) alongside the matched chunks": "Récupérer les métadonnées de la mémoire complète (information du document source, état du traitement) à côté des chunks correspondants",
  "Retry for up to 60 seconds when no results are found. Enable this when memories were just added and may still be undergoing chunking and embedding": "Réessayez jusqu'à 60 secondes si aucun résultat n'est trouvé. Activer cette option lorsque les mémoires ont été ajoutées et peuvent encore être en cours de fragmentation et d'intégration",
  "Optional reranker model to improve result ordering": "Modèle de reranker optionnel pour améliorer l'ordre des résultats",
  "Optional LLM to generate contextual responses alongside retrieved chunks": "LLM facultatif pour générer des réponses contextuelles à côté des chunks récupérés",
  "Minimum score (0-1) for including results. Only used when Reranker or LLM is set.": "Score minimum (0-1) pour les résultats inclus. Utilisé uniquement lorsque Reranker ou LLM est défini.",
  "Creativity setting for LLM generation (0-2). Only used when LLM ID is set.": "Paramètre de créativité pour la génération de LLM (0-2). Utilisé uniquement lorsque l'ID LLM est défini.",
  "Reorder results by creation time instead of relevance score": "Réorganiser les résultats par temps de création au lieu du score de pertinence",
  "The UUID of the memory to fetch (returned by Create Memory)": "L'UUID de la mémoire à récupérer (retourné par Create Memory)",
  "Fetch the original document content of the memory in addition to its metadata": "Récupérer le contenu du document original de la mémoire en plus de ses métadonnées",
  "The UUID of the memory to delete (returned by Create Memory)": "L'UUID de la mémoire à supprimer (retourné par Create Memory)"
}