Guide d'utilisation d'AURA
Ce guide s'adresse à qui vient de créer un compte et se demande par où commencer. Il décrit ce que la plateforme fait aujourd'hui, dans l'ordre où on s'en sert.
Ce qu'AURA fait, et ce qu'elle ne fait pas
AURA rassemble des preuves de la conformité de vos systèmes d'IA au règlement (UE) 2024/1689, les organise en un dossier vérifiable, et mesure ce qui se mesure : les biais d'un modèle, l'empreinte carbone d'un entraînement.
AURA n'est pas un organisme notifié. Les rapports produits ne constituent ni une évaluation de la conformité au sens de l'article 43 du règlement, ni une certification, ni un avis juridique.
Cette phrase n'est pas une précaution d'avocat. Elle décrit exactement la frontière : la plateforme vous aide à constituer un dossier et à savoir où vous en êtes.
L'évaluation de la conformité prévue à l'article 43 incombe au fournisseur du système. Pour les systèmes à haut risque de l'annexe III, points 2 à 8, elle suit la procédure de contrôle interne de l'annexe VI, sans organisme notifié. Pour les systèmes de l'annexe III, point 1, le fournisseur suit soit le contrôle interne (annexe VI), soit l'évaluation avec un organisme notifié (annexe VII), dans les conditions de l'article 43, paragraphe 1, qui rendent l'organisme notifié obligatoire notamment lorsque les normes harmonisées n'ont pas été appliquées. Lorsque le système est destiné à être mis en service par les autorités répressives, les services de l'immigration ou les autorités compétentes en matière d'asile, ou par les institutions, organes ou organismes de l'Union, l'autorité de surveillance du marché visée à l'article 74, paragraphe 8 ou 9, agit en tant qu'organisme notifié (article 43, paragraphe 1, troisième alinéa). Pour les produits de l'annexe I, section A, la procédure est celle de la législation sectorielle (article 43, paragraphe 3, tel que remplacé par le règlement (UE) 2026/1744) : les exigences de la section 2 du chapitre III font partie de cette évaluation, et l'évaluation du système de gestion de la qualité prévue à l'article 17 est également effectuée. AURA ne réalise pas cette évaluation : elle aide à constituer le dossier de preuves.
Trois distinctions que vous retrouverez partout dans l'interface, parce qu'elles changent le sens de ce que vous lisez :
| Mesuré, estimé, déclaré | chaque preuve porte sa nature. Une déclaration n'a pas le poids d'une mesure, et le rapport ne les confond jamais |
| Non évalué ≠ non satisfait | un contrôle qu'on n'a pas regardé n'est pas un contrôle échoué |
| Vide ≠ zéro | une métrique indisponible reste vide. Zéro voudrait dire « aucune émission », ou « aucun biais » |
L'essai gratuit
Il démarre lorsque vous confirmez votre adresse e-mail, par le lien reçu à l'inscription : dix jours d'accès à l'Assistant (AI Act et plateforme) et un audit offert. Rien ne court avant la confirmation : tant qu'elle n'a pas eu lieu, l'essai est en attente et ne perd aucun jour.
Ce qu'il comprend
L'Assistant, gratuit 10 jours. Il répond aussi bien sur la réglementation que sur AURA elle-même (comment lancer un audit, ce que signifie un score ou un test technique) en s'appuyant uniquement sur ses deux bibliothèques indexées. Il cite ses sources, et lorsqu'il ne trouve pas, il le dit plutôt que d'inventer.
Sa bibliothèque juridique réunit l'AI Act (règlement (UE) 2024/1689) et le règlement (UE) 2026/1744 qui le modifie, le RGPD (règlement (UE) 2016/679), la directive (UE) 2016/680 (protection des données en matière pénale) et le règlement (UE) 2018/1725 (données traitées par les institutions de l'Union). Il ne répond pas sur d'autres textes.
Un audit gratuit, au choix. Biais ou juridique, une seule fois : à vous de choisir lequel. L'axe non choisi reste accessible ensuite, à condition de configurer votre propre clé pour cet usage.
Ce qui se passe ensuite
Passé les 10 jours, ou l'audit consommé, la plateforme vous répond que l'essai est terminé. Rien n'est supprimé : vos projets, vos dossiers et vos rapports restent accessibles. C'est l'appel à un modèle de langage qui s'arrête.
Vous voyez à tout moment où vous en êtes sur Paramètres → Fournisseurs LLM. Le bandeau disparaît de lui-même dès que vous avez configuré votre propre clé : il n'annonce que ce qui vous est encore offert.
L'Assistant
Un routeur d'intention classe chaque question : juridique (le règlement, ses articles, ses obligations) ou plateforme (AURA elle-même : ses écrans, comment lancer un audit, ce que signifie une méthodologie qu'elle implémente, comme un test WEAT/SEAT ou BBQ/HELM, le moteur AIRS, une preuve mesurée/estimée/déclarée). En cas de doute, l'Assistant retombe sur le mode juridique, le plus strict.
Chaque réponse affiche sa provenance (Juridique ou Plateforme), et reste fondée exclusivement sur les extraits trouvés dans la bibliothèque correspondante : jamais de réponse générée sans correspondance documentaire, quel que soit le mode.
La réponse arrive d'abord condensée, avec une relance pour approfondir un point précis plutôt que de dérouler d'emblée tous les cas particuliers.
Vérifiez les sources citées. Chaque réponse cite l'article sur lequel elle s'appuie : relisez-le avant de vous fonder sur la réponse. L'Assistant n'est pas un conseil juridique. Ce qu'il peut encore faire de travers :
- pour un article modifié en 2026, il peut confondre la date de la modification et la date à laquelle l'article s'applique : vérifiez la date d'application ;
- il peut décrire ce que la Commission doit publier sans savoir si c'est déjà fait ;
- une référence d'article peut être imprécise : la source citée fait foi.
Le parcours d'un audit
1. Un projet
Systèmes d'IA → Nouveau projet. Un projet représente un système d'IA. Vous en aurez autant que de systèmes à documenter.
2. Une exécution
Une exécution est une campagne datée sur ce système : la photographie d'un état, à un moment. Vous en lancerez plusieurs au fil du temps, et c'est volontaire : un dossier de conformité se compare d'une version à l'autre.
Une fois l'exécution ouverte, la barre latérale affiche ses onglets : Classification, Conformité, Évaluations, et (dès qu'une campagne est ouverte) Dossier & rapport. L'onglet Évaluations est la vue d'ensemble : il montre côte à côte les deux cartes qui ouvrent chacune un audit : Conformité AI Act (le référentiel AIRS, étape 5) et Conformité Juridique (le questionnaire déclaratif, étape 4).

3. La classification du risque
Le règlement ne demande pas la même chose à tous les systèmes. Huit questions, évaluées par un arbre de règles déterministe (jamais un modèle de langage), déterminent votre catégorie : pratique interdite, haut risque (Annexe I ou III), modèle à usage général à risque systémique, obligations de transparence (art. 50), ou risque minimal.
La trace de décision est conservée. Chaque réponse déclenche une règle identifiée ; le rapport montre laquelle a été décisive, et sur quelle réponse : vous pouvez donc expliquer la classification, pas seulement l'annoncer.
Onglet Classification. Répondre une nouvelle fois aux questions, lorsque vous l'avez déjà fait une première fois, produit une nouvelle classification (bouton Reclasser depuis l'onglet Conformité, une fois qu'une première classification existe) ; les dossiers déjà exportés conservent l'ancienne : la classification qui a servi de base à un rapport livré ne change pas rétroactivement sous ses pieds.

4. Le questionnaire
Un questionnaire déclaratif rattaché à l'exécution : vos déclarations sur votre documentation, votre gouvernance, vos données, au titre de l'AI Act et du RGPD. Il produit un score déclaratif, et ce mot compte : il repose sur ce que vous déclarez, sans vérification. Il signale des points d'attention ; il ne conclut pas à la conformité.
Onglet Évaluations → carte « Conformité Juridique » → Démarrer l'audit juridique. Vos réponses ne restent pas isolées : dès qu'une campagne Core AIRS s'ouvre (section suivante), elles y sont reprises comme preuve déclarée : c'est précisément ce que « Core AIRS vérifie sur pièces » signifie en pratique.
5. La campagne de contrôles
C'est le cœur. La plateforme confronte votre système au référentiel AIRS et rassemble, pour chaque contrôle applicable, une preuve avec sa nature : mesurée, estimée ou déclarée.
Onglet Conformité → Campagnes d'évaluation → choisir une modalité → Ouvrir une campagne. Deux modalités, qui ne portent pas les mêmes contrôles :
| Modalité | Ce qu'elle exige |
|---|---|
| Core AIRS : supervision juridique et procédurale | vérifie sur pièces : vos réponses au questionnaire et les preuves déjà disponibles suffisent |
| Extended AIRS : évaluation technique | exige en plus l'exécution de tests techniques sur le système : un audit de biais ou une mesure carbone, lancés depuis la plateforme ou via auraagent |

Chaque contrôle affiche la méthode de vérification attendue et la preuve recherchée. Un contrôle sans preuve reste non évalué : il n'est jamais compté comme un écart, et il reste visible plutôt que d'être masqué, pour ne pas laisser croire qu'il n'était pas applicable.

Échéances applicables. L'onglet Conformité liste aussi les obligations qui s'appliquent à votre catégorie, avec leur date. Une échéance marquée provisoire découle d'un accord politique non encore publié au Journal officiel de l'Union européenne : elle peut encore changer, et ne doit pas être tenue pour acquise. Depuis la publication du règlement (UE) 2026/1744 au Journal officiel le 24 juillet 2026, les échéances haut risque ne sont plus provisoires : le 2 décembre 2027 pour l'annexe III, le 2 août 2028 pour l'annexe I.
6. Le rapport et le dossier
Depuis une campagne ouverte, Clore la campagne et composer le rapport fige la couverture : un rapport déjà livré ne doit pas changer parce que le référentiel a évolué depuis. Trois sorties, dans l'en-tête de la campagne :
| Rapport (PDF) | ce que vous présentez. Classification, échéances, couverture par exigence, écarts, plan de remédiation |
| Export AISC | le dossier de preuves au format du catalogue AISC, pour rester interopérable avec un outil tiers |
| Dossier signé | ce que vous remettez à un auditeur. Il porte son empreinte, et se vérifie sans accès à votre compte |

Le rapport peut porter une synthèse d'ouverture. Vous la rédigez, ou vous demandez un premier jet à un modèle de langage, mais elle n'entre dans le document qu'après votre relecture et votre validation, qui y figurent avec votre nom et la date. Un brouillon ne part pas chez un auditeur en votre nom.
Passer à votre propre clé
L'essai est servi par la clé de CEVIA. Au-delà, vous configurez la vôtre : les appels sont alors facturés par votre fournisseur, sans limite de durée.
Paramètres → Fournisseurs LLM. Cinq usages se règlent indépendamment.
| Usage | Ce qu'il fait |
|---|---|
| Chatbot AI Act | le modèle qui rédige les réponses de l'assistant, à partir de votre bibliothèque |
| Vectorisation | le modèle qui range cette bibliothèque pour qu'on puisse y chercher |
| Modèle à auditer (biais) | votre modèle génératif, celui que vous soumettez à l'audit HELM/BBQ |
| Modèle d'embedding à auditer (biais) | votre modèle d'embedding, celui que vous soumettez à l'audit WEAT/SEAT |
| Rédaction de la synthèse | le modèle qui propose un premier jet, que vous relisez |

Trois points à connaître avant de commencer.
« Modèle à auditer » désigne le vôtre, pas le meilleur du marché : dans les deux cas. Y mettre un modèle réputé reviendrait à auditer celui-là, et à repartir avec un rapport exact qui ne parle pas de votre système. Les deux usages « à auditer » sont indépendants : configurer l'un ne configure pas l'autre, exactement comme changer de modèle de vectorisation ne change rien au modèle qui rédige les réponses de l'assistant.
Changer le modèle de vectorisation oblige à réindexer. Deux modèles ne rangent pas les textes au même endroit ; les mélanger donne des réponses silencieusement mauvaises. La plateforme vous le rappelle à chaque indexation.
Le bouton « Tester » émet un véritable appel. Valider la seule forme d'une clé ne prouverait rien : c'est le fournisseur qui décide s'il l'accepte.
Ce que devient votre clé
Elle est chiffrée avant d'être enregistrée, et n'est jamais réaffichée, ni à l'écran, ni dans un journal, ni dans un message d'erreur. La liste en montre sept caractères sur trente-deux, de quoi reconnaître laquelle est en place. Pour en changer, vous en saisissez une nouvelle ; on ne relit pas l'ancienne.
Chaque usage porte un plafond mensuel de tokens. Un appel qui le dépasserait est refusé avant d'être émis : c'est ce qui transforme une boucle involontaire en refus poli plutôt qu'en facture.
Paramètres → Fournisseurs LLM → Détail de la consommation montre ce qui a été consommé, par usage, avec le coût estimé et les émissions estimées. Le coût vient de la grille tarifaire publique du fournisseur ; sa facture fait foi.

Auditer un modèle auto-hébergé
Un modèle qui tourne sur votre propre serveur s'audite de la même façon que les autres : AURA le traite comme une boîte noire. Peu importe ce qu'il y a derrière : un modèle fine-tuné, sa propre recherche documentaire, ou une autre mécanique. Il pose les questions du jeu de test, il lit les réponses, et ne voit jamais ce qu'il y a derrière.
Choisissez Auto-hébergé (vLLM, Ollama) comme fournisseur pour l'usage « Modèle à auditer ». Un modèle d'embedding auto-hébergé se configure de la même façon, sur l'usage « Modèle d'embedding à auditer (biais) ».

Deux champs à renseigner vous-même, puisqu'il n'existe personne à qui les demander :
- URL du service : l'adresse de votre serveur, en HTTPS impérativement. En HTTP brut, la clé y transite en clair à chaque appel, sur un réseau qui n'est pas toujours le vôtre.
- Clé d'API : un secret que vous inventez vous-même et posez des deux
côtés : sur votre serveur (chez vLLM, par exemple, l'option
--api-keyau lancement), et ici, à l'identique.
Le bouton « Tester » confirme que les deux bouts se parlent avant de lancer le premier audit.
L'agent auraagent
Certaines mesures ne peuvent pas se faire depuis la plateforme : il faut être là où tourne votre modèle. C'est le rôle de l'agent, un programme en ligne de commande que vous installez chez vous, sous Linux, macOS ou Windows.
Avant d'installer
- Python 3.10, 3.11, 3.12 ou 3.13 est obligatoire. Vérifiez-le avec
python --version(sous Windows :py --version).- Sous Python 3.14 ou 3.9,
pipinstalle sans prévenir une ancienne version de l'agent, qui ne fonctionne pas. Installez alors Python 3.12 et créez un environnement dédié à l'agent (commandes ci-dessous).- L'agent doit être en version 1.1 ou plus. Installez-le avec
pip install --upgrade "auraagent>=1.1", puis vérifiez avecaura --version.- Si une variable
AURA_SERVER_URLexiste sur votre poste, supprimez-la avantaura init. Elle remplace l'adresse du serveur.
Si votre Python convient :
pip install --upgrade "auraagent>=1.1"
aura --version
aura init
Sinon, installez Python 3.12 (Windows : winget install Python.Python.3.12 ;
macOS : brew install python@3.12 ; Ubuntu ou Debian :
sudo apt install python3.12 python3.12-venv), puis créez l'environnement de
l'agent. Sous Windows, dans PowerShell :
py -3.12 -m venv $HOME\aura-env
& $HOME\aura-env\Scripts\Activate.ps1
pip install --upgrade "auraagent>=1.1"
aura init
Sous macOS ou Linux :
python3.12 -m venv ~/aura-env
source ~/aura-env/bin/activate
pip install --upgrade "auraagent>=1.1"
aura init
Réactivez cet environnement avant chaque usage de aura. Sous Windows, si
l'activation est refusée (« exécution de scripts désactivée »), lancez une fois
Set-ExecutionPolicy -Scope CurrentUser RemoteSigned.
aura init vous demande la clé d'API de votre compte (Paramètres → Clés
API) et l'écrit dans ~/.aura.config, lisible par son seul propriétaire.
Vérifier l'installation
Juste après aura init, lancez :
aura status
La sortie attendue ressemble à ceci, avec vos propres identifiants. La clé reste masquée :
Configuration Aura
┌──────────────────────┬──────────────────────────────────────┐
│ api_endpoint │ https://aura.cevia.ai/ │
│ api_key │ ●●●●●●●● │
│ default_project │ Aura Default Project │
│ default_project_id │ 3f2b8c1e-7a4d-4e9b-9c21-5d8e6f0a1b2c │
│ default_execution_id │ 9a7c5e3b-1d2f-4a6b-8c0e-2f4d6b8a0c1e │
└──────────────────────┴──────────────────────────────────────┘
api_endpoint doit valoir https://aura.cevia.ai, avec ou sans barre finale.
S'il indique une autre adresse, relancez aura init et répondez y à
« Voulez-vous le mettre à jour ? ».
Si un message d'erreur apparaît, voir Dépannage de l'agent.
Mesurer les biais
Votre modèle ne quitte pas votre infrastructure. C'est le mode par défaut, et c'est le point : l'agent récupère les questions, les pose au modèle chez vous, et ne renvoie que les réponses brutes.
aura audit bias \
--model mon-modele-v2 \
--command "python interroger.py {question}"
L'évaluation s'appuie sur le jeu BBQ et sur les métriques de HELM : biais en contexte ambigu, en contexte désambiguïsé, exactitude.
Un score de biais va de −1 à +1, et zéro est le bon résultat :
| Valeur | Lecture |
|---|---|
0 |
aucun penchant décelé |
> 0 |
réponses alignées sur le stéréotype |
< 0 |
penchant inverse au stéréotype |
| absent | non mesurable : et non « zéro » |
Il n'existe aucun seuil au-delà duquel un modèle serait « conforme ». Le règlement n'en fixe pas, HELM non plus. La mesure documente ; elle ne tranche pas.
Mesurer les biais d'un modèle d'embedding (WEAT/SEAT)
Un modèle d'embedding (moteur de recherche, matching CV, RAG interne) ne répond pas à des questions : il transforme des mots en vecteurs. Le test correspondant s'appelle WEAT/SEAT : il mesure si l'espace vectoriel associe plus fortement certains mots à un groupe qu'à un autre, plutôt que de juger des réponses.
Depuis la plateforme, sans rien installer. C'est le chemin le plus simple, et le mode par défaut de cet axe : à l'inverse de l'audit de biais génératif ci-dessus, où le local est le défaut :
Biais d'embedding → Nouvel audit. Renseignez l'identifiant du modèle, lancez l'audit : AURA vectorise vos mots via le fournisseur configuré pour l'usage « Modèle d'embedding à auditer (biais) » et calcule le résultat en tâche de fond.

En local, via l'agent (le modèle ne quitte pas votre infrastructure) :
aura audit bias-embedding \
--model mon-modele-embedding-v2 \
--command "python vectoriser.py {text}" \
--local
Votre commande reçoit un mot et écrit son vecteur sur la sortie standard, au
format JSON : [0.12, -0.4, 0.07, ...]. Un mot dont la vectorisation échoue
est omis plutôt que de fausser le calcul avec un vecteur inventé.
Le résultat porte un effect size (Cohen's d) et une p-value, par catégorie testée :
| Valeur | Lecture |
|---|---|
d ≈ 0 |
aucune association décelée |
d > 0 |
les mots du premier groupe sont plus proches de l'attribut testé |
d < 0 |
les mots du second groupe sont plus proches de l'attribut testé |
| absent | non calculable : et non « zéro » |
Ce que cette mesure n'établit pas. Une association dans l'espace vectoriel n'est pas une discrimination avérée dans les décisions que votre système produit ensuite. C'est une preuve d'examen au sens de l'article 10 §2(f)-(g) du règlement : elle documente, elle ne tranche pas, exactement comme l'audit génératif ci-dessus.
Mesurer l'empreinte carbone
aura audit carbon -- python entrainer.py --epochs 10
Les valeurs remontées sont celles que CodeCarbon a mesurées sur votre machine. Une métrique indisponible reste vide plutôt que d'être remplacée par zéro : zéro signifierait « aucune émission ».
Le code de sortie de la commande mesurée est propagé : un script d'intégration continue échoue si ce qu'il mesure a échoué.
En bibliothèque, si vous préférez instrumenter votre code :
from aura import AuraCarbon
with AuraCarbon(execution_id="run-2026-001") as suivi:
entrainer_le_modele()
print(suivi.metrics())
Récupérer le rapport
aura report 3f2504e0-4f89-11d3-9a0c-0305e82c3301
Trois issues : 0 le rapport est enregistré, 1 l'exécution est introuvable,
2 le rapport n'est pas encore composé : il suffit d'attendre.
Ce qui circule, et ce qui ne circule pas
| Reste chez vous | Part vers AURA |
|---|---|
| Le modèle, ses poids, son code | les réponses brutes aux questions du jeu BBQ |
| Vos données d'entraînement | les métriques mesurées par CodeCarbon |
| La commande que vous exécutez | l'identifiant de l'exécution |
| Le modèle d'embedding, en mode local | les vecteurs des mots du test WEAT/SEAT |
Votre clé d'API n'apparaît jamais, ni à l'écran, ni dans un journal, ni dans
un message d'erreur. Le fichier ~/.aura.config est créé en 0600.
Protéger votre compte
Paramètres → Mon profil → Sécurité. La double authentification est facultative, et se règle par personne.
Une fois activée, votre mot de passe ne suffit plus : un code de votre application d'authentification est demandé à chaque connexion. Vous recevez dix codes de secours, affichés une seule fois : notez-les. Ils servent lorsque vous n'avez pas votre téléphone, et chacun ne fonctionne qu'une fois.

Elle ne concerne que le navigateur. auraagent et l'API continuent de
s'authentifier par clé : une machine ne saisit pas un code à six chiffres.
Quand quelque chose ne va pas
Le chatbot répond « les extraits fournis ne permettent pas de répondre ». Ce n'est pas une panne. Il a cherché dans sa bibliothèque, n'a rien trouvé de pertinent, et le dit plutôt que d'inventer. Le texte que vous cherchez n'y est peut-être pas encore.
Un contrôle reste « non évalué ». Aucune preuve ne lui a été rattachée. Ce n'est pas un échec, et le rapport ne le compte pas comme tel.
Le rapport n'est pas encore disponible. Sa composition tourne en arrière- plan. L'écran le dit plutôt que de vous livrer un document incomplet.
Un appel est refusé alors que votre clé est valide. Vérifiez le plafond mensuel de l'usage concerné, sur l'écran des fournisseurs.
Dépannage de l'agent
Commencez toujours par ces trois vérifications :
python --version
aura --version
aura status
aura status masque votre clé : vous pouvez transmettre sa sortie telle
quelle au support.
L'agent affiche « ERR_NGROK_6008 »
Cause : l'agent vise l'ancien serveur ngrok, désactivé. Le plus souvent, pip a installé une version 0.x sous Python 3.14 ou 3.9 : supprimer AURA_SERVER_URL ne suffit alors pas. Corrigez dans cet ordre :
aura --version: si 0.x, installez Python 3.12, créez un environnement dédié (Windows :py -3.12 -m venv $HOME\aura-envpuis& $HOME\aura-env\Scripts\Activate.ps1; macOS, Linux :python3.12 -m venv ~/aura-envpuissource ~/aura-env/bin/activate) et lancezpip install --upgrade "auraagent>=1.1".- Si c'était une 0.x, supprimez sa configuration :
Remove-Item $HOME\.aura.config(Windows) ourm -f ~/.aura.config. - Supprimez
AURA_SERVER_URL: Windows,[Environment]::SetEnvironmentVariable("AURA_SERVER_URL", $null, "User")puisRemove-Item Env:AURA_SERVER_URL; macOS, Linux,unset AURA_SERVER_URLet retirez sonexportde~/.bashrcou~/.zshrc. aura init, en répondant y à « Voulez-vous le mettre à jour ? ».aura status:api_endpointdoit valoirhttps://aura.cevia.ai, avec ou sans barre finale.
aura --version affiche 0.x
Cause : une ancienne version de l'agent est installée, presque toujours parce que votre Python est en 3.14 ou en 3.9 ; pip choisit alors en silence la dernière version compatible, qui vise le serveur ngrok désactivé. Corrigez dans cet ordre :
- Installez Python 3.12 (Windows :
winget install Python.Python.3.12; macOS :brew install python@3.12; Ubuntu ou Debian :sudo apt install python3.12 python3.12-venv). - Créez un environnement dédié (Windows :
py -3.12 -m venv $HOME\aura-envpuis& $HOME\aura-env\Scripts\Activate.ps1; macOS ou Linux :python3.12 -m venv ~/aura-envpuissource ~/aura-env/bin/activate) et lancezpip install --upgrade "auraagent>=1.1". - Supprimez l'ancienne configuration :
Remove-Item $HOME\.aura.config(Windows) ourm -f ~/.aura.config(macOS, Linux). - Lancez
aura init, puisaura status:api_endpointdoit valoirhttps://aura.cevia.ai, avec ou sans barre finale.
pip refuse d'installer auraagent>=1.1
pip affiche « ERROR: Could not find a version that satisfies the requirement auraagent>=1.1 », précédé de « Ignored the following versions that require a different python version ». Cause : votre version de Python n'est pas prise en charge : le plus souvent 3.14 ou 3.9. L'agent exige Python 3.10 à 3.13. Installez Python 3.12, créez un environnement dédié (Windows : py -3.12 -m venv $HOME\aura-env puis & $HOME\aura-env\Scripts\Activate.ps1 ; macOS ou Linux : python3.12 -m venv ~/aura-env puis source ~/aura-env/bin/activate) et relancez pip install --upgrade "auraagent>=1.1".
L'agent reçoit une erreur 404 sur une adresse en //api/…
Cause : les agents 1.0.0 et 1.1.0 ajoutent une barre en trop à l'adresse du serveur. La plateforme accepte ces adresses depuis le 23 octobre 2026 : relancez d'abord la commande. Si l'erreur persiste, vérifiez aura --version et mettez l'agent à jour avec pip install --upgrade "auraagent>=1.1", puis lancez aura status : api_endpoint doit valoir https://aura.cevia.ai, avec ou sans barre finale.