Contexte : Une plateforme reçoit de nombreuses requêtes similaires adressées au LLM. Le Problème : Les appels répétés génèrent coûts élevés et latence importante. Contraintes : Mettre en place cache sémantique basé sur similarité d’embeddings. Définir seuil de similarité pour réutilisation de réponse. Mesurer réduction de coûts et latence. Livrable attendu : Concevoir une architecture de cache sémantique permettant optimisation mesurable des coûts d’intégration LLM.