> For the complete documentation index, see [llms.txt](https://docs.rememberizer.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.rememberizer.ai/fr/ressources-pour-les-developpeurs/api-docs/vector-store/get-the-information-of-a-document.md).

# Obtenir les informations d'un document

{% openapi src="/files/k0wV9YEEppPnffcGeVUk" path="/vector-stores/{vector-store-id}/documents/{document-id}" method="get" %}
[rememberizer\_openapi.yml](https://3811618827-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FwduaTA5Sz3nf9aH5k1S6%2Fuploads%2Fgit-blob-77b6137eeb641262ec8e531c78123c02b825b865%2Frememberizer_openapi.yml?alt=media\&token=9d0098e1-f392-4761-be64-ff6f2caad99e)
{% endopenapi %}

## Exemples de Requêtes

{% tabs %}
{% tab title="cURL" %}

```bash
curl -X GET \
  https://api.rememberizer.ai/api/v1/vector-stores/vs_abc123/documents/1234 \
  -H "x-api-key: VOTRE_CLE_API"
```

{% hint style="info" %}
Remplacez `VOTRE_CLE_API` par votre véritable clé API de Vector Store, `vs_abc123` par votre ID de Vector Store, et `1234` par l'ID du document.
{% endhint %}
{% endtab %}

{% tab title="JavaScript" %}

```javascript
const getDocumentInfo = async (vectorStoreId, documentId) => {
  const response = await fetch(`https://api.rememberizer.ai/api/v1/vector-stores/${vectorStoreId}/documents/${documentId}`, {
    method: 'GET',
    headers: {
      'x-api-key': 'VOTRE_CLE_API'
    }
  });
  
  const data = await response.json();
  console.log(data);
};

getDocumentInfo('vs_abc123', 1234);
```

{% hint style="info" %}
Remplacez `VOTRE_CLE_API` par votre véritable clé API de Vector Store, `vs_abc123` par votre ID de Vector Store, et `1234` par l'ID du document.
{% endhint %}
{% endtab %}

{% tab title="Python" %}

```python
import requests

def get_document_info(vector_store_id, document_id):
    headers = {
        "x-api-key": "VOTRE_CLE_API"
    }
    
    response = requests.get(
        f"https://api.rememberizer.ai/api/v1/vector-stores/{vector_store_id}/documents/{document_id}",
        headers=headers
    )
    
    data = response.json()
    print(data)

get_document_info('vs_abc123', 1234)
```

{% hint style="info" %}
Remplacez `VOTRE_CLE_API` par votre véritable clé API de Vector Store, `vs_abc123` par votre ID de Vector Store, et `1234` par l'ID du document.
{% endhint %}
{% endtab %}
{% endtabs %}

## Paramètres de chemin

| Paramètre       | Type   | Description                                                    |
| --------------- | ------ | -------------------------------------------------------------- |
| vector-store-id | chaîne | **Requis.** L'ID du magasin de vecteurs contenant le document. |
| document-id     | entier | **Requis.** L'ID du document à récupérer.                      |

## Format de Réponse

```json
{
  "id": 1234,
  "name": "Manuel du Produit.pdf",
  "type": "application/pdf",
  "vector_store": "vs_abc123",
  "size": 250000,
  "status": "indexé",
  "processing_status": "terminé",
  "indexed_on": "2023-06-15T10:30:00Z",
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:30:00Z"
}
```

## Authentification

Ce point de terminaison nécessite une authentification à l'aide d'une clé API dans l'en-tête `x-api-key`.

## Réponses d'erreur

| Code d'état | Description                                             |
| ----------- | ------------------------------------------------------- |
| 401         | Non autorisé - Clé API invalide ou manquante            |
| 404         | Non trouvé - Magasin de vecteurs ou document non trouvé |
| 500         | Erreur interne du serveur                               |

Ce point de terminaison récupère des informations détaillées sur un document spécifique dans le magasin de vecteurs. Il est utile pour vérifier l'état de traitement des documents individuels et récupérer des métadonnées telles que le type de fichier, la taille et les horodatages. Cela peut être particulièrement utile lors du dépannage des problèmes de traitement de documents ou lorsque vous devez vérifier qu'un document a été correctement indexé.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.rememberizer.ai/fr/ressources-pour-les-developpeurs/api-docs/vector-store/get-the-information-of-a-document.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.