Base de données vectorielle
Une base vectorielle stocke et recherche des représentations numériques. Une correspondance similaire n’est pas encore une source valide et autorisée.
Une base de données vectorielle stocke des représentations vectorielles et permet de rechercher des entrées similaires. Les vecteurs peuvent être liés aux documents, à d’autres contenus et aux métadonnées. La recherche vectorielle peut aussi intégrer une base existante.
Exemple de recherche documentaire
Un assistant hypothétique recherche des passages de consignes adaptés à une question. Référence documentaire et version sont nécessaires en plus du vecteur pour rendre le résultat traçable.
Le résultat seul ne montre ni validité actuelle ni droit de lecture. Mise à jour et accès doivent couvrir tout le parcours. Une base indépendante supplémentaire n’est donc pas automatiquement nécessaire ; l’architecture dépend des données, de la recherche et de l’exploitation.
Sources
Termes associés
- EmbeddingUn embedding représente un contenu par un vecteur numérique. Modèle et méthode de comparaison déterminent les similarités visibles.
- Génération augmentée par récupérationLa RAG associe recherche d’informations et réponse générée. L’accès aux sources ne remplace pas la conception de la qualité et des droits.
- Contrôle d’accès basé sur les rôlesLe RBAC associe des autorisations aux rôles et attribue ces rôles aux personnes. Le périmètre des données doit aussi être défini.
- Fiche de modèleUne fiche de modèle documente l’objectif, les bases, les conditions d’évaluation et les limites connues d’une version donnée d’un modèle d’IA.
- Préparation à l’IALa préparation à l’IA porte sur les prérequis d’un projet : objectif, données utilisables, compétences, responsabilités et fonctionnement quotidien.
- Ingénierie du contexteL’ingénierie du contexte prépare les informations de chaque appel au modèle : instructions, messages, sources et état actuel pertinents.
Articles sur le sujet
IA & automatisation avec ASES
Assistants IA et processus automatisés