Embedding
Un embedding représente un contenu par un vecteur numérique. Modèle et méthode de comparaison déterminent les similarités visibles.
Un embedding, ou plongement vectoriel, représente numériquement un contenu dans un espace vectoriel. Pour les textes, un modèle produit ces représentations afin de comparer, par exemple, une question à des passages documentaires.
Exemple de recherche
Dans un portail hypothétique, une personne demande comment « renvoyer » un article, alors que la consigne parle de « retour ». Des embeddings adaptés peuvent aider à trouver le passage malgré les mots différents. Le résultat dépend du modèle et des données.
Une forte similarité ne prouve ni sens identique dans chaque détail ni exactitude factuelle. Elle n’accorde pas non plus de droit de lecture. Sélection, validité et accès autorisé doivent être examinés séparément.
Sources
Termes associés
- Base de données vectorielleUne base vectorielle stocke et recherche des représentations numériques. Une correspondance similaire n’est pas encore une source valide et autorisée.
- 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.
- Score de confianceUn score de confiance évalue une prédiction selon la méthode du modèle. Il n’accorde pas de validation métier.
- 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