Embedding (plongement vectoriel)
En anglais : Embedding
Représentation d’un texte, d’une image ou d’un autre contenu sous forme de liste de nombres, un vecteur, construite pour que des contenus de sens proche aient des vecteurs proches.
Exemple
Un site de petites annonces calcule l’embedding de chaque annonce pour suggérer des offres similaires, même lorsqu’elles sont décrites avec des mots différents.
Notions liées
Base de données vectorielle
IntermédiaireSystème de stockage conçu pour enregistrer des embeddings et retrouver très rapidement ceux qui sont les plus proches d’un vecteur donné, même parmi des millions d’éléments.
Chunking (découpage en fragments)
IntermédiaireÉtape de préparation qui découpe de longs documents en fragments plus courts, appelés chunks, avant de les convertir en embeddings et de les indexer pour la recherche.
Espace latent
AvancéEspace mathématique compressé dans lequel un modèle représente les données sous forme de vecteurs, en conservant leurs caractéristiques essentielles et leurs ressemblances.
RAG (génération augmentée par récupération)
IntermédiaireArchitecture qui, avant de générer une réponse, recherche dans une collection de documents les passages pertinents et les fournit au modèle de langage comme contexte.
Recherche sémantique
IntermédiaireMéthode de recherche qui retrouve des contenus selon leur sens et l’intention de la requête, plutôt que selon la présence exacte des mots-clés saisis.
Tokenisation
IntermédiaireÉtape qui découpe un texte en tokens et convertit chacun en identifiant numérique, à l’aide d’un outil appelé tokenizer, avant que le modèle puisse le traiter.