Similarité
Carte 2D
RAG
Texte & documents expand_more
Nombres & calcul expand_more
Données & formats expand_more
Sécurité expand_more
Développement & DevOps expand_more
Intelligence artificielle expand_more
Finances expand_more
Santé et bien-être expand_more
Productivité expand_more
Jeux et divertissement expand_more
Multimédia & design expand_more
Entreprise expand_more
Qu'est-ce que le RAG ?
RAG (Retrieval-Augmented Generation) combine la recherche d'information avec la génération de texte. Il fonctionne en trois étapes : indexer, récupérer et générer. Cet outil illustre les étapes 1 et 2.
1. Indexer
Divise le corpus en fragments (séparés par une ligne vide) et calcule l'embedding de chacun : un vecteur numérique qui capture son sens.
2. Récupérer
Lorsqu'une requête arrive, son embedding est calculé et comparé à ceux du corpus à l'aide de la similarité cosinus. Les K fragments les plus similaires sont renvoyés.
Le modèle
Dans un système RAG complet, un LLM reçoit les fragments récupérés comme contexte et génère la réponse. Le modèle d'embeddings est all-MiniLM-L6-v2 (~22 Mo), le même que celui utilisé dans l'outil de similarité sémantique.
