IntermédiaireEntraînement & données
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.
Un modèle d’embedding convertit par exemple une phrase en un vecteur de quelques centaines ou milliers de dimensions. Chaque contenu devient un point dans un espace mathématique où la distance reflète la ressemblance de sens : « voiture » et « automobile » y sont voisins, sans avoir de lettres en commun. Il devient alors possible de comparer des contenus par simple calcul, ce qui sert à la recherche sémantique, au regroupement de documents, à la recommandation ou à la détection de doublons. Dans une chaîne RAG, c’est la première brique : fragments de documents et questions sont convertis en embeddings, stockés dans une base vectorielle puis comparés. On peut y voir des coordonnées GPS du sens.
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.