Aperçu moduleModule previewVista previa del módulo
Aperçu limité, 3 premières étapesLimited overview, first 3 stepsVisibilidad limitada, 3 primeras etapas

Embeddings et recherche sémantiqueEmbeddings and semantic searchEmbeddings y búsqueda semántica

Parcours : Data, RAG & Vector Databases · AvancéCourse: Data, RAG & Vector Databases · AdvancedCurso: Datos, RAG y bases de datos vectoriales · Avanzado

Embeddings et recherche sémantique
1/7
ÉtapeStepEtapa 1 / 7

≈ 15 min

Contexte

Pourquoi la recherche par mots-clés ne suffit pas pour le RAG.

Au programme de ce moduleIn this moduleEn el programa de este módulo

  1. 01Contexte≈ 15 min
  2. 02Explication≈ 35 min
  3. 03Démonstration≈ 30 min
  4. 04Cas pratique≈ 25 min
  5. 05Étude de cas≈ 25 min
  6. 06Exercice≈ 35 min
  7. 07Quiz≈ 5 min
Durée totaleTotal durationDuración total≈ 170 min
voix de synthèse

Une recherche par mots-clés exige que la question contienne les mêmes mots que le document. Or un utilisateur écrit « comment annuler ma commande » alors que le document parle de « procédure de rétractation ». Pour relier le sens et non les mots, le RAG s’appuie sur les embeddings (représentations vectorielles du sens).

Cet écart de vocabulaire (vocabulary mismatch) est la première cause d’échec des recherches internes : l’auteur du document écrit dans le jargon de son métier, l’utilisateur formule avec ses propres mots. Aucune des deux parties n’a tort, c’est l’outil de recherche qui doit absorber l’écart.

Ce module existe parce que la qualité d’un RAG se joue en grande partie AVANT la génération, dans la capacité à retrouver le bon passage. Or la recherche à laquelle nous sommes habitués, celle des moteurs internes et des champs « rechercher » de nos logiciels, repose sur une hypothèse fragile : que l’utilisateur emploie les mots du document. Cette hypothèse est fausse la plupart du temps, et c’est le premier endroit où un projet échoue silencieusement.

L’écart de vocabulaire a une origine structurelle, pas accidentelle. Celui qui rédige un document écrit en situation d’expert : il connaît les termes exacts, les intitulés officiels, les références internes. Celui qui cherche écrit en situation de difficulté : il décrit son problème, pas la solution qu’il ignore. « Je n’arrive plus à entrer dans mon compte » et « procédure de réinitialisation du mot de passe » désignent la même chose sans partager un seul mot significatif. Aucun des deux ne s’exprime mal, c’est l’outil de recherche qui doit absorber l’écart.

L’enjeu dépasse le confort d’usage. Une recherche qui ne trouve pas produit trois effets en chaîne : l’utilisateur ouvre un ticket alors que la réponse existait, l’équipe support retraite une question déjà documentée, et la documentation passe pour incomplète alors qu’elle ne l’est pas. Ce module donne l’outil qui coupe cette chaîne, l’embedding, et surtout l’intuition nécessaire pour en comprendre les limites, car il en a.

Ce que vous saurez faire

Expliquer à un collègue non technique ce qu’est un espace vectoriel sémantique, sans équation. Lire un score de similarité et dire ce qu’il autorise réellement à conclure. Construire un petit jeu de paires question/document pour mesurer l’écart de vocabulaire de votre propre organisation, et en tirer un argumentaire chiffré plutôt qu’une conviction.

Objectifs d’apprentissage

À l’issue de ce module, vous saurez Comprendre l’intuition d’un espace vectoriel sémantique, Appliquer la similarité cosinus pour retrouver des passages proches, Créer une visualisation d’embeddings dans un notebook (carnet de calcul interactif), et Évaluer l’écart de vocabulaire entre questions utilisateurs et titres de documents.