Les embeddings
Un embedding est un vecteur numérique qui représente le sens d'un fragment de texte ou d'image, positionné de sorte que les sens similaires se trouvent proches les uns des autres — le mécanisme derrière la recherche sémantique et la récupération.
Un modèle d'embedding transforme le texte en une liste de nombres — un vecteur — placé de sorte que les textes sémantiquement similaires soient proches les uns des autres dans cet espace. Cela permet à un système de trouver du matériel pertinent par le sens plutôt que par des mots-clés exacts : encoder la requête, encoder les documents et renvoyer les vecteurs les plus proches. Les embeddings sont le moteur sous la génération augmentée par récupération et la mémoire d'agent à long terme, et la qualité du modèle d'embedding fixe largement le plafond de la qualité de récupération.
Points clés
- Un texte ou une image devient un vecteur où les sens similaires sont proches les uns des autres.
- Permet la recherche sémantique — la correspondance par le sens, non par des mots-clés exacts.
- Ils alimentent la génération augmentée par récupération et la mémoire à long terme.
- La qualité des embeddings plafonne largement la qualité que peut atteindre la récupération.
Apprends en construisant
Way of the Agent enseigne l'ingénierie des agents IA niveau par niveau — des concepts comme celui-ci, puis de la pratique, de l'XP et les AI Chronicles.
Commencer gratuitement →