Connexion Publier

Chercher dans vos documents avec l'IA (RAG)

Des pipelines RAG, corpus et modèles d'embeddings pour qu'une IA réponde à partir de vos documents.

7 résultat(s)
- [kh1eu2] Corpus : articles de Contexte Tech par section | corpus | fr | MIT | https://contextetech.com/corpus/articles-contexte-tech-kh1eu2
- [3zfyfk] Embeddings nomic-embed-text en local avec Ollama | embedding | fr | MIT | https://contextetech.com/embeddings/nomic-embed-text-ollama-3zfyfk
- [15gplqg] Embeddings BGE-M3 pour un RAG sur de longs documents | embedding | fr | MIT | https://contextetech.com/embeddings/bge-m3-15gplqg
- [1n1y7kf] Embeddings multilingual-e5-large pour un RAG en français | embedding | fr | MIT | https://contextetech.com/embeddings/multilingual-e5-large-1n1y7kf
- [o2ww1g] Corpus : définitions des ressources IA de Contexte Tech | corpus | fr | MIT | https://contextetech.com/corpus/guides-contexte-tech-o2ww1g
- [scwkv5] Agent IA pour répondre à partir de votre documentation | agent | fr | MIT | https://contextetech.com/agents/agent-reponses-documentation-scwkv5
- [gb0mdl] Pipeline RAG pour une documentation produit en français | rag | fr | MIT | https://contextetech.com/rag/rag-documentation-produit-fr-gb0mdl
contextetech

Corpus : articles de Contexte Tech par section

Les articles du blog Contexte Tech découpés par section, avec l'adresse de l'article pour chaque morceau : un corpus prêt pour un RAG.

Données17 morceau(x) 3 j
contextetech

Embeddings nomic-embed-text en local avec Ollama

nomic-embed-text pour un RAG 100 % local avec Ollama : 768 dimensions, textes longs, préfixes search_query: / search_document:. Licence Apache 2.0.

Configuration768 dim. 3 j
contextetech

Embeddings BGE-M3 pour un RAG sur de longs documents

BGE-M3 pour un RAG sur de longs documents : 1024 dimensions, jusqu'à 8192 tokens, plus de 100 langues, sans préfixe. Licence MIT.

Configuration1024 dim. 3 j
contextetech

Embeddings multilingual-e5-large pour un RAG en français

multilingual-e5-large pour un RAG en français : 1024 dimensions, 512 tokens, préfixes query:/passage: obligatoires, distance cosinus. Licence MIT.

Configuration1024 dim. 3 j
contextetech

Corpus : définitions des ressources IA de Contexte Tech

Les définitions des types de ressources IA de Contexte Tech, une par morceau avec l'adresse du guide : un petit corpus prêt pour un RAG.

Données20 morceau(x) 3 j
contextetech

Agent IA pour répondre à partir de votre documentation

Agent qui répond aux questions en cherchant dans votre documentation et cite ses sources. S'il ne trouve pas, il le dit au lieu d'inventer.

Intégration5 étape(s) 3 j
contextetech

Pipeline RAG pour une documentation produit en français

Pipeline RAG pour un assistant qui répond sur la documentation d'un produit en français, en citant ses sources.

Configurationpgvector 9 j

Que veut dire rechercher dans des documents avec l'IA ?

L'IA peut répondre à partir de vos propres documents grâce au RAG (génération augmentée par la recherche) : les documents sont découpés, transformés en vecteurs, et les passages les plus proches de la question sont donnés au modèle, qui répond en citant ses sources.