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.

3 résultat(s)
- [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

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.