Un embedding est une représentation vectorielle dense d'un texte dans un espace mathématique, permettant de mesurer la similarité sémantique entre des contenus.
Un embedding (plongement vectoriel) est une représentation numérique d'un texte sous forme de vecteur dans un espace à haute dimension (typiquement 768 à 3072 dimensions). Deux textes sémantiquement proches auront des embeddings proches dans cet espace, même si les mots utilisés sont différents.
Les embeddings sont le fondement du RAG : chaque document de la base de connaissances est transformé en embedding et stocké dans une base vectorielle. Quand l'appelant pose une question, sa question est également transformée en embedding, et les documents les plus proches vectoriellement sont retrouvés pour enrichir le contexte du LLM.
VoxiaFlow utilise des modèles d'embedding optimisés pour le français et les domaines métier de ses clients. Cette optimisation garantit que la recherche sémantique est pertinente même quand l'appelant utilise un vocabulaire différent de celui de la documentation : "je veux voir le toubib" retrouvera les informations sur les consultations médicales.
Voyez cette technologie en action dans notre réceptionniste IA. Essai gratuit 14 jours, sans engagement.