Alias
Embedding, vecteur de représentation, plongement.
Définition
Un modèle transforme un texte en une suite de nombres. Un moteur peut ensuite comparer cette représentation à celle d'une question pour retrouver des passages proches. Cette proximité dépend du modèle, pas d'une vérité métier universelle.
Changer de modèle peut rendre les vecteurs existants incompatibles avec les nouvelles requêtes. Ce changement se prépare et se teste, plutôt que de mélanger des représentations sans contrôle.
Exemple
Exemple pédagogique : une question sur les « retards de validation » retrouve un passage parlant d'« approbations en attente ». La ressemblance aide à retrouver la pièce.
Elle ne dit pas si cette pièce est la dernière version ni si elle concerne le bon projet. Ces vérifications passent par les références et les métadonnées, comme le projet ou la date.
À ne pas confondre avec
Un embedding n'est ni un résumé lisible ni une preuve. Ne pas l'assimiler à une anonymisation des données d'origine.
Voir aussi
Recherche sémantique, RAG, Découpage documentaire.
Sources
Microsoft Learn — Recherche vectorielle (nouvel onglet). Application au travail de projet et exemple pédagogique originaux, sans résultat d'essai revendiqué.
Microsoft Learn — Générer des incorporations (nouvel onglet), compatibilité des modèles. Morris et al., EMNLP 2023 (nouvel onglet), risques de reconstruction étudiés.