DÉFINITION
Une base qui enregistre des textes sous forme de suites de nombres, des « embeddings ». Elle sert à retrouver des passages proches par le sens, même quand les mots diffèrent. Beaucoup d’assistants qui répondent à partir de documents s’en servent.
Comment elle fonctionne
Elle compare des nombres plutôt que des mots. Un modèle d’IA transforme chaque passage de texte en vecteur, une longue suite de nombres qu’on appelle aussi embedding. Il le fait de sorte que deux passages de sens proche donnent des vecteurs proches.
Quand vous posez une question, elle est transformée de la même façon. La base renvoie alors les passages dont les vecteurs sont les plus proches du sien. Beaucoup d’assistants s’en servent pour retrouver les bons extraits avant de rédiger leur réponse avec un LLM.
Un exemple concret
Vous cherchez « combien de temps pour quitter mon appartement ». Votre bail dit « le locataire peut donner congé à tout moment, avec un préavis d’un mois ». Les deux phrases n’ont presque aucun mot en commun, mais elles parlent de la même chose. Une recherche par mots-clés passe à côté, alors qu’une base vectorielle rapproche les deux.
Ses limites
Une base vectorielle trouve ce qui ressemble, pas forcément ce qui est exact. Elle convient mal aux numéros, aux dates et aux montants précis, car F-2026-0412 et F-2026-0413 se ressemblent beaucoup pour elle. Pour ces recherches, une règle ou une recherche exacte reste plus sûre.
Dans la bibliothèque de Clivio, la recherche suit justement d’autres règles. Elle comprend un type de document, un montant, une période ou un émetteur, et cherche dans le texte intégral des documents, scans compris. La différence est expliquée à recherche sémantique.
Questions fréquentes
Quelle différence avec une base de données classique ?
Une base classique retrouve des valeurs exactes, comme un numéro de facture ou une date. Une base vectorielle retrouve des textes proches par le sens, même quand les mots diffèrent.
Qu’est-ce qu’un embedding ?
C’est la suite de nombres qui représente un texte dans une base vectorielle. Un modèle d’IA la calcule de sorte que deux textes de sens proche aient des suites proches.