Embedding

Représentation vectorielle numérique d’un texte (ou d’images) qui capture le sens sémantique et permet la recherche par similarité.

Les sens proches se retrouvant dans des vecteurs voisins, « chien » et « chiot » sont presque côte à côte. Les embeddings sont au cœur de la recherche sémantique, des recommandations, du clustering et de l’étape de récupération du RAG.

Ressources associées

Base de données vectorielle Qdrant

Qdrant est une base de données vectorielle open source haute performance et un moteur de recherche par similarité conçus pour la production. Écrit en Rust, il alimente les pipelines RAG, les systèmes de recommandation et la recherche sémantique avec filtrage de payload, multi-tenancy et déploiement auto-hébergé ou cloud géré.

Cohere fournit une API de niveau entreprise pour la génération de texte, la recherche sémantique, l'embedding et le reranking, optimisée pour des pipelines de recherche et RAG de haute qualité. Ses modèles excellent dans la compréhension du contexte métier et la plateforme s'intègre facilement aux bases de données vectorielles et frameworks d'orchestration.

Chroma est une base d'embeddings open source et conviviale pour les développeurs, qui lance des prototypes RAG en quelques minutes avec une API Python ou JavaScript simple. Elle fonctionne in-process pour le développement local et passe à l'échelle via son offre cloud gérée — la porte d'entrée la plus simple vers la recherche vectorielle.