Les notions clés du RAG

Qu'est-ce que le RAG ?

Points clés de cette vidéo

Le RAG permet d'interroger une immense base de données et d'obtenir une réponse construite à partir de son contenu réel
C'est une réponse au caractère figé des connaissances d'un modèle, souvent obsolètes ou incomplètes
Le principe reste le même quel que soit l'outil : chercher d'abord l'information pertinente, puis répondre à partir d'elle

Transcription de la vidéo

le rag c'est quoi on parle beaucoup de rag lorsqu'on parle diagénérative c'est une méthode retrieval augmented generation et on va expliquer aujourd'hui qu'est-ce que c'est et à quoi ça sert la dernière fois on a parlé d'un concept qui s'appelle l'embedding ou la vectorisation et concrètement pour ceux qui n'ont pas vu cette vidéo làà qu'est-ce que ça permet de faire ça permet de transformer du texte en vecteur pour que l'ordinateur puisse traiter ces vecteurslà et comprendre les similarités et le contexte d'une phrase qui est donnée pourquoi est-ce que c'est important pour le rag parce que le rag ça permet quoi ça permet en fait aujourd'hui lorsqu'on a des modèles qui prennent un nombre limité de token donc un nombre limité de mots de pouvoir choisir ce qu'on lui envoie pour ne pas dépasser le nombre de token et que le modèle puisse être capable de répondre à notre requête un exemple concret disons qu'on veut faire un chatbot sur une FAQ donc on a une FAQ disons d'uneun millier de pages avec plein de questions posées par nos utilisateurs et on veut créer un chatbot qui va répondre aux questions des utilisateurs en utilisant la donnée de cette FAQ on ne peut pas se permettre de donner l'intégralité de la FAQ à notre Ia générative à chaque fois qu'une question est posée donc on va devoir prendre uniquement la partie de la FAQ qui est en relation et qui est similaire à la question posée et donner uniquement cette partie-là à notre ria pour faire ça on passe par du rag donc concrètement qu'est-ce que ça veut dire on fait un embedding de la question posée par l'utilisateur donc on vectorise cette question là on a déjà au préalable vector l'intégralité des questions de notre FAQ et on va comparer du coup la question posée par l'utilisateur avec par exemple le top 5 ou le top 10 des questions FAQ et uniquement lui donner ces questions là avec leur réponse associé à notrea pour qu'elle prédise une réponse

Qu'est-ce que le RAG ?

Discussion