LLM as a judge : quand un modèle note le travail d’un autre
Un LLM qui note les sorties d’un autre : définition, grille, seuil, postes où on l’emploie et limites du « LLM as a judge », expliqués pas à pas.
Cours & Tutoriels : RAG
Comprenez le RAG (Retrieval-Augmented Generation) : embeddings, bases vectorielles, chunking et GraphRAG pour ancrer un LLM sur vos documents.
Text2cypher : le LLM qui écrit la requête de graphe
Text2cypher traduit une question en langage courant en requête Cypher pour une base de graphe. Ses ingrédients, un exemple lu pas à pas, ses limites.
Recherche vectorielle : trouver des voisins, pas des mots
Une recherche vectorielle compare des positions dans un espace, pas des mots. Vecteurs, cosinus, index et limites, avec un agent qui choisit son outil.
Self-RAG : le RAG où le modèle se critique lui-même
Self-RAG entraîne le LLM à décider s’il doit chercher, à juger chaque passage et à vérifier sa réponse. Définition, quatre jetons, gains et coûts.
RAG agentique : quand la recherche devient une décision
Un RAG agentique ne suit plus un trajet fixe : un agent décide où chercher, quand relancer et quand répondre. Définition, mécanisme, exemple pas à pas.
Graphe de connaissances : le savoir en nœuds et relations
Un graphe de connaissances range les faits en triplets (entité, relation, entité). Découvre comment il se construit, ce qu’il retrouve, et ses limites.
Recherche hybride : mots exacts et sens, comment on les fusionne
La recherche hybride lance une recherche par mots-clés et une recherche sémantique, puis fusionne leurs scores. Voici comment, avec du code, et ce qu’elle ne fait pas.
Qu’est-ce qu’un RAG avancé ? Ce qu’on ajoute, et ce que ça coûte
Un RAG avancé garde le pipeline de base et ajoute des étapes avant et après la recherche. Ce que chaque ajout apporte, ce qu’il coûte, et quand s’en passer.
Qu’est-ce qu’un RAG naïf ? Le pipeline de base et ses failles
Un RAG naïf récupère une fois, puis lit : trois composants, aucun contrôle. Vois comment il marche, où une réponse s’y perd et ce qu’on lui ajoute.
Embeddings : comment une machine range les mots par le sens
Un embedding donne à un mot, une phrase ou une image une adresse dans un espace où le voisinage a un sens. Comment il s’apprend, à quoi il sert, où il se trompe.