Différences

Ci-dessous, les différences entre deux révisions de la page.

--- informatique:ai_lm:ai_nlp_rag [21/04/2026 08:58] – ↷ Nom de la page changé de informatique:ai_lm:ai_nlp à informatique:ai_lm:ai_nlp_rag cyrille
+++ informatique:ai_lm:ai_nlp_rag [21/04/2026 09:41] (Version actuelle) – [AI NLP and RAG] cyrille
@@ Ligne 1: / Ligne 1: @@
-====== AI (NLP) Natural Language Processing ======
+====== AI NLP and RAG ======
-Traitement automatique du langage naturel.
+  * NLP: Natural Language Processing, Traitement automatique du langage naturel
+  * RAG: Retrieval-Augmented Generation, récupération d’informations et génération de texte
+Voir aussi: [[/informatique/ai_lm/ai_vision#ocr|OCR (AI Vision)]]
+Outils RAG:
+  * https://github.com/run-llama/llama_index
+  * [[https://github.com/AnswerDotAI/RAGatouille|RAGatouille]] : bridging the gap between state-of-the-art research and alchemical RAG pipeline practices
+    * Langchain integration as a [[https://docs.langchain.com/oss/python/integrations/providers/ragatouille|provider]] or [[https://docs.langchain.com/oss/python/integrations/retrievers/ragatouille|retriever]]
+  * [[https://github.com/stanford-futuredata/ColBERT|ColBERT v2]] is a fast and accurate retrieval model, enabling scalable BERT-based search over large text collections in tens of milliseconds.
+    * One of the easiest ways to use ColBERT in applications nowadays is the semi-official, fast-growing RAGatouille library (2024)
 La reconnaissance d’entités (NER), également appelée segmentation d’entités ou extraction d’entités, est un composant du traitement automatique du langage naturel (NLP) qui identifie des catégories prédéfinies d’objets dans un corps de texte.
@@ Ligne 23: / Ligne 33: @@
   * Sparse Encoder : sparse vector representations is a list of ''token: weight'' key-value pairs representing an entry and its weight.
   * RAG (Retrieval-Augmented Generation): combine deux capacités de l’IA → la récupération d’informations et la génération de texte
 ===== Models embedding =====