Qu’est-ce qu’un embedding ?

Un embedding, c’est une liste de nombres qui capture ce que signifie un morceau de texte, pas juste les mots qu’il contient. Deux textes qui parlent de la même chose, comme « indemnité de congés » et « congé payé », se retrouvent proches dans ces nombres, même s’ils ne partagent aucun mot.

C’est cette technique qui transforme la recherche en compréhension, plutôt qu’en simple correspondance de mots. Quand tu demandes « quelles sont les règles quand je suis en congé ? », le système peut retrouver la section de la politique interne sur les congés, même si ta question ne contient pas le mot « congé ».

En pratique, les embeddings servent d’index : vos documents sont découpés en morceaux, chaque morceau se voit attribuer ses nombres, et quand une question arrive, les nombres de la question sont comparés à ceux des morceaux. Les résultats les plus proches sont envoyés au modèle de langage comme base. C’est comme ça que la bibliothèque de connaissances d’EuroWork et la recherche dans les documents trouvent le bon paragraphe dans un manuel de cent pages. Et le coût de l’indexation apparaît dans le journal des coûts, comme tout le reste.