Lexique de l’IA · Les fondamentaux
C’est quoi, un embedding ?
En bref : Un embedding est la traduction d’un texte ou d’une image en une liste de nombres, un vecteur, qui représente son sens. Deux textes qui parlent de la même chose obtiennent des vecteurs proches, même s’ils n’emploient pas les mêmes mots. C’est la matière première de la recherche sémantique, les vecteurs étant ensuite rangés dans une base de données vectorielle.
La réponse en dessin, en 1 min 38
Dans cet épisode
Romain, technicien de maintenance, cherche « bruit bizarre » dans ses fiches d’intervention. La bonne s’intitule « vibrations anormales ». Aucun mot en commun : une recherche par mots-clés risque de passer à côté.
Un embedding, c’est une liste de nombres, appelée vecteur, qui représente le sens d’un texte. Imaginez une carte : chaque phrase y reçoit ses coordonnées. Ces coordonnées, un modèle les calcule. Entraîné sur d’immenses quantités de textes, il a appris à rapprocher les expressions de sens proche : panne et défaillance deviennent voisins, panne et vacances éloignés. Dans cet épisode, Romain transforme ses fiches en vecteurs, et sa question aussi. L’outil mesure les distances : la fiche « vibrations anormales » arrive en tête. Les embeddings servent à retrouver des documents, à regrouper des avis clients ou à fournir les bonnes informations à un assistant IA. Mais proche ne veut pas dire exact : moteur arrêté et moteur démarré peuvent sembler voisins. Et pour une référence de pièce, la recherche par mots-clés reste plus fiable.
À retenir : un embedding traduit le sens en nombres. Sens proche, vecteurs proches. On cherche par le sens, pas seulement par les mots.
Les chapitres
- 0:00 Romain cherche « bruit bizarre » : aucun mot en commun
- 0:21 Un embedding : une liste de nombres qui représente le sens
- 0:33 Un modèle calcule les coordonnées : panne et défaillance voisins
- 0:47 La bonne fiche arrive en tête, et à quoi servent les embeddings
- 1:07 Attention : proche ne veut pas dire exact
- 1:19 Trouvé, même sans les bons mots ! Ce qu’il faut retenir
Lire la transcription
Romain cherche « bruit bizarre » : aucun mot en commun
C’est quoi, un embedding ? Romain, technicien de maintenance, cherche « bruit bizarre » dans ses fiches d’intervention. La bonne s’intitule « vibrations anormales ». Aucun mot en commun : une recherche par mots-clés risque de passer à côté.
Un embedding : une liste de nombres qui représente le sens
La solution : un embedding, une liste de nombres, appelée vecteur, qui représente le sens d’un texte. Imaginez une carte : chaque phrase y reçoit ses coordonnées.
Un modèle calcule les coordonnées : panne et défaillance voisins
Ces coordonnées, un modèle les calcule. Entraîné sur d’immenses quantités de textes, il a appris à rapprocher les expressions de sens proche : panne et défaillance deviennent voisins, panne et vacances éloignés.
La bonne fiche arrive en tête, et à quoi servent les embeddings
Romain transforme ses fiches en vecteurs, et sa question aussi. L’outil mesure les distances : la fiche vibrations anormales arrive en tête. Les embeddings servent à retrouver des documents, à regrouper des avis clients ou à fournir les bonnes informations à un assistant IA.
Attention : proche ne veut pas dire exact
Mais proche ne veut pas dire exact. Moteur arrêté et moteur démarré peuvent sembler voisins. Et pour une référence de pièce, la recherche par mots-clés reste plus fiable.
Trouvé, même sans les bons mots ! Ce qu’il faut retenir
Trouvé, même sans les bons mots ! Retenez : un embedding traduit le sens en nombres. Sens proche, vecteurs proches. On cherche par le sens, pas seulement par les mots.
Voir aussi
D’autres mots en vidéo : Les fondamentaux
-
-
C’est quoi, le machine learning ?
1 min 36
-
C’est quoi, l’IA générative ?
1 min 42
-
C’est quoi, un LLM ?
1 min 39
-
C’est quoi, un token ?
1 min 34
-
C’est quoi, l’inférence ?
1 min 37
Un mot vous manque ?
Les prochaines vidéos partent des questions qu’on me pose. Dites-moi lequel vous bloque, je l’ajoute.