Glossaire

Pipeline de récupération

Qu’est-ce que Pipeline de récupération ?

Une pipeline de récupération (retrieval pipeline) est l'enchaînement d'étapes par lequel un système trouve les informations pertinentes pour une question. Elle comprend généralement : importer et nettoyer les documents, les découper en segments, construire un index de recherche, reformuler éventuellement la requête, rechercher les résultats, les classer (reranking) et transmettre les meilleurs au modèle de langage. Elle constitue la base de toute application RAG ; sa qualité conditionne largement celle des réponses.

Ce que fait KI.ordo

Dans KI.ordo, les connaissances enregistrées sont découpées en segments qui se chevauchent et interrogées par recherche de mots-clés BM25 directement sur le serveur, sans base de données vectorielle.

En savoir plus →

Thèmes

RAG
recherche
traitement des données

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Génération augmentée par récupération (RAG)

La génération augmentée par récupération associe recherche et génération de texte : avant de répondre, le système cherche dans une base de connaissances (manuels, directives, FAQ…) les passages pertinents et les transmet au modèle de langage comme contexte. La réponse s'appuie ainsi sur des contenus actuels propres à l'entreprise, et pas seulement sur les connaissances d'entraînement du modèle. Cela réduit les affirmations inventées, rend les sources traçables et permet des mises à jour sans nouvel entraînement.

RAG
recherche documentaire
+1

Reclassement de documents

Le reclassement de documents (reranking) est une seconde étape de tri dans les systèmes de recherche et de RAG : une première recherche rapide fournit une sélection de résultats possibles, qu'une méthode plus précise mais plus coûteuse réordonne ensuite par pertinence. On utilise souvent pour cela un « cross-encoder », qui évalue la question et le passage ensemble. Les passages les plus pertinents remontent ainsi en tête avant qu'un modèle de langage n'en tire une réponse.

recherche
RAG
+1

Expansion de requête

L'expansion de requête (query expansion) ajoute automatiquement des termes apparentés à une recherche afin de trouver aussi des documents pertinents formulés autrement. On ajoute typiquement des synonymes, abréviations, formes fléchies ou traductions : une recherche sur « résiliation » trouve alors aussi des textes sur la « fin de contrat ». C'est particulièrement utile pour la recherche par mots-clés, mais la précision peut baisser si l'on ajoute trop de termes ou des termes inadaptés. Aujourd'hui, des modèles de langage génèrent souvent ces requêtes enrichies.

recherche
synonymes
+1

Recherche d'information

La recherche d'information regroupe les méthodes qui retrouvent, dans de grands ensembles de textes, les documents ou passages correspondant à une requête et les classent par pertinence. Des approches classiques comme BM25 pondèrent les termes selon leur fréquence et leur rareté ; les plus récentes ajoutent la similarité sémantique. Elle est à la base des moteurs de recherche, de la recherche en entreprise et de la génération augmentée par récupération (RAG), où un modèle de langage s'appuie sur les passages trouvés pour répondre.

Recherche
BM25
+1