Vidéos complémentaires

Segmentation, reclassement et recherche hybride — vidéos complémentaires

Cet article dépasse la version du RAG qui consiste à « jeter les documents dans une base de données vectorielle » pour aborder les trois réglages qui améliorent réellement la qualité : segmentation, reclassement et recherche hybride. Ces vidéos montrent ces réglages en action. La sélection principale analyse patiemment ce que fait réellement votre outil de segmentation ; la réalisation d’un RAG agentique réunit les trois réglages dans une même chaîne exécutable.

Choix principal

1:08:59

Les cinq niveaux de segmentation du texte pour la récupération

Greg Kamradt

L’article consacre beaucoup de place à la segmentation ; cette vidéo en donne l’explication la plus détaillée et la plus progressive. Elle montre ce que fait réellement chaque stratégie — de la segmentation récursive par caractères aux approches tenant compte de la structure des documents, puis aux segmentations sémantique et agentique. Associez-la à l’outil gratuit ChunkViz de Greg pour développer votre intuition avant de commencer les réglages.

Ce que vous en retirerez: Développer une intuition sur les choix de segmentation avant de régler un véritable système de récupération.

À voir ou à connaître au préalable: Connaissance de base des plongements et de la raison pour laquelle la qualité de la récupération dépend de la manière dont les documents sont découpés.

Note d’AI Expert: Les bibliothèques et les démonstrations précises peuvent vieillir, mais les compromis liés à la segmentation restent stables. Utilisez cette vidéo pour acquérir le vocabulaire du diagnostic, puis testez les tailles de segments et les outils de segmentation sur vos propres documents et requêtes.

Ouvrir la page vidéo

À voir également

24:01

« Je veux que Llama3 soit dix fois plus performant avec mes connaissances privées » — RAG agentique local avec Llama3

AI Jason

La vidéo couvre exactement l’architecture préconisée dans l’article — reformulation des requêtes, récupération hybride, reclassement et boucle de RAG correctif — dans une seule réalisation exécutable. Elle fournit un modèle mental concret de la chaîne segment → reclassement → réponse lorsqu’elle remplit réellement son rôle.

Ce que vous en retirerez: Voir comment la réécriture des requêtes, la récupération hybride, le reclassement et les boucles correctives s’intègrent dans un même pipeline RAG.

À voir ou à connaître au préalable: Connaître le modèle de base « récupérer, puis générer » et être à l’aise avec une présentation détaillée de code.

Note d’AI Expert: Considérez le framework, le modèle et la configuration propre à Llama3 comme sensibles à leur version. Conservez la forme du pipeline, mais vérifiez les API des paquets, les choix de modèles, la qualité du reclassement et les résultats des évaluations à jour avant de reproduire l’implémentation.

Ouvrir la page vidéo