Embeddings : Plongements vectoriels
IA
Représentation numérique du sens d’un texte : deux contenus proches sémantiquement ont des vecteurs proches.
Principe : Un modèle projette un texte en vecteur ; la proximité (cosinus) approxime la proximité de sens.
Usage : Recherche sémantique, déduplication, clustering, socle d’un RAG. Stockés dans une base vectorielle.
Ce qui arrive si on s'en passe
Un plongement vectoriel conserve le sens d'un texte, et c'est précisément ce qui le rend indiscret : stocker dans une base vectorielle les embeddings de documents confidentiels sans leur appliquer les mêmes droits d'accès que les originaux revient à laisser traîner des résumés que la recherche sémantique retrouvera pour quiconque pose la bonne question. Dans un RAG, une base sans contrôle d'accès sert à tout utilisateur les passages proches de sa requête, y compris ceux qui ne lui étaient pas destinés. Sans plongements du tout, la recherche retombe sur la correspondance exacte des mots, qui ignore superbement les synonymes. Un vecteur n'est qu'une suite de nombres, argument qui vaut aussi pour un numéro de carte bancaire.
Explication de la marmotte
Imagine que chaque phrase ou texte est transformé en une sorte de code secret fait de chiffres. Ce code permet à l’ordinateur de comprendre si deux textes parlent de choses proches, un peu comme si on mesurait la distance entre deux points sur une carte. Plus les codes sont proches, plus les textes ont un sens similaire. C’est un peu comme ranger des livres dans une bibliothèque : ceux qui parlent du même sujet sont placés près les uns des autres pour les retrouver facilement.
Où ce terme est utilisé
- Embeddings : vecteurs, recherche sémantique et RAG (30 occurrences)
- Quand la recherche sémantique contourne les droits (13 occurrences)
- Comparer les bases vectorielles à grande échelle (8 occurrences)
- Déployer Qdrant local pour recherche sémantique interne (6 occurrences)
- Différence entre IA et LLM : un champ entier, un type de modèle (5 occurrences)
- Comment sécuriser les jetons stockés sur mobile (4 occurrences)
- L'effacement impossible (4 occurrences)
- Prioriser les vulnérabilités avec CVSS 4.0, EPSS, KEV et exposition (4 occurrences)
- PSIRT et divulgation coordonnée des vulnérabilités produit sous CRA (4 occurrences)
- Ce qui n’est pas écrit n’a pas été décidé (3 occurrences)