Ajustement d’embeddings pour la recherche spécialisée (sentence-transformers)
Votre moteur de recherche comprend enfin le jargon de votre métier, en arabe comme en français.
Je constitue avec vos experts un jeu de questions et de réponses attendues, tiré de demandes réelles. J’indexe ensuite vos documents en testant plusieurs stratégies de découpage et plusieurs modèles d’embeddings, dont des modèles multilingues pour les textes en arabe. J’ajoute une recherche hybride par mots clés et similarité, puis un reclassement. Chaque variante est évaluée avec Ragas et par relecture humaine. Je livre la configuration retenue sous forme d’API. Avec 18 ans de pratique, je sais où se cachent les difficultés de ce type de mission. Outils utilisés : FastAPI, Ragas, Qdrant, Langfuse. Comptez environ 26 jours une fois le brief validé.
Vous avez testé un outil RAG prêt à l’emploi : les réponses sont parfois justes, parfois inventées, et personne ne sait dire si une modification améliore ou dégrade le résultat.
Une chaîne RAG dont chaque composant est réglé et mesuré : découpage, embeddings, recherche hybride, reclassement, consigne. Un rapport chiffré montre l’effet de chaque choix.
Deux mois de suivi avec réévaluation après chaque ajout important de documents.
Paiement en deux fois : la moitié au lancement, le reste à la livraison validée.
Votre moteur de recherche comprend enfin le jargon de votre métier, en arabe comme en français.
Un travail exploratoire sur un modèle qui signale les radiographies thoraciques à revoir en priorité.
Une caméra, un éclairage maîtrisé et un modèle qui repère les produits non conformes à cadence réelle.
Quantification, export ONNX, TensorRT : le même modèle, plus léger et plus rapide sur votre matériel.