Embeddings

Des textes proches par le sens, des vecteurs proches

sanctions, amendes

données personnelles

statistiques Insee

« Quelle amende pour une pratique interdite ? »

cos(q, d) = q·d / ‖q‖‖d‖

Vecteurs normalisés : la similarité est un simple produit scalaire.

Un modèle d'embedding (ici bge-m3, multilingue) projette chaque texte dans un espace de 1 024 dimensions.

Proche ne veut pas dire pertinent : la similarité capte le thème, pas l'exactitude d'un numéro ou d'une date.