Embeddings
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.