TP 2 · 40 minutes

Découper par section, chercher en hybride, citer

1

chunker : pile de titres, paragraphes jusqu'à 1 200 caractères, lignes de tableau avec en-tête, préfixe « chemin »

2

Recharger le code, vérifier le découpage dans l'onglet Index

3

search : BM25 + dense, fusion RRF ; tester dans l'onglet Index

4

prompt : sources numérotées ; puis évaluer et comparer au TP 1

# bloc = doc.blocks[i]

bloc.kind "heading" | "text" | "table"

bloc.level 1 = titre principal

bloc.rows [en-tête, ligne, …]

bloc.page numéro de page (PDF)

# fournis : tokenize(), serialize_row(),

# BM25Okapi (rank_bm25)

À observer : identifiants et tableaux doivent passer. Pourquoi les agrégations échouent-elles alors que les sources sont trouvées ?

Bloqué ? Repartez de solutions/phase-1.zip ; la solution de cette étape est phase-2.zip.