Chapitre 1
Qu'est-ce que le RAG
RAG = recherche + génération. Sans RAG, l'IA ne connaît que ses données d'entraînement. Avec RAG, elle répond sur VOS documents.
Chapitre 2
Traitement et découpage de documents
Parsez PDFs, Word, HTML. Découpez en chunks de 300-1000 tokens. Stratégies variées. Chevauchez 10-20%.
Chapitre 3
Bases vectorielles et embeddings
Embeddings = texte → nombres. BDD vectorielles : ChromaDB, Pinecone, Weaviate, FAISS. Flux complet.
Chapitre 4
Construire un pipeline RAG complet
Bout en bout : charger → découper → embeddings → stocker → rechercher → LLM → réponse avec sources.
Chapitre 5
Techniques RAG avancées
Recherche hybride. Re-ranking. Transformation de requêtes. Multi-étapes. Self-RAG. Évaluation.
Prêt à mettre ces connaissances en pratique ?