03 / 06
.
Plateforme d’intelligence documentaire par IA
- Catégorie
- RAG · Évaluation de LLM
- Rôle
- Solo, de bout en bout
- Lien
- Voir sur GitHub

En chiffres
- 0.61 → 0.89
- fidélité après reclassement
- BM25 + vec
- recherche hybride
- CI
- évaluation bloquante
Aperçu
Un système RAG que j’ai construit de bout en bout. La recherche est hybride, BM25 plus recherche vectorielle, puis reclassée par un cross-encoder Cohere. La qualité est mesurée, pas devinée : un pipeline d’évaluation Ragas tourne dans GitHub Actions et conditionne chaque changement. L’app est multi-utilisateur, avec connexion Google et X via NextAuth.
Points clés
- 01Recherche hybride BM25 + vectorielle avec reclassement par cross-encoder Cohere.
- 02Chaque réponse cite la page exacte d’où elle provient.
- 03Pipeline d’évaluation Ragas, bloquant dans la CI GitHub Actions.
- 04Architecture multi-utilisateur avec NextAuth (OAuth Google & X).
La suite
Prochaine étape : inférence entièrement locale avec Ollama, sans qu’aucune donnée ne quitte la machine.