Tous les projets

03 / 06

.

Plateforme d’intelligence documentaire par IA

Catégorie
RAG · Évaluation de LLM
Rôle
Solo, de bout en bout
Clairo

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.

Projet suivant

ExaMoteur de recherche propulsé par l’IA