Episode 224 : Données non structurées et modern OCR

Dans cet épisode on explore les défis et les évolutions du RAG (Retrieval-Augmented Generation) dans le contexte de l'IA. L'équipe du Bigdata Hebdo discute des promesses des éditeurs, des difficultés rencontrées par les utilisateurs, et des mécanismes d'IA nécessaires pour traiter efficacement les documents.

On parle des enjeux liés à l'OCR, au chunking, et à l'importance des modèles d'embeddings.

00:00 Introduction

03:06 La promesse des éditeurs

08:05 Comprendre le RAG et son fonctionnement

11:06 Difficultés liées à l'OCR et à l'extraction de données

19:05 Recommandations pour l'optimisation des documents

28:46 Mistral Document AI et ses fonctionnalités

33:49 Chunking et gestion des documents

40:55 Fine-tuning des modèles d'embeddings

43:00 Formats de documents et leur pérennité

47:23 Conclusion et perspectives