Embedding
Représentation vectorielle d'un texte. Base technique de la recherche sémantique et du Grounding Score.
Lire →WikiGEO & IA
DPR (Dense Passage Retrieval)
Architecture neuronale qui retrouve les passages les plus pertinents avant la génération LLM. Brique des systèmes RAG.
Définition
Architecture de recherche neuronale qui encode requêtes et passages en vecteurs denses pour mesurer leur similarité sémantique. Utilisée dans les systèmes RAG pour retrouver les passages les plus pertinents avant la génération.
DPR repère si votre paragraphe répond à la question, même sans les mots exacts
DPR a été développé par Facebook AI Research en 2020. Deux encodeurs BERT séparés transforment la requête et le passage en vecteurs denses dans un même espace mathématique ; la pertinence est leur proximité cosinus. Sur les requêtes complexes ou ambiguës, où la correspondance lexicale échoue, DPR dépasse BM25. C'est la brique de base des systèmes RAG modernes.
Une page peut ranker grâce à un seul passage aligné
DPR est la mécanique qui explique l'évaluation par passage : chaque bloc H2 est encodé séparément, et une page peut ranker sur une requête grâce à un seul passage aligné, même si le reste de la page est hors-sujet. La doctrine « un H2 = un vecteur sémantique » découle directement de cette architecture.
Concepts liés à DPR (Dense Passage Retrieval)
Similarité cosinus
L'angle entre deux vecteurs sémantiques. Score de 0.95+ = même signification. Mécanique du Grounding Score.
Lire →RAG (Retrieval-Augmented Generation)
Architecture qui combine recherche de documents et génération LLM. La base technique de Perplexity et des AI Overviews.
Lire →Grounding Score
Score de similarité cosinus entre une requête et un passage de contenu : la mesure clé pour passer dans les AI Overviews.
Lire →Parlons de votre projet.
Je vous prépare un pré-audit de votre site et l'on en discute durant notre visio.