Aller au contenu principal
Version: Any 26

Recherche de connaissance

La recherche de connaissances permet à l'utilisateur de poser une question en langage naturel et d'obtenir une réponse rédigée par l'I.A., fondée uniquement sur les documents de la base, et non sur les connaissances générales du modèle.

L'utilisateur n'obtient pas une liste de documents à ouvrir, mais une réponse déjà rédigée, tirée de leur contenu. Les documents retenus sont choisis par similarité de sens avec la question, dans les limites de ce que l'utilisateur a le droit de voir : la room, les vues et les filtres qui lui sont appliqués s'imposent à la recherche.

La recherche renvoie toujours un maximum de 25 résultats.

La mise en service du service d'I.A. est décrite dans la page d'intégration Mistral.

Activer la recherche de connaissances : rend la fonctionnalité disponible pour les utilisateurs.

Vectorisation​

Pour effectuer ce type de recherche, il est nécessaire d'effectuer une opération de vectorisation qui va indexer le contenu par sa signification au lieu de son texte brut.

  • Configuration d’accès serveur : module d'accès serveur qui porte l'emplacement du service et ses informations d'authentification, centralisés pour toutes les applications. Il doit contenir la configuration d'un serveur d'I.A.
  • Modèle d’I.A. : modèle d'I.A. choisi dans la liste.
  • Nombre maximum de tokens supportés par le modèle : limite du moteur sélectionné, récupérée automatiquement.
  • Taille d’un bloc de texte vectorisé (en tokens) : les documents à vectoriser sont découpés en blocs de texte mesurés en tokens. Un token représente environ 4 caractères en français et 5 en anglais. Des blocs plus petits offrent une recherche plus précise mais augmentent le volume stocké. 1024 tokens par bloc est recommandé. La valeur définie ici n'affecte pas les documents déjà vectorisés : pour l'appliquer aux documents existants, exécuter le JobIndexContents.

Recherche de similarité​

Deux algorithmes peuvent être utilisés pour rechercher les documents correspondant à la question :

  • Complet (brute force) : évalue la totalité des vecteurs de la base, au prix des performances.

  • Approximatif (HNSW) : n'explore qu'une partie des vecteurs, plus rapidement, au risque d'en manquer une petite partie.

  • Algorithme de recherche : Complet ou Approximatif.

  • Niveau de similarité : seuil à partir duquel un vecteur est jugé pertinent. Plus il est élevé, plus les résultats sont proches de la question, mais moins il y en a. Modérée, Élevée ou Très élevée.

Reclassement des résultats​

Activer le reclassement des résultats de recherche : ajoute l'étape de reclassement décrite ci-dessous.

La recherche de similarité permet de retrouver des documents par comparaison sémantique, mais elle peut parfois retourner des résultats peu pertinents, notamment lorsque des documents traitent de sujets similaires.
Pour améliorer la précision, Any permet d'appliquer une étape de reclassement des résultats : un modèle d'IA réévalue la pertinence de chaque document par rapport à la question en les analysant ensemble.
Ce modèle comprend mieux le sens global de la question et du texte, ce qui permet de classer les résultats les plus pertinents en tête de liste.
Nous recommandons de choisir un modèle de type mistral-medium pour traiter cette partie.

Génération de la réponse​

Pour générer la réponse, Any transmet à l'IA le texte extrait des documents renvoyés par la recherche de similarité, classés par pertinence. La quantité de texte envoyée dépend de la configuration ci-dessous : Any envoie autant de documents que possible jusqu'à atteindre soit le nombre de tokens défini, soit la limite du modèle sélectionné.

  • Configuration d’accès serveur : module d'accès serveur qui porte l'emplacement du service et ses informations d'authentification, centralisés pour toutes les applications.
  • Modèle d’I.A. : modèle d'I.A. choisi dans la liste.
  • Nombre maximum de tokens supportés par le modèle : limite du moteur sélectionné, récupérée automatiquement.
  • Limiter le nombre de tokens envoyés : permet de plafonner la taille du texte envoyé à l'IA.
    • Nombre maximum de tokens envoyés : limite en tokens (ne peut pas dépasser le nombre maximum supporté par le moteur).
  • Configurer la température : permet de régler la variabilité des réponses de l'IA : élevée, elle les diversifie. Basse, elle les rend plus prévisibles.
    • Température : nombre compris entre 0 et 10 (7 par défaut).
  • Langue de l’I.A. : la langue de l'utilisateur courant est utilisée pour communiquer avec l'I.A. Le contexte et les instructions doivent donc être configurés dans chaque langue.
  • Nombre maximal de mots de la réponse : longueur au-delà de laquelle la réponse est tronquée.
  • Contexte et instructions pour l’I.A. : contexte transmis à l'I.A. Exemple : « Contenus relatifs à du recrutement, de la gestion de paie, et des inscriptions de clients ».

Le bouton « Tester le modèle » ouvre une fenêtre permettant de soumettre un texte et d'obtenir le résultat en direct, avec le modèle et le module tels qu'ils sont configurés.