RAG foundations
Comprendre embeddings, chunking, recherche vectorielle, recherche hybride, citations et reranking.
Pourquoi ça compte
Un assistant IA utile en entreprise doit répondre sur des données privées et citer ses sources.
Le RAG évite de fine-tuner trop tôt et donne une base concrète pour des apps métier.
Ce que tu dois comprendre
Expliquer le problème que "RAG foundations" résout, ses limites et ses cas d'usage réalistes.
Mettre en pratique: indexer un PDF avec chunking simple et embeddings.
Construire une preuve exploitable: une mini app `Chat with PDF` avec citations visibles.
Relier ce sujet aux items voisins de la roadmap et aux décisions produit ou architecture.
Projet preuve / livrable
Une mini app `Chat with PDF` avec citations visibles.
Cours à compléter
Lis le texte de l'étape, ouvre le cours complet, puis coche l'étape seulement quand tu l'as réellement terminée.
- Étape 01OpenAI Cookbook
Indexer un PDF avec chunking simple et embeddings.
Cours complet -> Question Answering Using Embeddings - Étape 02Supabase Docs
Stocker les vecteurs dans Supabase pgvector.
Cours complet -> pgvector: Embeddings and Vector Search - Étape 03DataTalksClub LLM Zoomcamp
Retourner une réponse sourcée avec les passages utilisés.
Cours complet -> Retrieval Augmented Generation - Étape 04GitHub Docs
Transformer "RAG foundations" en preuve visible: README, capture, courte vidéo ou commit commenté.
Cours complet -> About READMEs - Étape 05ADR GitHub
Relire les sources principales et noter les compromis, limites et prochaines améliorations du livrable "Une mini app `Chat with PDF` avec citations visibles.".
Cours complet -> Architecture Decision Records
Avance étape par étape: ouvre le cours, complète l'exercice, puis coche l'étape avant la suite.
Prochaine section- Le livrable existe avec code, capture, vidéo, README ou note vérifiable.
- Indexer un PDF avec chunking simple et embeddings.
- Stocker les vecteurs dans Supabase pgvector.
- Le README explique contexte, architecture, limites, coût ou risques importants.
- Tu peux expliquer en 5 minutes les sources, compromis et prochaine amélioration.
Common traps
- Ne te limite pas à regarder des vidéos sans produire un livrable visible.
- Ne passe pas au sujet suivant sans commit, README ou capture de démo.
- Ne marque pas l'item comme fait si les critères d'acceptation ne sont pas encore vérifiables.