Assistant RAG avancé (HQ)
Assistant IA fondé sur un RAG avancé : recherche hybride, reranking et questions hypothétiques.
Contexte & problématique
Un RAG basique se contente d'une recherche vectorielle et renvoie parfois des passages peu pertinents. L'objectif était d'élever nettement la qualité de la récupération pour fiabiliser les réponses.
Mon rôle
Conception et implémentation complète du pipeline RAG avancé.
Solution & architecture
Un RAG avancé qui combine plusieurs techniques : questions hypothétiques (HQ / HyDE) pour mieux cerner l'intention, recherche hybride associant l'index vectoriel ChromaDB et l'index lexical BM25, puis reranking Cohere pour affiner le classement. Le tout est orchestré avec LangChain, exposé par une API FastAPI et une interface Streamlit.
Résultats
Récupération nettement plus précise et pertinente
Recherche hybride : dense (vecteurs) + lexicale (BM25)
Reranking Cohere pour le classement final
Architecture découplée : API FastAPI + interface Streamlit
Stack technique
Un projet similaire en tête ?
Discutons de la façon dont l’IA et la data peuvent servir votre projet.
Me contacter