"D'avoir de meilleures données d'entraînement, plus pertinentes, ça reste le nerf de la guerre, même avec les plus gros modèles." Le D.E.V. de la semaine est Guillaume Laforge, Developer Advocate AI chez Google. Dans cet épisode, Guillaume revient sur l'évolution du RAG, loin d'être enterré malgré l'agrandissement des fenêtres de contexte des LLM. Il partage pourquoi, même avec un million de tokens, les besoins des entreprises dépassent largement les capacités actuelles des modèles. On parle de découpage sémantique, de context engineering et des nouveaux défis liés à la hiérarchisation des données. Enfin, Guillaume détaille comment, face à la multiplication des données et la chasse à la pertinence, la qualité prime sur la quantité. Un tour d'horizon pragmatique et technique du futur des architectures RAG.Chapitrages00:00:53 : Introduction Inspirante00:01:59 : Présentation de Guillaume00:03:44 : Évolution du RAG00:05:13 : Importance du Chunking00:10:26 : Techniques de Tokenisation00:13:09 : Avantages de Notion00:16:18 : Modèles d'Embedding Multilingues00:18:03 : Recommandations de Modèles00:19:47 : Pertinence des Questions00:23:42 : Approche des Questions Générées00:30:18 : Hybridation des Contextes00:32:17 : Émergence du Contexte Engineering00:35:07 : Coûts de l'Inférence00:38:51 : Qualité des Données00:40:40 : Recommandations et Clôture Liens évoqués pendant l'émission Glaforge.dev: Site de Guillaume avec tous ses articles autour du RAG 🎙️ Soutenez le podcast If This Then Dev ! 🎙️ Chaque contribution aide à maintenir et améliorer nos épisodes. Cliquez ici pour nous soutenir sur Tipeee 🙏Retrouvez toutes les expertises de tous les experts et expertes passées dans IFTTD directement dans votre IDE avec le MCP IFTTD !Archives | Site | Boutique | TikTok | Discord | LinkedIn | Instagram | Youtube | Twitch | Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.