Embeddings
Aussi appelé : plongements lexicaux · vecteurs de mots · word embeddings · représentations vectorielles
Mis à jour le
Les embeddings sont des représentations numériques de mots, de phrases ou d'images sous forme de vecteurs, permettant aux modèles d'IA de calculer mathématiquement les relations sémantiques entre différentes informations.
📖 Définition
💬 En termes simples
C'est comme donner des coordonnées GPS à chaque mot pour voir lesquels sont proches (ex : « roi » est proche de « reine »).
🎯 Exemple concret
C'est ce qui permet à Google de comprendre que si tu cherches « auto », les résultats contenant « voiture » sont aussi pertinents.
💡 Le saviez-vous ?
Les embeddings permettent de faire des calculs mathématiques avec le sens des mots (Roi - Homme + Femme = Reine).
❓ Questions fréquentes
Comment les nombres peuvent-ils représenter le sens d'un mot ?
À quoi servent les embeddings dans votre utilisation de l'IA ?
Quelles sont les limites de cette approche vectorielle ?
📚 Sources
- Google - Machine Learning Embeddings (Google, 2024)
- Wikipedia - Word embedding (Wikipedia, 2024)
🔗 Termes liés
🌿 Sous-termes