Différences

Ci-dessous, les différences entre deux révisions de la page.

--- informatique:ai_lm:ai_nlp_rag [21/04/2026 09:06] – [AI NLP and RAG] cyrille
+++ informatique:ai_lm:ai_nlp_rag [23/04/2026 18:15] (Version actuelle) – [AI NLP and RAG] cyrille
@@ Ligne 9: / Ligne 9: @@
   * https://github.com/run-llama/llama_index
   * [[https://github.com/AnswerDotAI/RAGatouille|RAGatouille]] : bridging the gap between state-of-the-art research and alchemical RAG pipeline practices
+    * Langchain integration as a [[https://docs.langchain.com/oss/python/integrations/providers/ragatouille|provider]] or [[https://docs.langchain.com/oss/python/integrations/retrievers/ragatouille|retriever]]
+  * [[https://github.com/stanford-futuredata/ColBERT|ColBERT v2]] is a fast and accurate retrieval model, enabling scalable BERT-based search over large text collections in tens of milliseconds.
+    * One of the easiest ways to use ColBERT in applications nowadays is the semi-official, fast-growing RAGatouille library (2024)
 La reconnaissance d’entités (NER), également appelée segmentation d’entités ou extraction d’entités, est un composant du traitement automatique du langage naturel (NLP) qui identifie des catégories prédéfinies d’objets dans un corps de texte.
@@ Ligne 23: / Ligne 25: @@
   * Détection d'entités (NER)
     * vise à reconnaître et à classer des entités nommées telles que des personnes, des lieux, des organisations et d'autres informations spécifiques
+Articles
+  * [[https://aimultiple.com/rag-frameworks|Benchmark 5 RAG frameworks: LangChain, LangGraph, LlamaIndex, Haystack, and DSPy]] (2026)
 ==== Glossaire ====