La préparation de vos données est plus importante que votre pile technologique

Ce n'est pas génial de simplement lui donner accès à votre espace de travail et de dire 'Raisonnez sur cette base de connaissances'. En fait, il fait très mal le travail de comprendre l'importance du passé et de donner des poids aux éléments. Vous voulez réfléchir spécifiquement au contexte dans lequel vous voulez le lui donner et à la base de connaissances sur laquelle vous voulez le concentrer.

RAG (Retrieval-Augmented Generation) est une approche IA où les systèmes récupèrent d'abord des informations pertinentes dans des bases de données avant de générer des réponses aux requêtes des utilisateurs.

Dans beaucoup d'entreprises que j'ai vues, les meilleures performances de leurs solutions RAG proviennent d'une meilleure préparation des données, pas de se torturer pour savoir quelles bases de données vectorielles utiliser.

Les LLM ne peuvent être aussi bons que les données qui leur sont fournies et la fraîcheur de ces données. En fin de compte, ce sont comme des déchiqueteuses d'informations. Ce sont des mangeurs d'informations illimités. Vous ne pourrez jamais avoir assez d'informations à leur donner pour vraiment tirer leur valeur.

La différence entre le bon contexte et le mauvais, c'est la différence entre une bonne réponse et une mauvaise réponse.