Webinar à la demande

La RAG : stratégies et bonnes pratiques de mise en œuvre

Présenté par:

Maxime Voisin

Maxime Voisin

Responsable de produit

Cohere

Lily Adler

Lily Adler

Chef d'équipe, spécialiste de la recherche en IA générative

Elastic

Aperçu

Rejoignez-nous pour découvrir des techniques avancées en matière de génération augmentée de récupération (RAG). Cette présentation s'adresse aux développeurs, aux scientifiques des données et à tous ceux qui ont envie d'exploiter l'IA. Nous vous fournirons des informations essentielles pour renforcer vos systèmes de RAG.

Si vous avez déjà testé la RAG et que vous souhaitez optimiser vos mises en œuvre existantes, nos intervenants aborderont des étapes pratiques pour vous aider à créer des systèmes basés sur la RAG qui fonctionnent en production et à grande échelle.

Nous étudierons la phase de récupération en nous penchant sur différents sujets, tels que les stratégies de décomposition, la sélection de modèles d'intégration ou encore l'évaluation des performances. Nous verrons aussi d'autres thèmes en lien avec les techniques avancées de génération, le contrôle des accès et l'évaluation des performances, le but étant que vos systèmes s'exécutent pour les utilisateurs appropriés à moindre coût.

Inscrivez-vous dès aujourd'hui pour en savoir plus sur les schémas et techniques les plus récents et donner un coup de boost aux performances de la RAG !

Thèmes abordés

  • Création d'un pipeline de récupération : stratégies pour l'organisation des données, la décomposition et la sélection d'un modèle
  • Intégration des données avec l'IA générative : transfert transparent des données, techniques à plusieurs requêtes et cas d'utilisation
  • Déploiement des systèmes de RAG : options d'environnement, coût total de possession et conception d'interface
  • Présentation d'Elastic et de Cohere : aperçu sur des outils puissants qui améliorer la RAG

Pour aller plus loin

  • Prise en charge native des modèles de Cohere par l'API d'inférence ouverte d'Elasticsearch
  • Carnets sur Elastic GitHub pour travailler avec Bedrock, Azure OpenAI, Cohere, LlamaIndex, et bien plus encore
Video thumbnail