Embeddings modernes et similarité

L2 vs cosinus

Embeddings normalisés + produit scalaire = cosinus. Choisissez le modèle sur votre domaine et langue (MTEB = banc public de modèles d'embeddings, repère seulement, votre val tranche), dimension 384-1024 selon budget. Index plat (comparaison exacte) en petit, recherche approchée ANN au-delà : HNSW (graphe de voisins) ou IVF (partition en cellules).

# normalisez avant l'index : e / ||e||

Hygiène

Même modèle query/doc ou couple compatible, version figée, texte nettoyé identiquement des deux côtés. Changer d'embeddings = réindexer tout : versionnez l'index avec son modèle.