Module 1
Introduction au RAG
Introduction au RAG
5min
Leçons vidéo
Exercices
Lab pratique
Qu'est-ce que le RAG ?
Architecture RAG (Document Loading → Splitting → Embeddings → Storage → Retrieval → Generation)
Cas d'usage RAG
Module 2
Document Loading
Document Loading
10min
Leçons vidéo
Exercices
Lab pratique
Charger différents formats (PDF, MD, HTML, CSV, JSON)
Document loaders LangChain
Web scraping et APIs
Lab : Charger des PDFs et pages web
Module 3
Document Splitting
Document Splitting
10min
Leçons vidéo
Exercices
Lab pratique
Pourquoi découper les documents ?
Text splitters (CharacterTextSplitter, RecursiveCharacterTextSplitter)
Optimiser la taille des chunks
Lab : DĂ©couper des documents efficacement
Module 4
Vector Stores et Embeddings
Vector Stores et Embeddings
15min
Leçons vidéo
Exercices
Lab pratique
Qu'est-ce qu'un embedding ?
Créer des embeddings avec OpenAI/HuggingFace
Vector databases (Chroma, FAISS, Pinecone, Weaviate)
Stocker et indexer les embeddings
Lab : Créer une vector database avec Chroma
Module 5
Retrieval
Retrieval
10min
Leçons vidéo
Exercices
Lab pratique
Similarity search et maximum marginal relevance (MMR)
Filtrage de métadonnées
Compression de contexte
Lab : Recherche sémantique avancée
Module 6
Question Answering
Question Answering
15min
Leçons vidéo
Exercices
Lab pratique
RetrievalQA chain
Générer des réponses à partir du contexte récupéré
Gestion des citations et sources
Lab : Système Q&A complet
Module 7
Chat
Chat
10min
Leçons vidéo
Exercices
Lab pratique
Ajouter de la mémoire conversationnelle au RAG
ConversationalRetrievalChain
Gestion de l'historique et reformulation de questions
Lab : Chatbot RAG avec mémoire