Episode
Episode 224 : Données non structurées et modern OCR
- Podcast
- Big Data Hebdo
- Published
- Oct 28, 2025
- Duration seconds
- 3084
- Processing state
not_requested
Actions
POST https://stenobird.com/v1/public/podcasts/big-data-hebdo-828834/episodes/episode-224-donne-es-non-structure-es-et-modern-ocr/transcription-requests
Idempotently request low-priority transcript generation for this episode.GET https://stenobird.com/podcast/big-data-hebdo-828834/episode-224-donne-es-non-structure-es-et-modern-ocr.md
Read the agent-friendly Markdown representation of this episode resource.
Summary
Dans cet épisode on explore les défis et les évolutions du RAG (Retrieval-Augmented Generation) dans le contexte de l'IA. L'équipe du Bigdata Hebdo discute des promesses des éditeurs, des difficultés rencontrées par les utilisateurs, et des mécanismes d'IA nécessaires pour traiter efficacement les documents. On parle des enjeux liés à l'OCR, au chunking, et à l'importance des modèles d'embeddings. 00:00 Introduction 03:06 La promesse des éditeurs 08:05 Comprendre le RAG et son fonctionnement 11:06 Difficultés liées à l'OCR et à l'extraction de données 19:05 Recommandations pour l'optimisation des documents 28:46 Mistral Document AI et ses fonctionnalités 33:49 Chunking et gestion des documents 40:55 Fine-tuning des modèles d'embeddings 43:00 Formats de documents et leur pérennité 47:23 Conclusion et perspectives Notes et ressources https://bigdatahebdo.com/podcast/episode-224-donnees-non-structurees-et-modern-ocr