GraphRAG : vers une IA zéro défaut
15/10/2024 | 12h00 - 12h30 | DEMO STAGE 7
Description
L'intégration des graphes de connaissances ou Knowledge Graphs (KG) peut grandement améliorer les résultats des IA génératives.
Les modèles de GraphRAG (Récupération Augmentée par Graphes) combinent les techniques de traitement de texte basées sur des vecteurs avec des graphes de connaissances, fournissant des réponses plus précises et complètes.
Les graphes améliorent la contextualisation et l'explicabilité des décisions des IA. Cette approche permet également de développer et de maintenir les applications d'IA plus efficacement grâce à une visualisation claire des données et à des ajustements rapides du modèle métier.
Pierre Halftermeyer et Nicolas Rouyer de Neo4j, leader des bases de données de graphes, montreront comment une fois capturées les relations entre les données dans un graphe Neo4j à l'aide de LLM, le GraphRAG est bien plus efficace, sécurisé, explicable et économe en tokens que le RAG classique basé sur les vecteurs.
En bref, connecter ses données permet de rendre industrielles et évolutives vos applications GenAI.
Une démonstration live permettra de souligner ce progrès technbologique significatif qu'est le GraphRAG.
Speakers
Pierre HALFTERMEYER
Senior Solutions Engineer
NEO4J
Nicolas ROUYER
Senior Presales Consultant
NEO4J
Exposant
