Quiz : Exploration Approfondie des Embeddings
Testez vos connaissances sur les embeddings, les modèles d'embedding et les critères de sélection.
30 questions - Cliquez sur chaque question pour révéler la réponse correcte.
Question 1
Que sont les embeddings dans le contexte du NLP ?
a) Éléments HTML intégrés dans les pages
b) Représentations vectorielles denses du texte
c) Index de base de données
d) Clés de chiffrement
Afficher la réponse
Réponse correcte : b
Les embeddings sont des représentations vectorielles denses du texte qui capturent le sens sémantique, permettant aux ordinateurs de comparer le texte par signification.
Question 2
Que mesure la similarité cosinus ?
a) La longueur des vecteurs
b) L'angle entre deux vecteurs
c) La couleur du texte
d) La taille du fichier
Afficher la réponse
Réponse correcte : b
La similarité cosinus mesure le cosinus de l'angle entre deux vecteurs, indiquant à quel point leurs directions sont similaires (et donc la similarité sémantique).
Question 3
Quelle est la plage de dimensions typique pour les modèles d'embedding modernes ?
a) 1-10
b) 50-100
c) 384-3072
d) 10000+
Afficher la réponse
Réponse correcte : c
Les modèles d'embedding modernes produisent généralement des vecteurs avec 384 à 3072 dimensions.
Question 4
Quel modèle OpenAI offre la meilleure qualité d'embedding ?
a) text-embedding-ada-002
b) text-embedding-3-small
c) text-embedding-3-large
d) GPT-4
Afficher la réponse
Réponse correcte : c
text-embedding-3-large offre les embeddings de la plus haute qualité d'OpenAI avec 3072 dimensions.
Question 5
Que signifie MTEB ?
a) Machine Text Embedding Benchmark
b) Massive Text Embedding Benchmark
c) Multi-Task Embedding Base
d) Model Training Evaluation Benchmark
Afficher la réponse
Réponse correcte : b
MTEB signifie Massive Text Embedding Benchmark, le benchmark standard pour comparer les modèles d'embedding.
Question 6
Quelle est la plage de la similarité cosinus ?
a) 0 à 1
b) -1 à 1
c) 0 à 100
d) -100 à 100
Afficher la réponse
Réponse correcte : b
La similarité cosinus varie de -1 (opposé) à 1 (identique), avec 0 signifiant orthogonal/non lié.
Question 7
Quel n'est PAS un avantage de l'hébergement autonome des modèles d'embedding ?
a) Pas de coût par token
b) Latence réduite
c) Mises à jour automatiques
d) Les données restent internes
Afficher la réponse
Réponse correcte : c
Les modèles auto-hébergés nécessitent des mises à jour manuelles. Les services API fournissent des mises à jour automatiques vers les derniers modèles.
Question 8
Quelle caractéristique spéciale offre Cohere embed-v3 ?
a) Utilisation illimitée gratuite
b) Différents types d'entrée pour les documents vs les requêtes
c) 10000 dimensions
d) Traduction intégrée
Afficher la réponse
Réponse correcte : b
Cohere embed-v3 propose différentes options input_type (search_document vs search_query) optimisées pour leurs utilisations respectives.
Question 9
Combien coûte text-embedding-3-small par million de tokens ?
a) $0.002
b) $0.02
c) $0.20
d) $2.00
Afficher la réponse
Réponse correcte : b
text-embedding-3-small coûte $0.02 par million de tokens, ce qui le rend très économique.
Question 10
Quelle famille de modèles open-source provient de BAAI ?
a) Sentence Transformers
b) E5
c) BGE
d) BERT
Afficher la réponse
Réponse correcte : c
Les modèles BGE (Beijing Academy of Artificial Intelligence General Embedding) proviennent de BAAI.
Question 11
Que se passe-t-il pour les textes sémantiquement similaires lorsqu'ils sont intégrés ?
a) Ils produisent des vecteurs très différents
b) Ils produisent des vecteurs similaires (proches dans l'espace)
c) Ils produisent des vecteurs identiques
d) Ils ne peuvent pas être intégrés
Afficher la réponse
Réponse correcte : b
Les textes sémantiquement similaires produisent des vecteurs qui sont proches les uns des autres dans l'espace d'embedding.
Question 12
Quelle est la limite maximale de tokens pour les modèles d'embedding OpenAI ?
a) 512
b) 2048
c) 8191
d) 32000
Afficher la réponse
Réponse correcte : c
Les modèles text-embedding-3 d'OpenAI supportent jusqu'à 8191 tokens par entrée.
Question 13
Pourquoi pourriez-vous réduire les dimensions d'embedding ?
a) Pour améliorer la qualité
b) Pour réduire le stockage et améliorer la vitesse de recherche
c) Pour ajouter plus de langues
d) Pour chiffrer les vecteurs
Afficher la réponse
Réponse correcte : b
Réduire les dimensions diminue les besoins de stockage et accélère les recherches de similarité, avec un compromis de qualité acceptable.
Question 14
Quelle bibliothèque fournit les modèles Sentence Transformers ?
a) TensorFlow
b) PyTorch uniquement
c) HuggingFace / sentence-transformers
d) OpenAI
Afficher la réponse
Réponse correcte : c
Les Sentence Transformers sont disponibles via la bibliothèque sentence-transformers et HuggingFace.
Question 15
Quel est un avantage clé des embeddings basés sur API ?
a) Utilisation gratuite
b) Pas besoin d'internet
c) Pas de maintenance d'infrastructure
d) Dimensions illimitées
Afficher la réponse
Réponse correcte : c
Les embeddings basés sur API ne nécessitent pas de configuration ou de maintenance d'infrastructure - vous appelez simplement l'API.
Question 16
Quel préfixe BGE recommande-t-il pour les requêtes ?
a) Aucun préfixe nécessaire
b) "query: "
c) "Représentez cette phrase pour la recherche : "
d) "Question : "
Afficher la réponse
Réponse correcte : c
Les modèles BGE recommandent d'utiliser des préfixes d'instruction comme "Représentez cette phrase pour la recherche :" pour de meilleurs résultats.
Question 17
Combien de dimensions produit all-MiniLM-L6-v2 ?
a) 128
b) 384
c) 768
d) 1024
Afficher la réponse
Réponse correcte : b
all-MiniLM-L6-v2 produit des embeddings de 384 dimensions, ce qui le rend compact et rapide.
Question 18
Quel est le principal compromis avec les embeddings de dimensions plus élevées ?
a) Qualité inférieure
b) Stockage plus élevé et recherche plus lente
c) Moins de langues supportées
d) Moins précis
Afficher la réponse
Réponse correcte : b
Des dimensions plus élevées offrent une meilleure qualité mais nécessitent plus de stockage et des recherches de similarité plus lentes.
Question 19
Pour un MVP de startup, quel modèle d'embedding est recommandé ?
a) Modèle entraîné sur mesure
b) text-embedding-3-large
c) text-embedding-3-small
d) BGE auto-hébergé
Afficher la réponse
Réponse correcte : c
text-embedding-3-small offre un bon équilibre entre qualité et coût pour les startups et les MVP.
Question 20
À quoi sert l'embedding par lot ?
a) Réduire la qualité
b) Traiter de nombreux textes efficacement
c) Chiffrer les données
d) Réduire les dimensions
Afficher la réponse
Réponse correcte : b
L'embedding par lot traite plusieurs textes en un seul appel API, réduisant les frais généraux et améliorant l'efficacité.
Question 21
Quelle métrique est préférée lorsque les vecteurs sont normalisés ?
a) Distance euclidienne uniquement
b) Produit scalaire (équivalent au cosinus)
c) Distance de Manhattan
d) Distance de Hamming
Afficher la réponse
Réponse correcte : b
Pour les vecteurs normalisés, le produit scalaire est équivalent à la similarité cosinus et peut être plus rapide à calculer.
Question 22
Que signifie E5 ?
a) Embedding 5
b) EmbEddings from bidirEctional Encoder rEpresentations
c) Enterprise Embedding 5
d) Efficient Embedding Engine 5
Afficher la réponse
Réponse correcte : b
E5 signifie EmbEddings from bidirEctional Encoder rEpresentations (Microsoft).
Question 23
Quand devriez-vous envisager l'auto-hébergement des embeddings ?
a) Jamais
b) Lors du traitement de >10M documents par mois
c) Pour le prototypage uniquement
d) Lorsque la qualité n'a pas d'importance
Afficher la réponse
Réponse correcte : b
L'auto-hébergement devient rentable à des volumes élevés (>10M documents) ou lorsque la confidentialité des données est cruciale.
Question 24
Que permet le support d'embedding multilingue ?
a) Traduction
b) Recherche sémantique interlinguistique
c) Correction grammaticale
d) Génération de texte
Afficher la réponse
Réponse correcte : b
Les embeddings multilingues permettent de rechercher à travers les langues - une requête en anglais peut trouver des documents pertinents en français.
Question 25
Quelle est la latence API typique pour la génération d'embedding ?
a) 1-5ms
b) 50-150ms
c) 1-5 secondes
d) 30+ secondes
Afficher la réponse
Réponse correcte : b
Les embeddings basés sur API ont généralement une latence de 50-150ms, comparé à 10-30ms pour l'inférence GPU auto-hébergée.
Question 26
Quel facteur est le PLUS important pour les applications en temps réel ?
a) Score MTEB
b) Latence
c) Dimensions
d) Prix
Afficher la réponse
Réponse correcte : b
Pour les applications en temps réel, la latence est le facteur le plus critique - les utilisateurs s'attendent à des réponses rapides.
Question 27
Comment les dimensions de text-embedding-3-large peuvent-elles être réduites ?
a) Elles ne peuvent pas être réduites
b) En utilisant le paramètre dimensions dans l'API
c) Post-traitement uniquement
d) Réentraînement requis
Afficher la réponse
Réponse correcte : b
text-embedding-3-large supporte un paramètre dimensions (256, 1024, etc.) pour réduire la taille de sortie.
Question 28
Que se passe-t-il si vous utilisez différents modèles d'embedding pour l'indexation et la requête ?
a) Fonctionne bien
b) La récupération échouera ou sera médiocre
c) Les résultats sont doublés
d) La vitesse s'améliore
Afficher la réponse
Réponse correcte : b
Vous devez utiliser le même modèle d'embedding pour l'indexation et la requête - différents modèles produisent des espaces vectoriels incompatibles.
Question 29
Quel est le meilleur modèle pour le déploiement en périphérie/hors ligne ?
a) text-embedding-3-large
b) Cohere embed-v3
c) all-MiniLM-L6-v2
d) GPT-4
Afficher la réponse
Réponse correcte : c
all-MiniLM-L6-v2 est compact (384 dims, ~80MB) et rapide, idéal pour les déploiements en périphérie et hors ligne.
Question 30
Quel est le but principal des embeddings dans RAG ?
a) Génération de texte
b) Permettre la recherche de similarité sémantique
c) Compression de données
d) Chiffrement
Afficher la réponse
Réponse correcte : b
Les embeddings permettent la recherche de similarité sémantique - trouver des documents par signification plutôt que par mots-clés exacts.
Résultats
| Score | Niveau |
|---|---|
| 27-30 | Excellent - Forte compréhension des embeddings |
| 21-26 | Bon - Une révision est recommandée |
| 15-20 | Moyen - Relisez les chapitres |
| Moins de 15 | Nécessite une révision complète |