Une entreprise développe un chatbot qui utilise des documents privés. Elle doit convertir ces documents en représentations vectorielles avant de les stocker. Quel type de modèle de fondation devrait-elle utiliser ?

Un modèle d'intégration de texte (embeddings) est la solution correcte car il est spécifiquement conçu pour convertir des données textuelles, y compris des documents privés, en représentations numériques (vecteurs). Ces vecteurs capturent le sens sémantique du texte, ce qui est essentiel pour des tâches comme la recherche de similarité ou le stockage dans une base de données vectorielle pour un chatbot. Un modèle de complétion de texte ou de suivi d'instructions est destiné à générer du texte ou à suivre des directives, pas à créer des représentations vectorielles. Un modèle de génération d'images est complètement hors de propos, car il traite des données visuelles et non textuelles.