EMBEDDINGS-EDI

EDI text embeddings, AI & data integration appliquée à l'EDI.

Définition

Les embeddings EDI sont des vecteurs (typiquement 768 ou 1536 dimensions) calculés par un modèle d'embedding (OpenAI text-embedding-3, Cohere embed v3, BGE) sur des fragments de TDED, manuels EANCOM, exemples X12. Permettent une recherche sémantique au-delà du keyword match — 'taxe' retrouve TAX, MOA+124, BT-118, etc.

Origine

Concept word2vec (Mikolov 2013), GloVe (Pennington 2014), généralisé avec BERT puis OpenAI Ada (2022).

Exemple en contexte

Index pour 30 000 fragments de manuels EDI, requêtes via cosine similarity sur OpenAI text-embedding-3-small.

Termes liés

• RAG EDI — use case principal.