Brancher l’IA sur vos données · Couche 3
Embeddings (représentations vectorielles)
Une suite de nombres qui représente le sens d’un texte : deux textes proches par le sens obtiennent des nombres proches.
Pour se le représenterImaginez une immense carte où chaque phrase est placée selon son sens : « résiliation du contrat » s’y trouve à côté de « fin de l’engagement », sans aucun mot en commun. Chercher, c’est regarder ce qui se trouve près de votre question.
Un assureur indexe ses 3 000 fiches de procédure avec des embeddings. Un conseiller tape « le client a cassé l’écran de son téléphone » et retrouve la fiche « bris accidentel d’appareil nomade », qu’une recherche par mots-clés aurait manquée. En revanche, la recherche d’un numéro de contrat échoue : les codes se cherchent mieux par mots-clés. L’outil retenu combine donc les deux.
Un vecteur calculé à partir d’un texte personnel reste une donnée personnelle : des chercheurs ont reconstitué à l’identique 92 % de textes de 32 jetons à partir de leurs seuls embeddings, et retrouvé des noms complets dans des notes cliniques (États-Unis · université Cornell, EMNLP 2023). La base vectorielle se protège donc comme les documents d’origine : chiffrement, contrôle d’accès, durée de conservation (UE · RGPD, art. 32). Une suppression à la source doit se propager à l’index, faute de quoi la donnée effacée reste interrogeable. Les faiblesses des vecteurs et des embeddings figurent parmi les dix principaux risques des applications de grands modèles de langue (international · OWASP).
« Où sont hébergés le modèle d’embeddings et la base vectorielle, comment les droits d’accès de nos documents y sont-ils appliqués, et sous quel délai une suppression à la source y est-elle répercutée ? »
En général, non : c’est un modèle plus petit et spécialisé, souvent d’un autre éditeur. Il peut tourner sur vos serveurs même si le LLM est hébergé ailleurs.
En partie, oui : des travaux publiés montrent qu’un vecteur peut être retraduit en texte avec une bonne fidélité. Il faut donc le traiter comme une donnée sensible, pas comme une empreinte anonyme.
Non. Les embeddings rapprochent des textes par ressemblance statistique ; une couche sémantique fixe des définitions métier explicites, avec un propriétaire. Les deux se complètent.
Fiche pédagogique, pas un avis juridique. À jour au 29 octobre 2026.