Verbatims associés aux drivers
Les verbatims affichés pour un driver sont choisis par proximité de sens avec ce driver ; un modèle de langage ne fait que réordonner ceux qui sont déjà retenus. Cette page décrit l'entonnoir, de l'avis brut au verbatim affiché.
L'entonnoir
Schéma (version texte)
Commentaires, d'enquête → Filtre qualité, longueur, variété, doublons
Filtre qualité, longueur, variété, doublons → Proximité de sens avec le driver
Proximité de sens avec le driver → Réordonnancement par pertinence
Réordonnancement par pertinence → Verbatims du driver
Étape | Ce qui se passe |
|---|---|
Vectorisation | Chaque commentaire est transformé en vecteur sémantique ; ce calcul passe par Vertex AI |
Filtre qualité | Seuls les commentaires suffisamment longs et variés sont admis ; les doublons sont écartés |
Proximité | La proximité avec la description du driver est mesurée ; seuls les commentaires assez proches sont retenus et classés par proximité |
Réordonnancement | Un modèle de langage (via Vertex AI) réordonne les verbatims retenus selon leur pertinence pour le sujet précis du driver |
Le modèle de langage peut-il exclure un verbatim ?
Non. Il sert uniquement à réordonner : l'admission d'un verbatim ne dépend que de sa proximité de sens, car la classification d'un modèle de langage peut varier d'une exécution à l'autre.
Thèmes
Le lien entre un thème et un driver passe par des mots-clés sémantiques générés par un modèle de langage (via Vertex AI) pour chaque driver nouveau ou modifié. Il n'existe pas de taxonomie de thèmes commune à tous les drivers dans la chaîne de données.
Les seuils de proximité et de qualité sont fixes, non paramétrables par organisation ; nous ne les publions pas.