Episode 224 : Données non structurées et modern OCR

About this episode

This episode explores the challenges and developments of Retrieval-Augmented Generation in the context of AI.

Dans cet épisode on explore les défis et les évolutions du RAG (Retrieval-Augmented Generation) dans le contexte de l'IA. L'équipe du Bigdata Hebdo discute des promesses des éditeurs, des difficultés rencontrées par les utilisateurs, et des mécanismes d'IA nécessaires pour traiter efficacement les documents. On parle des enjeux liés à l'OCR, au chunking, et à l'importance des modèles d'embeddings. 00:00 Introduction 03:06 La promesse des éditeurs 08:05 Comprendre le RAG et son fonctionnement 11:06 Difficultés liées à l'OCR et à l'extraction de données 19:05 Recommandations pour l'optimisation des documents 28:46 Mistral Document AI et ses fonctionnalités 33:49 Chunking et gestion des documents 40:55 Fine-tuning des modèles d'embeddings 43:00 Formats de documents et leur pérennité 47:23 Conclusion et perspectives Notes et ressources https://bigdatahebdo.com/podcast/episode-224-donnees-non-structurees-et-modern-ocr

People in this episode

Hosts: Vincent Heuschling, Alexander Dejanovski, Jérôme Mainaud, Nicolas Steinmetz

Topics covered

• RAG
• OCR
• AI
• data extraction
• document management
• chunking

Keywords

• unstructured data
• OCR
• data extraction
• embedding models
• document optimization

Mentioned in this episode

Organizations: Mistral Document AI, Bigdata Hebdo, RAG

More episodes of Big Data Hebdo

• Episode 229 : La fin de la récréation dans l'IA · May 22, 2026 · 44 min
• Episode 228 : Enregistrement à Devoxx Paris 2026 · May 11, 2026 · 1h 20m
• Episode 227 : Starburst et Trino avec Victor Coustenoble · March 18, 2026 · 46 min
• Episode 226 : Starlake.AI avec Hayssam Saleh · February 20, 2026 · 56 min
• Episode 225 : La guerre des agents SDK · November 4, 2025 · 55 min
• Episode 223 : Aerospike · October 16, 2025 · 1h 3m