Comment iDBQuery trouve-t-il le bon passage parmi de nombreux documents ?

Lorsque vos « données » sont un dossier de contrats, de rapports, de factures ou d'articles de recherche, trouver la bonne phrase est tout le défi. iDBQuery traite les documents comme une source consultable et citable.

• Ingestion et OCR. Les fichiers sont ingérés et indexés ; les PDF numérisés ou en image passent par l'OCR pour que leur texte devienne consultable au lieu d'être prisonnier d'une image.
• Recherche sémantique. Plutôt que de ne faire correspondre que des mots exacts, iDBQuery utilise une récupération fondée sur des embeddings pour trouver les passages par le sens — une question sur le « délai de préavis de résiliation » fait remonter la clause pertinente même si elle est formulée différemment.
• Rattaché au document. La réponse pointe vers le document et le passage précis dont elle est tirée, de sorte que vous pouvez ouvrir la source et vérifier, exactement comme les chiffres d'une base de données sont rattachés aux lignes.

C'est ce qui permet à iDBQuery de répondre à des questions portant sur du contenu non structuré et de le combiner à des données structurées au sein d'un seul modèle — interroger un chiffre dans une base de données et une clause dans un PDF d'un même souffle. C'est particulièrement utile pour les équipes assises sur de vastes ensembles de documents, du juridique à la finance en passant par la recherche, où la réponse existe mais est enfouie dans des centaines de fichiers.