Search

Elastic Search est la solution de recherche d'Elastic, adossée à Elasticsearch. Elastic Search intègre des fonctionnalités avancées qui font gagner du temps en matière de développement et de gestion de la recherche. Parmi ces fonctionnalités, citons le Machine Learning, le logging d'audit, les contrôles de sécurité basés sur les rôles et les attributs, les snapshots interrogeables, la réplication inter-clusters, la recherche inter-clusters, ainsi que des options de déploiement flexibles.

Non. L'algorithme de recherche textuelle BM25, la base de données vectorielle scalable, la recherche sémantique et l'attribution de scores hybrides avec la fusion des rangs réciproques (RRF) sont tous proposés dans Elastic Search et sont directement exploitables. Elastic dispose même de son propre modèle de recherche sémantique, Elastic Learned Sparse Encoder, qui est directement prêt à l'emploi.

Oui. Elastic est la base de données vectorielle scalable la plus téléchargée au monde. Elle permet aux développeurs de créer des plongements vectoriels, de les stocker et d'y faire des recherches. Et ce n'est pas tout. La plateforme de recherche d'Elastic inclut aussi tout ce dont vous avez besoin pour mettre en place des expériences de recherche exceptionnelles, par exemple des agrégations, l'application de filtres, la recherche à facettes, la saisie semi-automatique, ou encore différentes méthodes de récupération. Vous avez même la possibilité d'intégrer vos propres modèles de transformateur ou ceux de tiers.

Une solution de recherche est très utile si vous utilisez un grand modèle de langage, car elle permet d'économiser du temps et de l'argent en vous offrant des résultats plus précis dans le cadre de votre expérience d'IA générative. Lorsque vous faites des recherches sur des données spécifiques à votre domaine, vous pouvez limiter le nombre d'hallucinations que renvoie le grand modèle de langage en fournissant des résultats de recherche d'une précision optimale en tant que contexte supplémentaires et de là, réduire le temps nécessaire à l'ajustement du modèle. Grâce à la génération augmentée de récupération (RAG), Elastic vous permet d'interroger vos données propriétaires de manière flexible pour obtenir des résultats précis en temps réel. Le volume de ressources de calcul et de stockage dont vous avez besoin est donc moins conséquent. Par ailleurs, Elastic contrôle également l'accès à la recherche grâce à la sécurité au niveau des documents.

Si vous êtes développeur, l'endroit idéal pour obtenir des informations techniques et pratiques sur la mise en œuvre d'Elastic est Elastic Search Labs. Vous y trouverez des articles, des exemples et des applications sur le sujet. Ce site est créé et géré par des experts en technologie d'Elastic à l'intention des experts en technologie qui utilisent Elastic. Visitez Elastic Search Labs pour en savoir plus sur les nouveautés en matière d'IA générative, de recherche vectorielle et de recherche adossée au Machine Learning.