rag

RAG sans analyse syntaxique (parsing-free) pris en charge par les VLM.

Ressources, exemples et tutoriels pour l'IA multimodale, le RAG et les agents utilisant la recherche vectorielle et les LLM

Systèmes d'intelligence des risques natifs pour l'IA, OpenDeRisk : votre gestionnaire intelligent des risques applicatifs assure une protection complète et approfondie 24h/24 et 7j/7.

Chatbot d'assistance à la recherche médicale et au diagnostic multi-agents propulsé par l'IA générative. Conçu pour les professionnels de santé, les chercheurs et les patients.

RAG-Fusion : génération multi-requêtes et Reciprocal Rank Fusion pour une meilleure génération augmentée par récupération. Inclut un outil d'évaluation pour NFCorpus/BEIR.

Référence RAG Python transparente avec récupération hybride FAISS + BM25, reranking, interface Gradio et FastAPI.

Renforcez les grands modèles de langage (LLM) grâce à la génération augmentée par récupération basée sur des graphes de connaissances (KG-RAG) pour les tâches nécessitant des connaissances approfondies.

Bootcamp en autonomie sur l'IA générative. Tutoriels sur les fondamentaux du ML, Ollama, LLM, RAG, LangChain, LangGraph, Fine-tuning, DSPy et agents IA (CrewAI), (utilisant ChatGPT, gpt-oss, Claude, Qwen, Gemma, Llama, Gemini)

Plateforme d'automatisation IA auto-hébergée. Déployez n8n, Ollama, Flowise, RAG, Supabase et plus de 30 outils avec une seule commande. HTTPS automatique. Alternative gratuite à Zapier/Make.

Donnez à votre agent IA la capacité de lire les PDF : texte structuré, tableaux, OCR, preuves visuelles et citations par page via MCP. Développé en Rust, local-first.

Traitez des PDF, des documents Word et plus encore avec spaCy.

RAG Time : Un parcours d'apprentissage de 5 semaines pour maîtriser le RAG

RAG basé sur l'ID avec FastAPI : intégration avec Langchain et PostgreSQL/pgvector.

Entraînement et récupération de modèles à interaction tardive (Late Interaction Models).

Moteur d'accélération de startup alimenté par l'IA, conçu avec Next.js, LangChain, PostgreSQL et pgvector. Permet de télécharger, organiser et discuter avec des documents. Inclut la détection prédictive de documents manquants, des flux de travail basés sur les rôles et l'extraction d'informations au niveau des pages.

Nuwax Agent OS - Une plateforme de développement et d'exploitation d'agents IA de niveau entreprise, offrant une solution complète pour la création et la distribution d'agents, la gestion de bases de connaissances, le proxy de modèles, le système de mémoire et l'écosystème de plugins.

Implémentation 100% Rust de code graphRAG avec analyse AST+FastML ultra-rapide, backend surrealDB et outils d'analyse de code par agents avancés via MCP pour une gestion efficace du contexte des agents de code.

Epsilla est un système de gestion de base de données vectorielles haute performance.

Un outil d'indexation de dépôts de code pour booster votre expérience LLM.

Liste de projets liés à la mémoire artificielle (AI memory)

Neum AI est un framework de premier ordre pour gérer la création et la synchronisation d'embeddings vectoriels à grande échelle.

Convertisseur HTML vers Markdown haute performance conforme à CommonMark. Maintenu par l'équipe Kreuzberg. Kreuzberg est un moteur d'intelligence documentaire polyglotte et rapide avec un cœur en Rust. Il extrait des données structurées à partir de plus de 98 formats de documents en utilisant des analyseurs de flux et l'OCR intégré.

[ACL 2026 KnowFM] Ressources impressionnantes sur la recherche approfondie par agents.

Créez votre propre chat IA serverless avec Retrieval-Augmented-Generation en utilisant LangChain.js, TypeScript et Azure

OS de vente IA open-source — CRM auto-hébergé avec agents IA natifs + WhatsApp (WAHA). Alternative open-source à Kommo, Octadesk & Intercom pour toute entreprise vendant par chat. Compatible MCP, multi-tenant, LGPD.

Pipeline RAG avancé basé sur LLM, développé à partir de zéro

La solution d'intégration IA la plus simple et la moins coûteuse.

RAG pour LLM local, chat avec des fichiers PDF/doc/txt, ChatPDF. Implémentation native de la fonction RAG, basée sur des modèles LLM, d'embedding et de reranker locaux, prenant en charge GraphRAG sans nécessiter l'installation de bibliothèques d'agents tierces.

Utilisez des modèles multimodaux à interaction tardive comme ColPali en quelques lignes de code.

[EMNLP'25] s3 - ⚡ Entraînement efficace et performant d'agents de recherche via RL pour le RAG (RLVR pour la recherche avec un minimum de données)