Quel est le flux technique principal décrit dans le transcript ?	Le flux RAG (Retrieval-Augmented Generation).
Quelle est la première étape du flux RAG pour traiter un document ?	Le découpage (chunking) du texte, idéalement par section.
Que fait l'étape 2 du flux RAG après le découpage ?	Générer un embedding pour chaque morceau de texte (chunk).
Lors de la création de la base vectorielle (vector store), que doit-on stocker avec l'embedding ?	L'embedding et les données associées (le texte original du chunk ou son ID).
Pourquoi est-il crucial d'inclure le texte original lors du stockage dans la base vectorielle ?	Pour pouvoir récupérer le contenu textuel pertinent et lisible lors de la recherche.
Que doit-on faire de la question de l'utilisateur avant de la rechercher dans la base vectorielle ?	Générer un embedding pour cette question.
Quel est l'objectif de l'étape de recherche dans la base vectorielle ?	Trouver les morceaux de texte les plus pertinents (les $K$ plus proches) par rapport à l'embedding de la requête.
Quelle métrique est utilisée pour mesurer la similarité entre les embeddings ?	La distance cosinus (cosine distance).