Quel est l'objectif principal de la technique de "re-ranking" ?	Améliorer la précision de la récupération en réordonnant les résultats.
À quelle étape du pipeline de recherche intervient le re-ranking ?	C'est une étape de post-traitement après la recherche initiale (Vector Index + BM25).
Quel rôle joue le modèle de langage (ex: Claude) dans le processus de re-ranking ?	Il est chargé de classer les documents trouvés par ordre de pertinence par rapport à la requête de l'utilisateur.
Que doit retourner la fonction de re-ranker à la fin du processus ?	Une liste des documents classés par ordre décroissant de pertinence.
Pourquoi est-il plus efficace de demander à Claude de retourner des identifiants (IDs) plutôt que le texte complet des documents ?	Pour éviter la latence et le temps de traitement liés à la copie du texte complet par le modèle.
Quel est le principal inconvénient (trade-off) de l'ajout d'un re-ranker au pipeline de recherche ?	Il augmente la latence de la recherche en nécessitant un appel au modèle de langage.
Qu'est-ce que le re-ranker prend en entrée ?	La requête de l'utilisateur et les résultats de recherche initiaux (issus des index vectoriels et BM25).