Embeddings

Définition

Les embeddings sont des représentations vectorielles numériques continues de données (texte, images, code, audio) dans un espace latent multidimensionnel de dimension fixe (typiquement 768 à 4096 dimensions). La propriété fondamentale est la préservation de la sémantique : des entités conceptuellement proches ont des vecteurs proches mesurés par similarité cosinus ou produit scalaire. Les modèles d'embedding majeurs incluent text-embedding-3-large (OpenAI, 3072 dim), Nomic Embed, BGE et E5. En cybersécurité, les embeddings permettent la recherche sémantique sur des bases de threat intelligence (trouver des TTPs similaires même formulés différemment), la détection d'anomalies comportementales par clustering, la classification de malwares par similarité et la déduplication de vulnérabilités dans les pipelines de gestion des risques. Les embeddings sont le socle de toute architecture RAG.