Vector Playground – Quand l'IA nous montre comment elle comprend

Je crois aux projets bien façonnés,
à l'élégance du code,
et à la joie de faire les choses à sa manière.

De là est né Korail, le premier CMS no-code au monde à intégrer nativement la recherche vectorielle.
Un projet MTV-ready (multi-langue, transversal, vectoriel), au lancement imminent.

Et travailler sur Korail m'a amenée à explorer encore plus loin : tester, détourner, rendre visible ce qui d'habitude reste caché dans les couches profondes de l'IA.

Chaque nouvelle exploration dans mon Lab Set Code & Sail n'est pas seulement un jeu : c'est une façon de montrer concrètement comment les IA pensent.

Avec mon dernier module — Vector Playground — vous pouvez entrer deux ou trois mots (par exemple « océan », « poisson », « ordinateur ») et voir comment leurs vecteurs se rapprochent… ou s'éloignent.

Une nouvelle exploration : Vector Playground

---

Vector Playground — preview

Avec ce module, vous pouvez entrer deux ou trois mots (par exemple « océan », « poisson », « ordinateur ») et voir comment leurs vecteurs se rapprochent… ou s’éloignent.

Comment ça marche ?

• L’IA ne « voit » pas les mots comme nous. Elle les transforme en vecteurs : des suites de nombres qui traduisent le sens dans un espace mathématique.
• Deux vecteurs proches = deux idées proches.
• Deux vecteurs éloignés = deux univers distincts.

La mesure : la similarité cosinus (0 → 1)

• 1 = les deux textes veulent dire la même chose
• 0.8 = ils apparaissent souvent dans des contextes liés
• 0.5 = ils n’ont presque rien à voir

👉 Dans le module, vous voyez deux choses : le cosinus brut (entre -1 et 1) et sa version normalisée (entre 0 et 1), plus lisible pour comparer.

---

Deux modèles, deux visions du monde

Nous utilisons deux modèles d’IA, avec des seuils spécifiques pour attribuer des badges :

ADA (1536D)

• ≥ 0.94 → très proche
• 0.87–0.939 → proche
• 0.72–0.869 → lié
• < 0.72 → éloigné

3‑Large (3072D)

• ≥ 0.89 → très proche
• 0.77–0.889 → proche
• 0.67–0.769 → lié
• < 0.67 → éloigné

Deux univers différents : ADA est rapide et “généreux” (voit facilement des ressemblances), 3‑Large est plus strict (rapproche seulement ce qui est vraiment lié). Les juxtaposer aide à comprendre comment deux IA perçoivent les mêmes concepts.

---

Exemples vécus

Dans Vector Playground, si vous testez :

• océan ↔ poisson → proche, logique.
• océan ↔ ordinateur → surprenant… mais l’IA a vu des millions de textes où les ordinateurs simulent des océans.
• banane ↔ ordinateur → beaucoup plus loin (ouf).

C’est là que l’exploration devient intéressante : ce n’est pas un test scolaire, c’est une plongée dans la façon dont une IA associe les idées.

---

L’explication automatique

J’ai ajouté une fonction qui rend l’expérience encore plus parlante : un bouton « Expliquer avec l’IA ».

Après avoir comparé trois mots, vous obtenez non seulement les scores de similarité cosinus, mais aussi une interprétation en clair.

Exemple :

• océan ↔ voilier (0.825) → Proches : les voiliers naviguent souvent sur les océans.
• océan ↔ ordinateur (0.821) → Étrange mais logique : les ordinateurs modélisent les océans en recherche océanographique.
• voilier ↔ ordinateur (0.823) → Étrange mais logique : les logiciels aident à planifier des navigations en voilier.

Résultat : l’IA vous raconte pourquoi elle a positionné ces mots comme ça dans l’espace vectoriel.

---

Pourquoi c’est important

Comprendre ça, c’est déjà comprendre une bonne partie de ce qui alimente :

• les moteurs de recherche nouvelle génération,
• les chatbots,
• et même la manière dont les IA génèrent du texte, des images ou du code.

Elles ne raisonnent pas avec des mots, mais avec des nuages de nombres.

---

Essayez par vous-même

J’ai voulu rendre tout ça visuel, ludique et gratuit. Vous pouvez ajouter vos propres mots dans le dataset, lancer une recherche, et voir combien de tentatives il vous reste pour la journée (histoire de ne pas faire exploser mon serveur !).

---

Conclusion

Vector Playground est une petite exploration. Mais elle donne une foutue bonne idée de la manière dont les IA nous comprennent.

Et si un poisson, un voilier et un ordinateur peuvent cohabiter dans un espace de nombres… imaginez ce que vos contenus peuvent devenir quand ils sont traduits en vecteurs.

---