Plongement vectoriel (embedding)

Un plongement vectoriel transforme un objet complexe, mot, phrase, document, image, voire une entreprise décrite par ses caractéristiques, en une liste de quelques centaines ou milliers de nombres. Ces vecteurs sont appris par un modèle de telle sorte que la distance entre deux vecteurs reflète la proximité de sens entre les objets qu'ils représentent : les textes d'une clause d'exclusion de guerre et d'une clause de cyber-guerre seront proches, ceux d'une clause de guerre et d'une recette de cuisine éloignés. Popularisée pour les mots au début des années 2010, la technique s'est généralisée avec les modèles de langage, qui produisent des plongements de textes entiers. Ses usages en assurance sont nombreux : recherche de clauses similaires dans un corpus de polices, rapprochement d'une description d'activité avec une nomenclature sectorielle, détection de sinistres dont les descriptions se ressemblent de façon suspecte, et surtout alimentation des systèmes de génération augmentée par récupération, qui retrouvent les passages pertinents d'une documentation avant de répondre. Leurs limites tiennent à leur opacité, puisque les dimensions n'ont pas de sens lisible, et à leur dépendance au modèle qui les a produits, dont les biais se retrouvent dans les proximités calculées.