Le découpage — le processus de division des documents en segments plus petits — est l'une des décisions les plus importantes dans le RAG financier. La bonne stratégie de découpage impacte directement la précision de la recherche, la qualité des réponses et l'expérience utilisateur.
Pourquoi le Découpage est Important pour le RAG Financier
Les LLM ont des fenêtres de contexte limitées, et un rapport annuel peut faire des centaines de pages. Le découpage détermine quelles informations sont disponibles pour la recherche. Les documents financiers nécessitent des approches spécialisées car les concepts financiers s'étendent souvent sur plusieurs paragraphes et tableaux.
Découpage par Taille Fixe
Le découpage par taille fixe (512-1024 tokens) est simple mais coupe souvent les tableaux financiers au milieu d'une ligne et perd la structure du document. Utilisez-le uniquement pour les sections narratives en texte brut.
Découpage Sémantique
Le découpage sémantique utilise la similarité d'embedding pour détecter les limites naturelles des sujets. Il surpasse le découpage fixe pour le texte financier car il préserve le flux logique des thèses d'investissement et des discussions sur les risques.
Découpage par Tableaux
Les états financiers contiennent des tableaux complexes qui doivent rester intacts. Le découpage par tableaux détecte les limites et garde les tableaux entiers dans un seul segment. LlamaParse et Unstructured.io supportent cette approche.
Découpage par Sections pour Dépôts SEC
Les dépôts SEC ont une structure réglementaire bien définie. Le découpage par sections préserve cette structure en gardant chaque Item (Item 1, Item 1A, Item 7) comme segments séparés avec des métadonnées.