Late chunking · Découpage tardif
Le late chunking est une variante du chunking où l’embedding est calculé sur le document entier avant le découpage, ce qui préserve le contexte de chaque passage. Il a été décrit par Jina AI en 2024 avec des modèles d’embedding à long contexte.
Définition autonome · 43 mots
Comment fonctionne le late chunking ?
Dans l’approche classique, on découpe d’abord puis on encode chaque morceau isolément, ce qui perd le contexte : un « il » ou « cette entreprise » devient ambigu. Avec le late chunking, le modèle encode tout le texte d’un coup grâce à un long contexte, puis on regroupe les vecteurs par passage. Chaque chunk garde l’information du document entier.
Quels bénéfices et limites ?
Il améliore la récupération quand les passages dépendent du contexte, au prix d’un modèle à long contexte et d’un calcul plus lourd. Il concerne les concepteurs de systèmes de recherche, pas les éditeurs de sites : aucun moteur grand public n’a documenté l’utiliser.
Conséquence éditoriale
Même si un système utilise le late chunking, un passage autonome reste le meilleur choix : il fonctionne avec le chunking classique et avec les variantes contextuelles. Nommer le sujet dans chaque section évite de dépendre du contexte implicite.
Questions fréquentes
Faut-il adapter son contenu au late chunking ?
Non, rien de spécifique. Les bonnes pratiques de passages autonomes suffisent.
Late chunking et chunking contextuel, même chose ?
Ce sont deux approches pour réintroduire du contexte dans les chunks, avec des méthodes différentes.
Qui l’utilise ?
Des systèmes RAG construits sur des modèles d’embedding à long contexte.
Termes liés
Approfondir
- Checklist GEO et LLM / IA 2026
- Top 10 des outils GEO pour suivre votre positionnement IA
- ← Retour au glossaire GEO (114 termes)