# Évaluateur de qualité de chunks RAG Évalue les schémas candidats de découpage en chunks RAG d’un document sur quatre métriques — cohérence (frontières propres de phrase/paragraphe), couverture (focalisation thématique / concentration des termes clés), santé du chevauchement de contexte et cohérence des tailles — compare jusqu’à trois schémas et recommande le meilleur. Heuristiques hors ligne, sans appel à un modèle. > Page canonique: https://elysiatools.com/fr/tools/ai-rag-chunk-quality-scorer - **Catégorie:** AI Tools - **Mots-clés:** rag, chunking, taille de chunk, génération augmentée, base vectorielle, embeddings, chunking sémantique, couverture des requêtes, chevauchement de contexte, évaluation rag, base de connaissances, découpage de documents, llm ## Présentation Un évaluateur de chunking RAG pour les équipes IA et QA de documentation : 1. **Document** — collez le texte source à indexer. 2. **Unité et méthode** — caractères, mots ou ≈tokens ; découpage fixe, par phrases ou par paragraphes. 3. **Trois schémas candidats** — définissez taille et chevauchement pour A, B et C. 4. **Scoring** — chaque schéma reçoit 0–100 en cohérence, couverture, chevauchement et cohérence des tailles ; le total est la moyenne. 5. **Recommandation** — choisit le schéma au meilleur score, affiche un tableau comparatif et détaille les chunks du meilleur avec annotation des frontières. Toutes les métriques sont des heuristiques locales déterministes, sans API ni appel de modèle. ## Entrées - **Texte du document** (textarea): Paste the document you want to chunk for RAG… - **Unité de comptage** (select) - **Méthode de découpage** (select) - **Schéma A — taille** (number): e.g. 256 - **Schéma A — chevauchement** (number): e.g. 32 - **Schéma B — taille** (number): e.g. 512 - **Schéma B — chevauchement** (number): e.g. 64 - **Schéma C — taille** (number): e.g. 1024 - **Schéma C — chevauchement** (number): e.g. 128 - **Vue** (select) - **Décimales** (number): 1 ## Quand l'utiliser - Lors de la configuration initiale d'un pipeline RAG pour déterminer la taille optimale des chunks avant l'indexation vectorielle. - Pour comparer l'impact d'un découpage par phrases ou par paragraphes par rapport à un découpage à taille fixe. - Pour optimiser le chevauchement de contexte afin d'éviter la perte d'informations critiques entre deux blocs de texte. ## Fonctionnement - Collez votre document source et sélectionnez l'unité de comptage (caractères, mots ou tokens) ainsi que la méthode de découpage. - Définissez la taille et le chevauchement pour un, deux ou trois schémas candidats (A, B et C). - L'outil calcule des scores heuristiques déterministes (0-100) pour chaque critère de qualité. - Consultez le tableau comparatif et examinez le détail du meilleur schéma avec la visualisation des frontières de chunks. ## Cas d'usage - Optimisation des hyperparamètres d'indexation pour une base de connaissances d'entreprise. - Audit de la qualité du découpage de documentations techniques complexes avant génération d'embeddings. - Choix rapide entre une stratégie de petits chunks précis et de grands chunks riches en contexte. ## Questions fréquentes ### Comment les scores de qualité sont-ils calculés ? Ils reposent sur des heuristiques locales déterministes évaluant la propreté des coupures, la densité des mots-clés, le respect du chevauchement et l'écart-type de la taille des chunks. ### Cet outil envoie-t-il mes documents à un LLM externe ? Non, tous les calculs sont effectués localement dans votre navigateur à l'aide d'algorithmes hors ligne, garantissant la confidentialité de vos données. ### Quelle est la différence entre le découpage fixe et le découpage par phrases ? Le découpage fixe coupe strictement à la limite définie (parfois au milieu d'une phrase), tandis que le découpage par phrases aligne les limites sur la fin des phrases pour préserver la cohérence. ### Puis-je comparer des schémas utilisant des unités différentes ? Non, la comparaison s'effectue au sein d'une même unité (caractères, mots ou tokens) et d'une même méthode de découpage sélectionnées pour la session. ### Qu'est-ce que la métrique de couverture thématique ? Elle mesure la concentration et la répartition des termes clés au sein de chaque chunk pour s'assurer que le contenu reste sémantiquement focalisé. ## Outils associés - [PDF vers texte propre pour LLM](https://elysiatools.com/fr/tools/pdf-to-clean-text-for-llm): Extrait un texte propre depuis un PDF pour le resume, la traduction, lembedding et dautres flux LLM - [Extracteur de tokens de thème ECharts](https://elysiatools.com/fr/tools/echarts-theme-token-extractor): Extrait des design tokens — couleurs, nombres, tailles de police et chaînes — d'un JSON de thème ECharts et les exporte directement dans votre design system. Collez un objet thème (celui enregistré et passé à echarts.init(dom, themeName)) et l'outil parcourt chaque feuille, étiquetant chaque couleur (avec normalisation optionnelle nommé/rgb → hex), nombre d'espacement, taille de police et chaîne, puis émet des variables CSS propres, un thème.extend Tailwind, un tokens.json Style Dictionary ou des variables SCSS. Pont entre un thème de visualisation ECharts et les tokens de design Figma/CSS/Tailwind sans recopier chaque valeur à la main. - [Nettoyeur de bruit den-tete/pied PDF](https://elysiatools.com/fr/tools/pdf-header-footer-noise-remover): Compare lextraction avec et sans en-tetes/pieds pour reperer le bruit repetitif dans le texte - [Résumeur de Texte IA - Analyse Intelligente](https://elysiatools.com/fr/tools/text-summarizer): Extrait les points clés des articles et génère des résumés de haute qualité. Supporte plusieurs styles et longueurs pour articles académiques, actualités, rapports et divers types de texte - [Convertisseur de Vitesse Angulaire (rad/s / rpm / deg/s / Hz)](https://elysiatools.com/fr/tools/angular-velocity-converter): Conversion de vitesse angulaire : rad/s (base SI) ↔ tr/min (1=2π/60 rad/s) ↔ deg/s (1=π/180 rad/s) ↔ Hz (1 tour/s=2π rad/s). Ici Hz = tour par seconde. Conversion via rad/s avec les quatre équivalents. Réf. : vinyle 33⅓ tr/min≈3,49 rad/s, ralenti moteur ~800 tr/min≈83,8 rad/s. - [Suppresseur de Caractères BOM](https://elysiatools.com/fr/tools/data-bom-remover): Supprimer les caractères BOM (Byte Order Mark) du contenu textuel et des fichiers. Parfait pour nettoyer les fichiers texte avec des problèmes d'encodage. - [Calculateur de Limite de Fatigue (Goodman/Gerber/Soderberg)](https://elysiatools.com/fr/tools/fatigue-limit-calculator): Coefficient de sécurité en fatigue avec correction de contrainte moyenne. À partir de σ_a, σ_m et σ_uts, σ_-1, σ_y : trois critères classiques — Goodman modifié (linéaire, conservateur), Gerber (parabolique, meilleur pour les ductiles), Soderberg (via σ_y, le plus conservateur). Le minimum est le valeur gouvernante ; indique si le point est à l'intérieur de la ligne de Goodman. - [Calculateur de la Clairance de l'Eau Libre](https://elysiatools.com/fr/tools/free-water-clearance): Calcule la clairance de l'eau libre (C_H₂O) et de l'eau libre électrolytique (eC_H₂O). Formule classique C_H₂O = V·(1−U_osm/P_osm) : positive = urine diluée (excrétion d'eau libre : diabète insipide, polydipsie, récupération après surcharge) ; négative = urine concentrée (rétention d'eau libre : déshydratation, SIADH). La clairance électrolytique eC_H₂O = V·(1−(U_Na+U_K)/P_Na) prédit mieux la variation de la natrémie ; négative = excrétion d'eau électrolytiquement libre qui tend à augmenter le Na sérique (guide des perfusions). Sources : Rose, Shimizu 2002 Nephron, NephSIM. Estimation ponctuelle ; à interpréter avec la clinique. Non un avis médical. ## Exemples - [Échantillons Audio MP3 Libres de Droits](https://elysiatools.com/fr/samples/mp3-samples): Collection d'échantillons audio libres de droits pour les tests et le développement, incluant les sons de la nature, la musique de méditation et l'audio ambiant - [Exemples de Traitement d'Images Web Python](https://elysiatools.com/fr/samples/web-image-processing-python): Exemples de traitement d'images Web Python utilisant PIL/Pillow incluant la lecture, l'enregistrement, le redimensionnement et la conversion de format - [Exemples SVG](https://elysiatools.com/fr/samples/svg-samples): Exemples de graphiques vectoriels évolutifs (SVG) démontrant diverses fonctionnalités et techniques SVG - [Exemples de Traitement d'Images Android Java](https://elysiatools.com/fr/samples/android-image-processing-java): Exemples de traitement d'images Android Java incluant lecture/écriture, mise à l'échelle et conversion de format ## Contenu associé - [Outils de chunking RAG, nettoyage de corpus et préparation à la recherche](https://elysiatools.com/fr/hubs/rag-chunking-retrieval-prep): Réunit l’évaluation des tailles de chunk, le nettoyage de texte, la récupération OCR, l’export avec citations et l’estimation de tokens dans un seul hub pour produire des collections RAG plus solides. - [Outils de conversion de casse, d’encodage et de normalisation de texte](https://elysiatools.com/fr/hubs/text-convert): Comparez les outils de conversion de casse, de largeur de caractères, d’encodage, de quoted-printable et de normalisation de texte dans un hub unique. - [Outils Text](https://elysiatools.com/fr/hubs/text-utility): Découvrez 33 outils text pour des workflows de utility et comparez rapidement des utilitaires proches. - [Outils d’analyse de texte, de lisibilité et d’inspection de contenu](https://elysiatools.com/fr/hubs/text-analyze): Comparez statistiques de texte, détection de langue, score de lisibilité, analyse de sentiment, revue de modération et analyse de motifs dans un hub unique.