nvidia/NV-Embed-v2
nvidia/NV-Embed-v2 est un modèle d’embedding dense publié par NVIDIA le 9 septembre 2024 sous licence CC-BY-NC 4.0, donc réutilisable sous conditions non commerciales. Il compte 8 milliards de paramètres actifs, produit des vecteurs de 4096 dimensions et accepte jusqu’à 32 768 tokens de…
nvidia/NV-Embed-v2 est un modèle d’embedding dense publié par NVIDIA le 9 septembre 2024 sous licence CC-BY-NC 4.0, donc réutilisable sous conditions non commerciales. Il compte 8 milliards de paramètres actifs, produit des vecteurs de 4096 dimensions et accepte jusqu’à 32 768 tokens de contexte.
Le modèle sert à convertir des textes en représentations numériques pour la recherche sémantique, le RAG, la similarité documentaire et le clustering. Ses évaluations MTEB couvrent notamment BEIR, le français, des langues européennes, la santé et la finance, ce qui le situe comme un embedding généraliste orienté retrieval plutôt qu’un modèle de génération.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Modèle d'embedding |
| Éditeur | NVIDIA |
| Licence | CC-BY-NC 4.0 |
| Date de sortie | 9 septembre 2024 |
| Dimension du vecteur | 4 096 |
| Représentation | dense |
| Paramètres | 8 milliards |
| Paramètres actifs | 8 milliards |
| Longueur de séquence max | 32 768 tokens |
| Modalités (entrée → sortie) | text → embedding |
Performances (benchmarks)
| Benchmark | Score | Rang | Source | Fiabilité |
|---|---|---|---|---|
| MTEB: BEIR | 63,2 % | 3ᵉ / 192 | mteb | ✅ Mesuré |
| MTEB: Long-context Retrieval | 25,4 % | 140ᵉ / 170 | mteb | ✅ Mesuré |
| MTEB: RTEB Legal | 35,8 % | 89ᵉ / 205 | mteb | ✅ Mesuré |
| MTEB: RTEB Healthcare | 67,3 % | 10ᵉ / 95 | mteb | ✅ Mesuré |
| MTEB: RTEB Finance | 71,5 % | 29ᵉ / 95 | mteb | ✅ Mesuré |
| MTEB: Medical | 63,6 % | 11ᵉ / 158 | mteb | ✅ Mesuré |
| MTEB: Legal | 44,3 % | 54ᵉ / 156 | mteb | ✅ Mesuré |
| MTEB: European | 58,6 % | 25ᵉ / 128 | mteb | ✅ Mesuré |
| MTEB: RTEB French | 61,5 % | 6ᵉ / 216 | mteb | ✅ Mesuré |
| MTEB: RTEB German | 18,4 % | 121ᵉ / 206 | mteb | ✅ Mesuré |
| MTEB: Indic | 56,3 % | 38ᵉ / 118 | mteb | ✅ Mesuré |
| MTEB: Instruction Following | 1,0 % | 33ᵉ / 196 | mteb | ✅ Mesuré |
Scores issus de MTEB (Massive Text Embedding Benchmark), suite d'évaluation indépendante. Le rang situe le modèle parmi les modèles d'embedding évalués sur le même track.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
MTEB: BEIR
MTEB: Long-context Retrieval
Notre analyse
Forces. nvidia/NV-Embed-v2 se distingue surtout sur les tâches de retrieval, avec une très bonne position sur BEIR et des résultats solides en recherche d’information médicale. Les tracks RTEB Healthcare et Medical indiquent un intérêt particulier pour les corpus cliniques, biomédicaux ou de santé grand public. Le modèle apparaît aussi compétitif en français, notamment pour des usages de recherche dans des domaines juridiques et de connaissance générale. Sa fenêtre de 32 768 tokens constitue un atout pour indexer ou comparer des passages longs, des rapports ou des documents techniques sans découpage trop agressif.
Limites et points d'attention. La sortie en 4096 dimensions alourdit les index vectoriels et augmente le coût de stockage, de calcul de similarité et de latence par rapport à des embeddings plus compacts. La licence CC-BY-NC 4.0 limite les usages commerciaux. Les résultats sont moins saillants sur RTEB Finance et sur le track European, où le modèle ne figure pas parmi les tout premiers. Son ancienneté, très longue à l’échelle de l’IA, impose aussi de le comparer aux modèles de sa période, car des alternatives plus récentes peuvent l’avoir dépassé. Usages pertinents : RAG documentaire, recherche sémantique longue, indexation médicale ou francophone non commerciale.
Sources des données : MTEB — Massive Text Embedding Benchmark.