Embeddings ouverts et reproductibles, adossés à la plateforme de données Atlas
Nomic AI est une entreprise spécialisée dans l'exploitation de données non structurées et la recherche sémantique. Elle édite Atlas, une plateforme qui permet d'explorer, de cartographier et d'interroger de grands ensembles de données textuelles via des embeddings, et propose une API d'embeddings destinée à la production. Nomic met en avant une démarche de reproductibilité : pour ses modèles phares, le laboratoire a publié non seulement les poids mais aussi le code d'entraînement et les données, sous licence Apache-2.
Au catalogue, la famille nomic-embed illustre cette approche ouverte, avec notamment nomic-embed-text-v1.5, encodeur de texte à long contexte (jusqu'à 8 192 tokens) qui exploite le Matryoshka Representation Learning pour ajuster la taille des vecteurs selon les besoins. L'ensemble privilégie des modèles compacts et performants sur les tâches de recherche courte et longue.
Ces embeddings servent la recherche augmentée par récupération (RAG), l'indexation vectorielle et la visualisation de corpus, avec une offre allant du modèle libre à la plateforme Atlas managée.
