Un système de Retrieval-Augmented Generation (RAG) complet utilisant ChromaDB, Ollama et Streamlit pour créer un assistant intelligent capable de répondre aux questions basées sur vos documents PDF.
- Extraction de texte avancée depuis PDF (texte + OCR)
- Support multilingue (français/anglais) avec Tesseract
- Chunking intelligent des documents
- Embeddings avec SentenceTransformers
- Intégration avec Ollama (modèles LLM locaux)
- Prompts personnalisés en français
- Recherche par similarité vectorielle
- Réponses avec sources citées
- Interface web Streamlit moderne et intuitive
- Mode CLI interactif pour les développeurs
- API REST (extensible)
- Support Docker pour déploiement facile
- Base vectorielle ChromaDB persistante
- Cache des embeddings pour performance
- Health checks et monitoring
- Volumes Docker pour persistance des données
graph TB
A[Documents PDF] --> B[load_docs.py]
B --> C[Extraction Texte/OCR]
C --> D[Chunking]
D --> E[Embeddings]
E --> F[ChromaDB]
G[Question Utilisateur] --> H[llm_processing.py]
H --> I[Recherche Vectorielle]
I --> F
F --> J[Contexte Pertinent]
J --> K[Ollama LLM]
K --> L[Réponse + Sources]
M[ui.py] --> H
N[Streamlit App] --> M
- ✅ Support PDF avec OCR multilingue
- ✅ Interface Streamlit complète
- ✅ Intégration Ollama
- ✅ Déploiement Docker