Clinia a lancé les dernières versions de ses modèles de recherche, avec des améliorations significatives permettant une récupération d’informations médicales plus rapide et plus précise.
Les modèles embedder et reranker sont au cœur de la plateforme de Clinia. Ils permettent aux innovateurs et concepteurs en santé d’intégrer des processus d’IA dans des applications destinées aux prestataires et aux patients. Nos partenaires peuvent ainsi optimiser leur recherche de connaissances cliniques, fournir rapidement des résultats précis aux cliniciens et aux chercheurs, tout en évitant d’ajouter de la complexité à leur infrastructure.
Knowledge Embedder et Reranker sont les modèles clés qui alimentent les capacités de recherche textuelle de la plateforme Clinia. Les nouvelles versions sont entraînées sur des données fiables et spécifiques à la santé, issues à la fois de la littérature biomédicale et de données synthétiques générées selon la perspective d’un clinicien. Cela garantit que nos modèles peuvent traiter des requêtes réelles avec une précision et une pertinence accrues.
Un encodage plus intelligent pour une meilleure recherche
Le Clinia Knowledge Embedder convertit à la fois les documents et les requêtes des utilisateurs en vecteurs. Les documents sont d’abord encodés et stockés dans une base de données vectorielle. Lorsqu’une requête est effectuée, elle est également vectorisée de la même manière, puis comparée aux vecteurs présents dans la base. Ce processus va au-delà de la simple correspondance de mots-clés et permet à la recherche sémantique de saisir les nuances du sens et de l’intention de l’utilisateur.
Dans le domaine de la santé, la terminologie est hautement spécialisée, complexe et précise. Un même concept peut souvent être exprimé de multiples façons : termes cliniques formels, abréviations ou langage courant. Cette réalité rend la compréhension sémantique essentielle pour garantir l’exhaustivité, de façon à ce que toutes les informations pertinentes soient récupérées, quelle que soit la manière dont elles sont formulées.
Comparé au Clinia Knowledge Embedder V1, lancé en novembre dernier, le nouveau modèle présente des améliorations constantes en matière de précision dans 10 spécialités médicales, selon le benchmark CURE (un jeu de données spécifique à la santé que Clinia a introduit et intégré à MTEB). Cette progression rapide illustre notre engagement continu à fournir des améliorations rapides et mesurables pour la recherche spécialisée en santé.
Comparé à des modèles de taille similaire, le Clinia Knowledge Embedder V2 affiche une précision supérieure de 7,22 % à celle de l’embedder mGTE, un modèle largement utilisé comme référence en matière de performance.
Il atteint également des niveaux de performance comparables à ceux de NV-Embed-V2, un embedder de pointe basé sur un LLM et dix fois plus volumineux.
Le Clinia Knowledge Embedder surpasse des modèles de taille comparable, voire plus grands, car il est entraîné sur des données vérifiées, validées par des experts médicaux et optimisé pour offrir des résultats conformes aux standards de qualité en santé. Ce choix le rend également pratique à déployer dans des contextes réels: en nous concentrant exclusivement sur le domaine de la santé plutôt que sur tous les cas d’usage possibles, nous éliminons la complexité inutile et obtenons un modèle plus léger, plus rapide et plus simple à intégrer.
Plus petit, mais plus efficace, pour permettre aux organismes de santé et aux équipes produit d’atteindre une grande précision sans supporter les coûts ni la latence associés aux modèles généralistes massifs, et ce peu importe leur taille et leurs moyens.
Un reranking plus précis pour des résultats plus pertinents
Une fois les données pertinentes récupérées à partir de la base vectorielle, le reranker détermine ce qui apparaît en tête de liste. Il analyse le contexte, la pertinence clinique et les nuances afin de prioriser les résultats qui comptent vraiment.
Également conçu spécifiquement pour les cas spécifiques au domaine de la santé, le Clinia Knowledge Reranker V2 égale les performances du reranker mGTE, considéré comme la référence du secteur, et réduit considérablement l’écart avec les rerankers de pointe basés sur des LLM, tels que Qwen3-Reranker.
Comme nos autres modèles spécialisés en santé, cet équilibre entre performance et efficacité permet aux concepteurs de produits d’obtenir un classement optimal sans le coût ni la complexité des modèles massifs — facilitant ainsi le déploiement et le rendant plus efficace.
Dans des usages concrets, cela signifie que les cliniciens et les chercheurs obtiennent en premier les réponses les plus pertinentes, ce qui accroît l’efficacité et renforce la confiance à chaque interaction de recherche.
Dans le domaine de la santé, un accès rapide et précis à l’information est essentiel pour que les humains comme les systèmes disposent de connaissances exploitables et puissent agir avec clarté. Les applications cliniques, telles que les outils d’aide à la décision et les plateformes de connaissances médicales, ne peuvent réussir sans des capacités de recherche fiables.
Les équipes produit se tournent vers l’IA pour alimenter ce flux de travail critique, mais les outils génériques échouent souvent à trouver de véritables correspondances sémantiques et à classer de manière hautement pertinente la terminologie médicale.
Les ressources et la latence constituent également des points sensibles. La plupart des modèles d’IA de pointe ne sont pas conçus pour le secteur de la santé ; les rendre fiables pour un usage spécifique à ce domaine nécessite souvent un important travail de personnalisation et un investissement conséquent. Sans cela, le risque d’erreurs pour les utilisateurs finaux augmente considérablement. De plus, les modèles plus volumineux peuvent introduire de la latence, et leur exécution à grande échelle est souvent irréaliste dans des environnements cliniques en temps réel.
L’IA de Clinia répond à ces défis en combinant des modèles performants et spécifiques à la santé avec une infrastructure légère et évolutive. Pour les organisations de santé qui développent ou étendent des applications alimentées par la recherche, cela se traduit par un déploiement plus rapide, une confiance accrue des utilisateurs et un meilleur retour sur investissement.
Ces nouveaux modèles sont désormais pleinement intégrés aux API de Clinia, alimentant des fonctionnalités clés telles que la recherche sémantique, la génération de réponses aux questions et les expériences conversationnelles.
Clinia reste concentrée sur le développement d’une IA de niveau santé qui excelle dans les environnements cliniques réels. Les prochaines versions continueront d’élargir la couverture des spécialités et de repousser les limites de l’intelligence de niveau santé — aidant ainsi les organisations à offrir un meilleur accès à l’information, à accélérer la prise de décision et à améliorer les résultats de soins à grande échelle.
Vous recherchez une IA de niveau santé pour alimenter vos flux de travail en santé ? Contactez-nous pour en savoir plus.
