Wikidata Embedding : quand Wikipedia se met à l’IA

Wikidata Embedding : quand Wikipedia se met à l’IA

Wikimedia Deutschland dévoile le Wikidata Embedding Project, une base de données vectorielle qui transforme les 120 millions d’entrées de Wikipedia et de ses plateformes sœurs en un moteur sémantique accessible aux modèles d’IA.

Un moteur sémantique innovant

Grâce à la recherche sémantique vectorielle et au Model Context Protocol (MCP), les IA peuvent désormais comprendre le sens et les relations entre les mots, sans se limiter à de simples recherches par mots-clés ou aux requêtes SPARQL.

Des avantages pour les modèles d’IA

Ce système facilite le retrieval-augmented generation (RAG), en permettant aux modèles de puiser dans un ensemble de données validées par des éditeurs Wikipedia. Par exemple, une requête “scientist” renvoie non seulement des scientifiques célèbres, mais aussi des traductions, des images libres et des concepts associés comme “researcher”.

Un projet open source et collaboratif

Porté par Wikimedia Deutschland, Jina.AI et DataStax (IBM), le projet reste indépendant des grands acteurs de la tech. Disponible publiquement sur Toolforge, il s’accompagne d’un webinar le 9 octobre pour les développeurs intéressés.

Enjeux et perspectives

À l’heure où la qualité des données détermine la fiabilité des IA, Wikidata Embedding offre une alternative crédible aux ensembles généralistes comme Common Crawl. Il répond à la demande croissante de sources factuelles, tout en promouvant une approche ouverte et collaborative.

👉 Source ici

A lire ensuite