ChatGPT Enterprise prend désormais en charge la lecture et la compréhension des éléments visuels (images, graphiques, schémas, etc.) intégrés aux fichiers PDF inclus dans les prompts. Les utilisateurs peuvent importer un PDF, et ChatGPT peut interpréter le texte et tous les éléments visuels qu’il contient.
Pour en savoir plus, consultez la FAQ sur la recherche visuelle dans les PDF.
ChatGPT Enterprise vous permet d’importer des fichiers de plusieurs façons :
Directement depuis votre ordinateur
En tant que connaissances d’un GPT
En tant que fichier de projet
Depuis une action de GPT
Ce guide explique comment les fonctionnalités de ChatGPT Enterprise traitent les fichiers selon leur type, leur nombre et leur taille, et présente des stratégies pour améliorer les résultats en fonction des exigences liées aux fichiers.
Résumé
ChatGPT Enterprise traite les différents types de fichiers de façons très différentes : il extrait le texte des documents tels que les PDF, les présentations et les fichiers Word, analyse les données structurées des feuilles de calcul à l’aide de code Python et décrit les fichiers image avec GPT-Vision. Comprendre quel type de fichier déclenche quel processus est essentiel pour obtenir le résultat attendu.
Pour les documents textuels, ChatGPT Enterprise inclut autant de texte pertinent que possible directement aux côtés du prompt et utilise un système de recherche pour accéder à des informations supplémentaires. Cette méthode fonctionne bien pour répondre à des questions précises. Cependant, cette approche peut montrer ses limites pour des tâches complexes, comme résumer de très longs documents ou comparer plusieurs fichiers volumineux. Poursuivez votre lecture pour découvrir des stratégies visant à améliorer vos résultats.
Traitement des fichiers selon leur type
ChatGPT Enterprise traite les fichiers de trois façons principales : extraction de texte, analyse par code et interprétation d’images. Le type de fichier détermine le processus suivi par ChatGPT Enterprise.
| Recherche textuelle | Interpréteur de code | Traitement d’images | Recherche visuelle | |
|---|---|---|---|---|
| Exemples de types de fichiers | pptx, docx, txt, md, json, xml, pdf* * PDF importés en tant que connaissances d’un GPT ou fichiers de projet | csv, xls, xlsx* *Remarque : l’Interpréteur de code peut traiter tout type de fichier, mais ChatGPT Enterprise l’utilise le plus souvent par défaut pour les feuilles de calcul | jpg, png | pdf* * PDF inclus dans les prompts des utilisateurs |
| Comportement | Extrait le texte du fichier : une partie est collée (« insérée ») directement dans la fenêtre de contexte, et une autre est stockée pour la recherche | L’Interpréteur de code transmet le fichier à Python pour traitement | Les images sont interprétées de manière native par des modèles multimodaux, sous réserve de limites connues . | Une combinaison de recherche textuelle et de traitement d’images. Le texte est extrait numériquement, et le contenu visuel est interprété de manière native par des modèles multimodaux. |
Pour les fichiers contenant uniquement du texte, les fichiers image ou les fichiers de données clairement structurées (par exemple, un tableau Excel de transactions), ces distinctions offrent le meilleur traitement possible.
Certains cas sont moins évidents, par exemple :
Les images intégrées à des fichiers autres que des PDF ne sont pas traitées. Pour les inclure, convertissez le fichier en PDF avant de l’importer.
ChatGPT Enterprise utilise toujours l’Interpréteur de code pour interagir avec les feuilles de calcul, même si le document contient une grande quantité de texte. Par exemple, si vous demandez à ChatGPT Enterprise de traduire un fichier CSV contenant 10 lignes de texte, il tentera de le traduire à l’aide d’une bibliothèque Python, ce qui est moins précis que de laisser le modèle générer directement une traduction. Pour atténuer ce problème, essayez d’exporter la feuille de calcul dans un format textuel (PDF, par exemple).
De même, si vous importez un tableau structuré de transactions contenu dans un fichier JSON, ChatGPT Enterprise interprétera ce fichier comme du texte brut. Si vous souhaitez analyser les données contenues dans un fichier JSON, demandez au modèle d’utiliser l’Interpréteur de code dans votre prompt.
Gestion des fichiers selon leur taille
ChatGPT Enterprise utilise des modèles dont la fenêtre de contexte maximale est de 128 k tokens (environ 200 pages de texte). Cependant, tous les tokens ne sont pas utilisés pour intégrer le texte des fichiers téléversés. Le nombre de tokens « insérés » varie selon le type d’utilisation.
ChatGPT Enterprise « insère » une certaine quantité de texte, et le texte restant est envoyé à un index de recherche privé (un « magasin vectoriel », c’est-à-dire un type de base de données conçu pour stocker et récupérer efficacement de grands volumes de texte). Lorsque vous posez une question, ChatGPT Enterprise utilise le texte inclus ainsi que les extraits pertinents récupérés depuis un index de recherche privé.
Si vous téléversez un seul document, ChatGPT Enterprise inclut le texte à partir du début jusqu’à atteindre sa limite. Si vous téléversez plusieurs documents, ChatGPT Enterprise inclut une partie ou la totalité de chaque document. Tout le texte des documents est également envoyé à un index de recherche privé.
Remplissage de contexte pour les documents texte
Cette fonctionnalité est en cours de développement actif. À ce titre, les détails suivants sont susceptibles de changer sans préavis.
ChatGPT Enterprise peut traiter jusqu’à 110 000 tokens issus des documents importés dans la fenêtre de contexte. Si vous importez un ou plusieurs documents totalisant moins de 110 000 tokens, l’intégralité de leur contenu sera incluse.
Pour un document unique dépassant 110 000 tokens, seuls les 110 000 premiers tokens seront inclus, à partir du début. Le reste sera uniquement envoyé à l’index de recherche privé.
Si plusieurs documents sont importés et totalisent plus de 110 000 tokens, ChatGPT Enterprise utilise le processus suivant pour équilibrer la représentation des documents :
Extraire jusqu’à 55 000 tokens, répartis à parts égales entre les documents importés.
Pour les documents non intégralement représentés à la première étape, répartir les 55 000 tokens restants proportionnellement au nombre de tokens restant dans chaque document.
Les tokens restants sont uniquement envoyés à l’index de recherche privé.
Vous pouvez estimer le nombre de tokens d’un document texte en copiant son texte dans le tokeniseur d’OpenAI.
Insertion dans le contexte pour les PDF multimédias
Lorsque les utilisateurs importent des PDF contenant du texte et des images, la recherche visuelle permet à ChatGPT de traiter ces images de manière native, en parallèle du texte extrait numériquement. Les étapes suivantes complètent nos procédures standard de gestion du contexte pour les PDF multimédias :
Extraction et intégration des images : les images sont extraites et intégrées avec le texte numérique qui leur est associé.
Redimensionnement intelligent : les images sont automatiquement redimensionnées afin de maintenir un équilibre entre la qualité des informations et l’utilisation efficace de la fenêtre de contexte disponible.
Lorsque les PDF importés dépassent la limite de 110 000 tokens, les images et le texte sont intégrés dans l’index de recherche privé. Les représentations vectorielles du texte renvoient aux images pertinentes, permettant à ChatGPT de récupérer les paires texte-image appropriées en fonction des requêtes des utilisateurs. Les images récupérées sont ensuite traitées à l’aide des capacités multimodales natives de ChatGPT.
Il est difficile d’estimer avec précision le nombre de tokens nécessaires pour les PDF multimédias. Les tests suggèrent qu’environ 350 pages mêlant texte et images occupent entièrement la fenêtre de contexte de 110 000 tokens.
Stratégies de recherche selon le type de modèle
Les modèles de série GPT comme de série o prennent en charge les téléversements de fichiers et utilisent la même logique de remplissage de contexte et d’embeddings de recherche. Tous les modèles exécutent des recherches hybrides sur un index de recherche privé, en combinant des méthodes par mots-clés et sémantiques. Dans une recherche hybride, le modèle génère une expression de recherche à partir du prompt de l’utilisateur, et l’index de recherche privé récupère les textes et images pertinents en conséquence.
Cependant, ces modèles diffèrent dans leur façon de rechercher dans de grands documents qui dépassent la fenêtre de contexte :
Modèles de la série GPT
Une seule recherche par prompt : les modèles de la série GPT effectuent une recherche par prompt utilisateur.
Cas d’usage adaptés : idéal pour répondre à des questions simples intégrées à une documentation volumineuse.
Exemples de requêtes :
« Quelle est la politique RH concernant la retraite anticipée ? »
« Que fait la fonction process_order ? »
Modèles de la série o
Plusieurs recherches par prompt : peut effectuer plusieurs recherches (généralement 2 à 3) par prompt utilisateur, chacune avec une expression de recherche unique. Les recherches sont effectuées successivement, et le modèle peut adapter son approche en fonction des informations obtenues lors des recherches précédentes.
Cas d’usage adaptés : convient mieux aux questions complexes nécessitant plusieurs recherches ciblées dans une documentation volumineuse.
Exemples de requêtes :
« Quelles sont les politiques RH concernant la retraite anticipée, le congé parental et la mutation à l’étranger ? »
« Expliquez ce que fait la fonction process_order, répertoriez toutes les méthodes qu’elle appelle et décrivez brièvement chacune d’elles. »
Malgré leurs atouts, les modèles de la série o peuvent rencontrer des difficultés lorsqu’une requête nécessite plus de trois recherches.
Conseils pour améliorer les résultats de recherche dans les fichiers
Essayez d’utiliser un modèle de série o pour les questions complexes nécessitant plusieurs recherches.
Gardez à l’esprit que les réponses peuvent varier selon le type, le nombre et la taille des documents que vous téléversez.
En général, charger moins de documents, mais plus ciblés, améliore la précision.
Transformez les sujets comportant plusieurs questions en questions uniques :
Si vous devez connaître les politiques RH de chaque État, posez les questions une par une.
Si vous devez résumer de nombreux documents, demandez un document à la fois. Si ce document fait plusieurs centaines de pages, envisagez de le diviser en composants plus petits.
Vous pourriez demander à ChatGPT Enterprise de rédiger un « résumé de résumés » si vous lui fournissez plusieurs résumés plutôt que des documents entiers.
Si vous avez un CSV d’une demande de propositions (chaque ligne étant une question différente), posez ces questions une par une au lieu de simplement charger le CSV et de demander une seule réponse.
Trouvez des moyens d’auditer les réponses du modèle. Des exemples d’instructions GPT sont fournis ci-dessous :
# Contexte
Vous êtes expert dans la compréhension des documents. L’utilisateur va joindre un document et poser une question. Il doit pouvoir relier votre réponse à la partie exacte du texte dont vous avez tiré votre réponse.
# Instructions
1. Répondez à la question de l’utilisateur à partir du document joint, en utilisant le format exact fourni ci-dessous
# Format
- Question : { répéter la question de l’utilisateur }
- Réponse : { fournir une réponse à la question de l’utilisateur }
Source :
- - Numéro de section : { fournir le numéro de section d’où vous avez tiré la réponse }
- - Titre de section : { fournir le titre de section d’où vous avez tiré la réponse }
- - Texte exact : { fournir le texte exact d’où vous avez tiré la réponse }
# Règles
- Donnez des réponses claires et concises
- Fournissez uniquement les informations présentes dans le document
- Si vous ne trouvez pas la réponse dans le document, répondez simplement « Aucune information trouvée. »