---
title: "bge-reranker-v2-m3 en Europe : API conforme au RGPD"
description: "bge-reranker-v2-m3 sur inference.eu : reranker multilingue léger qui trie les résultats de recherche et de RAG par pertinence, traité dans l'UE."
canonical: "https://inference.eu/fr/modeles/bge-reranker-v2-m3/"
language: "fr"
---

Reranking · BAAI (Beijing Academy of Artificial Intelligence)

# Utilisez le reranker bge-reranker-v2-m3 en Europe via notre API

bge-reranker-v2-m3 est un reranker multilingue léger. Il lit ensemble une requête et un passage candidat et renvoie un score de pertinence, pour placer les meilleurs résultats en tête après une recherche vectorielle rapide. Sur inference.eu, vous l'appelez via notre API, avec un traitement de vos requêtes et documents dans l'UE, sans entraînement sur vos données.

[Contacter l'équipe](https://inference.eu/fr/contact/)[Exemple de requête](#example)

1.  01568M
2.  02Centres de données dans l'UE
3.  03Apache 2.0

## Ce qu'est bge-reranker-v2-m3

bge-reranker-v2-m3 a été publié en mars 2024 par la Beijing Academy of Artificial Intelligence (BAAI) sous licence Apache 2.0. Il repose sur le modèle d'embedding bge-m3 et compte environ 568 millions de paramètres. BAAI le décrit comme un reranker léger, doté de solides capacités multilingues, simple à déployer et rapide en inférence.

Contrairement à un modèle d'embedding, qui transforme requête et document en vecteurs séparés, un reranker est un cross-encoder : il lit la requête et le passage comme une seule entrée et produit un score unique. C'est plus lent par paire, mais bien plus précis, d'où son usage en seconde étape sur une courte liste de candidats.

## Points forts et limites

Le reranker affine la récupération dans les systèmes de recherche et de RAG. Une fois que bge-m3 ou un autre modèle d'embedding a renvoyé les 50 à 100 meilleurs candidats, bge-reranker-v2-m3 les reclasse pour que le modèle de chat lise d'abord les passages qui répondent vraiment à la question. Il fonctionne dans de nombreuses langues, y compris en contexte mixte, et sa petite taille garde cette étape peu coûteuse.

Il ne peut pas parcourir seul tout un corpus : chaque paire requête-passage demande une passe, il ne convient donc qu'aux listes courtes. Les scores sont relatifs, pas des probabilités calibrées. Les rerankers plus grands de BAAI basés sur Gemma ou MiniCPM classent parfois mieux les cas difficiles, pour un calcul plus lourd.

## Appeler bge-reranker-v2-m3 via l'API

Indiquez l'URL de base de l'API inference.eu, votre clé inference.eu et le modèle `bge-reranker-v2-m3`. Envoyez une requête au point d'accès de reranking, `/v1/rerank`, avec une `query` et une liste de `documents`. La réponse donne un score de pertinence pour chaque document ; triez-les avant de transmettre les meilleurs à un modèle de chat.

Le score brut peut être n'importe quel nombre réel. BAAI indique qu'une fonction sigmoïde le ramène entre 0 et 1, ce qui facilite la fixation d'un seuil pour écarter les correspondances faibles. Des frameworks comme LangChain et LlamaIndex appellent le reranker comme étape de post-traitement après la récupération vectorielle.

## Hébergement en Europe et données

Un reranker voit la question de l'utilisateur et le texte intégral de chaque passage candidat, souvent les parties les plus sensibles de votre base de connaissances. Sur inference.eu, bge-reranker-v2-m3 tourne sur une infrastructure située dans l'Union européenne : requêtes et documents sont traités dans des centres de données de l'UE, ne partent pas en Chine et ne servent jamais à entraîner un modèle.

Chaque client reçoit un accord de traitement des données selon l'article 28 du RGPD et la liste de nos sous-traitants : toute la chaîne de récupération, de l'embedding au reranking jusqu'à la réponse, se documente avec un seul prestataire. La facturation se fait en euros. La licence Apache 2.0 autorise l'usage commercial sans limite d'utilisateurs.

## BGE Reranker v2 M3

Éditeur

BAAI (Beijing Academy of Artificial Intelligence)

Origine

Chine

Type

Reranking

Paramètres

568M

Licence

[Apache 2.0](https://www.apache.org/licenses/LICENSE-2.0)

Sortie

mars 2024

ID du modèle

bge-reranker-v2-m3

Traitement

Centres de données dans l'UE

Entraînement sur vos données

Jamais

Source

[huggingface.co](https://huggingface.co/BAAI/bge-reranker-v2-m3)

bge-reranker-v2-m3 · Python

```
import os
from openai import OpenAI

client = OpenAI(base_url="https://api.inference.eu/v1", api_key=os.environ["INFERENCE_EU_API_KEY"])

response = client.chat.completions.create(
    model="bge-reranker-v2-m3",
    messages=[{"role": "user", "content": "Summarise this contract in five bullet points."}],
)
print(response.choices[0].message.content)
```

## Ce que les équipes en font

-   1

    ### Des réponses RAG plus justes

    Reclasser les passages récupérés pour que le modèle de chat lise d'abord les éléments les plus pertinents et réponde plus précisément.

-   2

    ### Classement des résultats de recherche

    Améliorer les premiers résultats d'un moteur de recherche interne ou public, dans plusieurs langues européennes.

-   3

    ### Filtrage des correspondances faibles

    Écarter les passages sous un seuil de score pour que le texte hors sujet n'atteigne pas le prompt.

## BGE Reranker v2 M3 : questions fréquentes

Les questions que nous posent le plus les achats, les développeurs et les juristes. Il en manque une ? Posez-la-nous directement.

Cela dépend de votre traitement. Sur inference.eu, les requêtes de reranking sont traitées dans des centres de données de l'UE, ne servent pas à l'entraînement et sont couvertes par un accord de traitement des données selon l'article 28 du RGPD, avec la liste des sous-traitants. Requêtes et documents ne sont pas transmis à l'éditeur.

Un reranker évalue dans quelle mesure chaque passage répond à une requête en lisant les deux ensemble. La recherche vectorielle est rapide mais approximative ; un reranker sur les premiers résultats est plus lent par élément mais plus précis. C'est souvent le moyen le plus simple d'améliorer un RAG.

En général les 20 à 100 premiers résultats d'une recherche vectorielle ou par mots-clés. Chaque document est évalué séparément avec la requête, le coût croît donc avec la liste. Reclassez assez de candidats pour attraper le bon passage, puis ne transmettez que les meilleurs au modèle de chat.

Oui. Il est publié sous licence Apache 2.0, qui autorise l'usage commercial, la modification et la redistribution sans redevance ni limite d'utilisateurs. Vous pouvez l'utiliser dans des moteurs de recherche payants et des assistants internes sans accord séparé avec BAAI.

Il repose sur bge-m3, qui couvre plus de 100 langues, et BAAI le présente comme son reranker multilingue. Il traite le français, l'allemand, l'anglais et d'autres langues européennes, y compris quand la requête et le document sont dans des langues différentes.

Un score plus élevé signifie une pertinence plus forte. Les scores bruts ne sont pas bornés ; BAAI montre comment une fonction sigmoïde les ramène entre 0 et 1. Servez-vous-en pour trier et pour fixer un seuil contre les correspondances faibles, réglé sur des exemples de vos données.

Oui. Le reranker ne lit que du texte : il fonctionne après bge-m3, Qwen3 Embedding 8B, multilingual-e5-large-instruct ou une recherche par mots-clés comme BM25. L'association naturelle est bge-m3, sur lequel il repose, mais la première étape peut être n'importe laquelle.

La série de rerankers Qwen3 est plus récente et existe en tailles plus grandes, qui peuvent mieux classer les requêtes difficiles. bge-reranker-v2-m3 est plus petit, éprouvé et économique sur de longues listes de candidats. Comparez-les sur un jeu de requêtes réelles aux réponses connues.

bge-reranker-v2-m3 est un modèle ouvert de BAAI. Sur inference.eu, ses poids tournent dans des centres de données de l'UE : vos requêtes et documents ne partent jamais en Chine ni chez BAAI. Un reranker ne renvoie que des scores, pas de texte généré.

Utilisez l'URL de base d'inference.eu et votre clé inference.eu, et envoyez une requête POST à \`/v1/rerank\` avec \`model\` égal à \`bge-reranker-v2-m3\`, une \`query\` et une liste de \`documents\`. La réponse indique l'index et le score de pertinence de chaque document.

[Poser une question](https://inference.eu/fr/contact/)

## Pages liées

[Tous les modèles](https://inference.eu/fr/modeles/#directory)

-   [BGE-M3bge-m3 sur inference.eu : modèle d'embedding multilingue compact pour la recherche et le RAG, plus de 100 langues et 8192 tokens, traité dans l'UE.Embeddings](https://inference.eu/fr/modeles/bge-m3/)
-   [Qwen3 Embedding 8BQwen3 Embedding 8B sur inference.eu : embeddings multilingues pour la recherche et le RAG, jusqu'à 4096 dimensions et 32K tokens, traités dans l'UE.Embeddings](https://inference.eu/fr/modeles/qwen3-embedding-8b/)
-   [multilingual-e5-large-instructmultilingual-e5-large-instruct sur inference.eu : embeddings compacts en 100 langues pour la recherche, le RAG et la classification, traités dans l'UE.Embeddings](https://inference.eu/fr/modeles/multilingual-e5-large-instruct/)

## Faites passer vos charges IA sur une infrastructure européenne

Dites-nous quels modèles vous utilisez et votre volume approximatif. Nous répondons sous un jour ouvré avec un tarif et la suite.

-   Réponse sous un jour ouvré
-   Tarif adapté à votre volume
-   DPA prêt à signer