I migliori modelli di embedding FR

#Cosa è un modello di embedding e perché il francese lo complica

Un modello di embedding è una rete neurale che converte un testo (una frase, un paragrafo, un chunk) in un vettore di numeri, con un numero di dimensioni compreso tra 384 e 4.096 a seconda del modello. Due testi dal significato simile producono vettori vicini, la cui vicinanza si misura più spesso tramite la similarità coseno. È questo che permette a un RAG di ritrovare un passaggio sul «contratto a tempo determinato» quando l'utente scrive «CDD», senza alcuna parola in comune. Lo stesso modello deve codificare le domande e i documenti, come ricorda la documentazione di Ollama; cambiare modello obbliga quindi a reindicizzare tutto il corpus. Per scegliere, bastano tre domande: il modello è stato addestrato sul francese, il suo contesto copre i tuoi chunk, la sua licenza consente l'uso che intendi farne?

Il francese presenta ulteriori difficoltà specifiche: accenti, elisioni (« l'employeur »), sigle giuridiche, anglicismi tecnici mescolati al testo. La differenza tra i modelli è netta. Nel benchmark MTEB-French, il punteggio di retrieval va da 0,43 per all-MiniLM-L12-v2 a 0,65 per BGE-M3, cioè 22 punti di differenza sullo stesso insieme di domande.

#I cinque criteri che davvero distinguono i modelli

Lingue di addestramento

BGE-M3 e Qwen3-Embedding dichiarano oltre 100 lingue, multilingual-e5-large 94. Le schede di nomic-embed-text-v1.5 e di mxbai-embed-large-v1, molto scaricati in Ollama, riportano l'etichetta English.

Contesto massimo

512 token per multilingual-e5-large, Solon e mxbai-embed-large; 2.048 per EmbeddingGemma; 8.192 per BGE-M3; 32.000 per Qwen3-Embedding e Granite R2. Un chunk più lungo è troncato, non rifiutato.

Dimensioni e archiviazione

Da 384 a 4.096 dimensioni, cioè 4 byte per dimensione e per vettore in float32 (calcolo più sotto).

Licenza

MIT per BGE-M3, multilingual-e5-large e Solon; Apache 2.0 per Qwen3-Embedding, Granite R2, nomic e mxbai; condizioni Gemma per EmbeddingGemma; CC BY-NC 4.0 (non commerciale) per jina-clip-v2.

Prefissi e istruzioni

Alcuni modelli richiedono un prefisso davanti a ogni testo (« query: » e « passage: » per E5, anche in francese). Dimenticarlo peggiora il retrieval senza segnalare alcun errore.

#Classifica 2026 per il francese: nove modelli confrontati

Questa classifica è editoriale, non un test interno: incrocia la copertura del francese, i benchmark pubblicati e la disponibilità in locale. I pesi provengono dalla libreria di Ollama quando il modello è presente, altrimenti dalla stima in float32 dello studio MTEB-French.

BGE-M3 resta la migliore scelta predefinita: sono pubblicate informazioni sul suo retrieval in francese, il suo contesto di 8.192 token evita la maggior parte delle segmentazioni forzate e fornisce anche i pesi lessicali utili per una ricerca ibrida. Qwen3-Embedding è un candidato quando è disponibile una scheda grafica: la sua versione 8B era in testa alla classifica multilingue MTEB al momento del lancio, il 5 giugno 2025, secondo Qwen, ma le sue 4.096 dimensioni pesano sullo spazio di archiviazione. EmbeddingGemma è pensato per le macchine con risorse limitate.

Solon, spesso presentato come specialista del francese giuridico e amministrativo, non risulta superiore in nessuno dei tre dataset di retrieval dello studio MTEB-French: eguaglia BGE-M3 sul contratto collettivo Syntec e resta indietro sugli articoli di legge (BSARD) e sulle domande scolastiche (Alloprof).

#Cosa dicono i benchmark francesi, e cosa non dicono

Il riferimento pubblicato è MTEB-French (Ciancone et al., maggio 2024): 18 insiemi di dati, 8 categorie di compiti, 51 modelli confrontati. Gli autori concludono che i grandi modelli multilingui preaddestrati sulla similarità tra frasi ottengono risultati eccezionalmente buoni. Ecco il retrieval (NDCG@10) su tre insiemi di dati: articoli di legge in francese (BSARD), contratto collettivo Syntec, domande scolastiche di Alloprof.

Tre limiti impediscono di ricavarne una classifica definitiva. Lo studio risale al 2024: non include né Qwen3-Embedding (giugno 2025), né EmbeddingGemma (settembre 2025), né Granite R2, e per questa pagina non sono state consultate misurazioni comparabili in francese di questi modelli. I corpus (articoli di legge, contratto collettivo, domande scolastiche) non assomigliano necessariamente ai tuoi. Infine, i punteggi multilingui pubblicati dai produttori sono autodichiarati e mescolano tutte le lingue.

#Quale modello per quale caso: tabella di decisione

#Embedding aziendali su misura: modello aperto, fine-tuning o API

«Su misura» non significa addestrare il proprio modello fin dall'inizio. La sequenza che evita di sprecare tempo: un modello aperto generico, un chunking curato, una ricerca ibrida e un reranker; poi una misurazione del recall sulle tue domande reali; poi, solo se gli insuccessi persistono e dipendono dal lessico professionale (riferimenti interni, sigle aziendali), un fine-tuning.

Philipp Schmid ha eseguito nel giugno 2024 il fine-tuning del modello bge-base-en-v1.5 su 6.300 coppie domanda-passaggio tratte da documenti finanziari: il punteggio di retrieval è aumentato di circa il 7,4% sul suo set di test, con un addestramento di tre minuti su una scheda grafica consumer. È un caso in inglese, su un solo corpus, con coppie generate da un LLM: un ordine di grandezza, non una promessa. BAAI documenta anche il fine-tuning di BGE-M3.

#Embedding multimodale: cercare in immagini e pagine di documenti

Un modello di embedding multimodale colloca testo e immagini nello stesso spazio vettoriale. È quindi possibile ritrovare una foto a partire da una frase, oppure una pagina scansionata di un PDF senza passare per l'OCR. I modelli della libreria Ollama consultati per questa pagina (BGE-M3, Qwen3-Embedding, EmbeddingGemma, nomic-embed-text, mxbai-embed-large) accettano soltanto testo: i modelli multimodali qui sotto si utilizzano tramite Hugging Face (Sentence-Transformers o Transformers).

Un modello multimodale non è migliore sul solo testo. Nelle tabelle pubblicate da Qwen, Qwen3-VL-Embedding-2B ottiene 63,87 su MTEB multilingue, contro 64,33 per Qwen3-Embedding-0.6B, un modello testuale più di tre volte più piccolo. Per i PDF il cui contenuto utile è testo, convertili in testo pulito (Docling o un OCR) e mantieni un embedding testuale. Riserva il multimodale ai corpus visivi: schemi, planimetrie, screenshot, diapositive.

#Gestire i propri embedding: prefissi, troncatura, archiviazione e reindicizzazione

Le prestazioni di un RAG peggiorano spesso più a causa di questi dettagli che della scelta del modello. Primo dettaglio: ogni famiglia di modelli richiede un formato di input diverso per le domande e per i documenti.

Con Ollama, l'esempio ufficiale di mxbai-embed-large inserisce direttamente il prefisso nel testo inviato: aggiungilo tu stesso nel tuo codice. Qwen indica che le istruzioni offrono in generale un miglioramento dall'1 al 5% e consiglia di scriverle in inglese anche per un corpus multilingue.

#L’insidia di Ollama: il troncamento silenzioso

L'endpoint /api/embed di Ollama ha un parametro truncate il cui valore predefinito è true: un input che supera la finestra di contesto del modello viene troncato senza errori. Con mxbai-embed-large (512 token in Ollama), un chunk di 700 token viene indicizzato senza la parte finale e nessuno se ne accorge. Il contesto di Ollama può anche differire da quello indicato nella scheda originale: 2K per nomic-embed-text, contro gli 8.192 annunciati da Nomic. Imposta truncate a false durante i test: un errore è meglio di un testo troncato.

#Dimensioni, archiviazione e limiti dell'indice

Il calcolo dello spazio di archiviazione è semplice: numero di chunk × dimensioni × 4 byte in float32, escluso l'indice. Per un milione di chunk, i soli vettori occupano:

Anche i database impongono dei limiti. Con pgvector, un indice può gestire vettori con un massimo di 2.000 dimensioni, o 4.000 in mezza precisione (halfvec): le 4.096 dimensioni di Qwen3-Embedding-8B superano persino questo limite. La soluzione consiste nel troncare i vettori, operazione consentita dai modelli addestrati con Matryoshka (Qwen3-Embedding, EmbeddingGemma, nomic v1.5), e poi rinormalizzarli, come precisa Google per EmbeddingGemma. L'API /api/embed di Ollama accetta un parametro dimensions, da usare solo con questi modelli.

#Versionare e reindicizzare

Metadati da conservare

Nome esatto del modello, revisione, dimensione, modello di prefisso, parametri di chunking, data di indicizzazione. Senza queste informazioni, nessuno sa perché il retrieval sia cambiato.

Cambio di modello

Ricodifica tutto il corpus in una nuova collezione, valutala, poi passa a quella nuova. Non mescolare mai due modelli nella stessa collezione.

Normalizzazione

Ollama restituisce vettori normalizzati in L2: usa la stessa metrica (coseno o prodotto scalare) ovunque.

#Usare un modello in pratica e testarlo sui tuoi documenti

ollama pull bge-m3

curl http://localhost:11434/api/embed -d '{
  "model": "bge-m3",
  "input": "Le contrat débute le 1er mai."
}'

import numpy as np
import ollama

textes = [
    "Le contrat débute le 1er mai.",
    "Date de début : 01/05.",
    "La voiture est rouge.",
]
vecteurs = np.array(ollama.embed(model="bge-m3", input=textes)["embeddings"])

# Les vecteurs d'Ollama sont normalisés : le produit scalaire vaut le cosinus
print(vecteurs[0] @ vecteurs[1])
print(vecteurs[0] @ vecteurs[2])

Considera solo l'ordine dei due punteggi: il primo deve superare nettamente il secondo. Per confrontare seriamente due o tre candidati, la procedura seguente sostituisce tutte le classifiche pubblicate.

1. 01
   Creare un set di test reale

   Raccogli da 50 a 100 domande poste da utenti reali (supporto, ticket, domande frequenti) e segna per ciascuna il chunk che contiene la risposta. Le domande inventate da un LLM fanno apparire i risultati migliori di quanto siano.
2. 02
   Codificare con ogni modello candidato

   Codifica i chunk e poi le domande rispettando la tabella dei prefissi e mantenendo la stessa lunghezza dei chunk e la stessa dimensione di archiviazione per tutti i candidati.
3. 03
   Misurare il recall@5

   Per ogni domanda, verifica se il chunk corretto compare tra i primi cinque risultati. Lo script di seguito effettua questo calcolo.
4. 04
   Decidere con un criterio di costo

   Mantieni il modello meno pesante il cui recall@5 rimane a uno o due punti dal migliore: un modello otto volte più grande comporta un maggiore consumo di spazio di archiviazione e di tempo a ogni reindicizzazione.

import numpy as np
from sentence_transformers import SentenceTransformer

modele = SentenceTransformer("BAAI/bge-m3")

chunks = [...]      # vos chunks (liste de textes)
questions = [...]   # 50 à 100 vraies questions
cible = [...]       # pour chaque question, l'index du bon chunk

C = modele.encode(chunks, normalize_embeddings=True)
Q = modele.encode(questions, normalize_embeddings=True)

top5 = np.argsort(-(Q @ C.T), axis=1)[:, :5]
recall5 = np.mean([cible[i] in top5[i] for i in range(len(questions))])
print(f"recall@5 = {recall5:.0%}")

• Sentence Transformers: gli embedding in locale
• Strategie di chunking: la dimensione dei chunk rispetto al contesto del modello
• Ricerca ibrida BM25 + vettoriale
• Aggiungere un reranker prima di effettuare il fine-tuning
• pgvector: limiti dimensionali e indici
• Ragas: valutare il proprio RAG con i numeri

• Fonte: scheda ufficiale di BGE-M3 (BAAI)
• Fonte: MTEB-French, studio di Ciancone et al. (2024)
• Fonte: documentazione degli embedding di Ollama
• Fonte: scheda di Qwen3-Embedding
• Fonte: scheda EmbeddingGemma (Google)