{
  "schemaVersion": "1.0",
  "updates": [],
  "companyNews": [],
  "id": "b703",
  "language": "fr",
  "name": "Ragas",
  "originalName": "Ragas",
  "library": "tools",
  "category": "Développement IA",
  "categoryKey": "模型开发",
  "categoryKeys": [
    "模型开发"
  ],
  "categories": [
    "Développement IA"
  ],
  "entryPoints": [],
  "summary": "Évalue RAG et applications LLM par métriques classiques et modèles, avec génération de tests à partir des données.",
  "introduction": "Ragas fournit métriques, génération de tests et boucles de retour pour applications LLM. Entrées, réponses et contexte forment des exemples évalués par méthodes classiques ou modèles. Sources et données de production alimentent les tests. Modèles évaluateurs, prompts et distribution des exemples influencent les scores, utiles pour comparer plutôt que certifier.",
  "capabilities": [],
  "company": {
    "name": "VibrantLabs",
    "originalName": "VibrantLabs"
  },
  "officialUrl": "https://docs.ragas.io/en/stable/",
  "profileUpdatedOn": "2026-10-22",
  "sources": [
    {
      "kind": "product",
      "url": "https://docs.ragas.io/en/stable/"
    }
  ],
  "news": [],
  "links": {
    "interactive": "products/ragas--b703.html",
    "reading": "read/fr/products/ragas--b703.html",
    "markdown": "read/fr/products/ragas--b703.md",
    "json": "read/fr/products/ragas--b703.json"
  }
}