Skip to main content
AI RADARGitHub
30•12/11/2026, 15:00•3 min de lecture

Meta FAIR présente e-means : un algorithme de clustering plus rapide que k-means

GitHubGotBurnout Radar

Meta FAIR présente e-means : un algorithme de clustering plus rapide que k-means

AI Daily Digest•Verified Tech Release

Meta FAIR a présenté e-means, un algorithme de clustering qui atteint la qualité du k-means classique en seulement 1,4–2,6 époques et accélère nettement le travail avec les grandes bases de vecteurs.

k-means reste l’un des algorithmes de ML les plus utilisés : recherche vectorielle, RAG, clustering d’embeddings, nettoyage et équilibrage des datasets, quantification des poids et du KV-cache, création de codebooks pour les tokens d’images et d’audio, analyse de données et détection d’anomalies. Cependant, avec des milliards de vecteurs, chaque passe complète de k-means est très coûteuse.

Les auteurs proposent de mettre à jour les centres des clusters avec une moyenne mobile exponentielle par batchs. Pour chaque cluster, l’algorithme conserve le nombre de points et leur somme ; à chaque nouveau batch, ces valeurs sont mises à jour de sorte que les données récentes aient plus de poids et que les anciennes soient progressivement oubliées. Le centre du cluster reste la moyenne classique : la somme divisée par le nombre de points.

Grâce à cela, les centres commencent à se déplacer dès les premiers batchs, et non après une passe complète sur les données. La taille des batchs et le pas de mise à jour sont calculés à l’aide de formules prêtes à l’emploi, ce qui évite de régler manuellement des hyperparamètres.

Au final, e-means atteint la qualité du k-means classique beaucoup plus vite et avec une perte légèrement inférieure. Sur le plus grand test — 10 milliards d’embeddings et 16 millions de clusters — il a utilisé presque 9 fois moins d’heures GPU.

C’est particulièrement important pour les systèmes RAG sur d’immenses bases, où la construction des index peut nécessiter des milliers d’heures GPU.

Article | Code | Projet

Pourquoi c'est important

Analyse

Un clustering plus rapide peut réduire le coût d’indexation des grandes bases vectorielles dans les systèmes RAG et d’autres charges d’IA basées sur les embeddings.

Discuter dans la communauté

Partagez vos questions et vos idées avec les développeurs

Rejoindre Telegram

Lié dans l'écosystème

Guides pratiques, terminologie clé et compétences d'agents