diff --git a/components/RagWidgetBanner.vue b/components/RagWidgetBanner.vue
new file mode 100644
index 000000000..ef1b42279
--- /dev/null
+++ b/components/RagWidgetBanner.vue
@@ -0,0 +1,120 @@
+
+
+ BETACe jeu de données a été traité par un système RAG afin de permettre une interaction basée sur l’analyse sémantique. Vous pouvez le tester ci-dessous !
+ Pour tester ce module sur un ensemble plus large de données, rendez-vous sur le moteur de recherche en version beta.
+
+
+ {{ result.chunk.metadata[item] }}
+
+
+
+ {{ result.chunk?.metadata?.[item] || '—' }}
+
+ Nouveau ! La plateforme data.gouv.fr expérimente un nouveau mode de recherche ! Basé sur une question en langage naturel, vous pouvez chercher des informations contenues à l'intérieur de jeux de données ayant été au préalable vectorisés. Jeux de données vectorisés disponibles :
+
+
+ {{ result.chunk.metadata[item] }}
+
+
+
+ {{ result.chunk?.metadata?.[item] || '—' }}
+
+ Collection inconnue pour ce résultat La vectorisation de données est une étape clé en science des données. Vectoriser des données signifie transformer des informations (souvent du texte, des images ou des catégories) en nombres que les algorithmes peuvent comprendre et traiter. Les ordinateurs ne comprennent pas les mots, les images ou les concepts comme nous. Ils ne comprennent que des nombres. La vectorisation permet donc de convertir des données complexes en vecteurs numériques (des listes de nombres) que les algorithmes peuvent analyser, comparer ou classer. Ici par exemple, nous pouvons chercher à l'intérieur de base de données publiées sur data.gouv.fr. La vectorisation des données permet d'interroger en langage naturel simplement ces données, le moteur de recherche nous retourne alors les éléments des bases de données interrogées qui lui semble le plus pertinent. Nous nous basons sur les outils de l'équipe Albert de la DINUM. Ces outils sont servies de façon souveraine, sécurisée, le tout dans une démarche open source et portée par l'administration.{{ infosRag.title }}
+
+
+ {{ result.chunk?.metadata?.[infosRag.metadata_title] || 'Sans titre' }}
+
+
+ Moteur de recherche basé sur une intelligence artificielle souveraine
+
+
+
+
+
+ {{
+ result.chunk?.metadata?.[
+ getMetadataFields(result.chunk?.metadata?.collection_id).title
+ ] || 'Sans titre'
+ }}
+
+
+
+ Des données vectorisées ? Kesako ?
+ Pourquoi vectoriser ?
+ A quoi ça sert ?
+ Qu'est-ce qu'il y a sous le capot ?
+