feat: embeddings sur GPU (CUDA) pour l'indexation et la recherche RAG

Détection automatique GPU/CPU avec fallback. Index FAISS reconstruit
en 1min (GPU) au lieu de 16min (CPU).

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

src/medical/rag_index.py

@@ -423,9 +423,11 @@ def build_index(force: bool = False) -> None:
 
     logger.info("Total : %d chunks à indexer", len(all_chunks))
 
-    # Embeddings — forcer CPU pour éviter les bugs CUDA avec ce modèle
-    logger.info("Chargement du modèle d'embedding dangvantuan/sentence-camembert-large (CPU)...")
-    model = SentenceTransformer("dangvantuan/sentence-camembert-large", device="cpu")
+    # Embeddings — GPU si disponible
+    import torch
+    _device = "cuda" if torch.cuda.is_available() else "cpu"
+    logger.info("Chargement du modèle d'embedding dangvantuan/sentence-camembert-large (%s)...", _device)
+    model = SentenceTransformer("dangvantuan/sentence-camembert-large", device=_device)
     model.max_seq_length = 512  # CamemBERT max position embeddings
 
     texts = [c.text[:2000] for c in all_chunks]  # Tronquer les chunks trop longs

src/medical/rag_search.py

@@ -29,7 +29,9 @@ def _get_embed_model():
     if _embed_model is None:
         from sentence_transformers import SentenceTransformer
         logger.info("Chargement du modèle d'embedding pour la recherche...")
-        _embed_model = SentenceTransformer("dangvantuan/sentence-camembert-large", device="cpu")
+        import torch
+        _device = "cuda" if torch.cuda.is_available() else "cpu"
+        _embed_model = SentenceTransformer("dangvantuan/sentence-camembert-large", device=_device)
         _embed_model.max_seq_length = 512
     return _embed_model