Qu'est-ce que le RAG ? Une IA qui répond à partir de vos documents
Technique qui fait chercher à une IA les passages utiles dans vos propres documents avant de répondre, et peut citer ses sources. Elle limite les réponses inventées.
- IA et automatisation
Mis à jour le
Le RAG en clair
RAG veut dire Retrieval-Augmented Generation, en français génération augmentée de récupération. Le principe : avant de répondre, l'IA va chercher dans vos propres documents les passages qui concernent la question, puis le modèle de langage rédige sa réponse à partir de ces passages, et peut indiquer d'où ils viennent.
Sans RAG, un modèle répond avec ce qu'il a appris lors de son entraînement : il ne connaît ni vos procédures, ni vos tarifs, ni vos contrats, et risque d'inventer. Avec le RAG, il répond comme un collègue qui aurait vos documents sous les yeux. La méthode a été décrite en 2020 par des chercheurs, dans un article qui lui a donné son nom.
Comment ça marche, étape par étape
- Préparer les documents. Procédures, fiches produits, contrats, questions fréquentes sont découpés en passages courts.
- Les indexer. Chaque passage est rangé dans une base qui permet de le retrouver par le sens, et pas seulement par les mots exacts.
- Chercher. À chaque question, l'outil retrouve les quelques passages les plus proches.
- Répondre. Le modèle reçoit la question et ces passages, et rédige une réponse qui s'appuie dessus, avec les sources.
- Tenir à jour. Quand un document change, son index est mis à jour : la réponse suit, sans réentraîner le modèle.
Des exemples d'usage
- un assistant interne qui répond aux questions de l'équipe sur les procédures, les règles internes ou les offres ;
- un service client qui répond à partir de la base d'aide et des conditions générales ;
- un outil qui retrouve une clause dans des dizaines de contrats, avec la page exacte ;
- un support technique qui puise dans les notices et les historiques d'interventions.
Ses limites
- La qualité des documents : un RAG répond à partir de ce qu'on lui donne. Des documents périmés ou contradictoires donnent des réponses périmées ou contradictoires.
- Les droits d'accès : chaque utilisateur ne doit retrouver que les documents qu'il a le droit de lire ; cela se prévoit dès la conception.
- Les réponses qui demandent un calcul ou une vue d'ensemble sur des milliers de lignes : un tableau de bord ou une requête sur la base de données y répond mieux.
- Pas d'exactitude totale : le RAG rend les hallucinations rares, il ne les supprime pas. Les réponses qui engagent restent vérifiées.
Ce que ça change pour votre projet
Les assistants que développe Beaspo répondent à partir de vos documents, jusque dans les outils de votre équipe : voir agents IA et chatbots sur mesure.
Un projet en tête ? Parlons-en, sans jargon.
Un appel de 30 minutes avec Clément, puis une proposition écrite avec le périmètre, le prix et la date de mise en ligne.
Sur demande, vous signez un accord de confidentialité avant l'appel.
Questions fréquentes : RAG
RAG ou fine-tuning : que choisir ?
Le fine-tuning réentraîne un modèle sur des exemples pour lui apprendre un style ou une tâche très précise ; le RAG lui donne des documents à consulter au moment de répondre. Pour qu'une IA connaisse vos informations et reste à jour, le RAG est presque toujours le bon choix : moins cher, mis à jour en changeant un document, et capable de citer ses sources.
Le RAG fonctionne-t-il avec des PDF et des documents scannés ?
Oui pour les PDF qui contiennent du texte. Les documents scannés, qui ne sont que des images, passent d'abord par une reconnaissance de caractères, qui transforme l'image en texte. Les tableaux et les schémas demandent un soin particulier pour que leurs informations restent justes une fois découpées.
Une autre question ?
Clément vous répond en moins de 2 h.