Le RAG enrichit les réponses de l’intelligence artificielle en lui faisant consulter des documents pertinents avant de rédiger. Cette méthode, appelée génération augmentée par récupération, relie un modèle de langage à une base de connaissances actualisable : au lieu de s’appuyer uniquement sur les informations mémorisées pendant son entraînement, l’IA recherche des extraits liés à la question, puis les utilise pour construire sa réponse.
Cette approche répond à un problème concret : un assistant peut produire un texte convaincant tout en inventant un détail, en ignorant une procédure interne ou en donnant une information périmée. Le RAG ne supprime pas tout risque d’erreur, mais il rend les réponses plus vérifiables en les ancrant dans des sources d’information identifiables. Pour une entreprise, cela peut faire la différence entre un outil séduisant et un service réellement utile au quotidien.
A voir aussi : À la découverte des webzines high-tech : la nouvelle vague de l'information technologique
- Recherche ciblée : le système retrouve les passages utiles dans les documents autorisés.
- Réponse contextualisée : le modèle formule un texte à partir de ces éléments plutôt que de sa seule mémoire.
- Sources consultables : les références documentaires peuvent être affichées pour faciliter la vérification.
- Mise à jour maîtrisée : l’ajout ou le retrait de fichiers actualise la base sans réentraîner le modèle.
Suivons le cas fictif de Novalys, une entreprise de 120 personnes qui veut aider ses équipes à retrouver rapidement les règles de remboursement, les procédures de support et les informations produit. Son projet montre comment la recherche documentaire transforme une question formulée simplement en réponse sourcée, et pourquoi la qualité du résultat dépend autant des documents préparés que du modèle choisi.
RAG en intelligence artificielle : définition et rôle de la recherche documentaire
RAG signifie Retrieval-Augmented Generation, traduit en français par génération augmentée par récupération. Le principe associe deux fonctions : un moteur de recherche sélectionne des passages dans une base documentaire, puis un modèle génératif s’appuie sur ces passages pour répondre à l’utilisateur.
Lire également : Astuces incontournables pour sublimer le son de vos vidéos
La comparaison avec un examen à notes ouvertes est parlante. Un modèle de langage répond comme un étudiant qui connaît déjà beaucoup de choses, mais dont les connaissances peuvent être anciennes ou incomplètes ; avec un RAG, il consulte aussi des documents précis avant de rédiger. Pour approfondir le fonctionnement de ces modèles, vous pouvez lire notre article sur les grands modèles de langage.
Comment le RAG améliore la pertinence des réponses
Un modèle génératif produit du texte en calculant quelles suites de mots sont plausibles au regard de son entraînement et du contexte fourni. S’il ne dispose pas de faits assez précis, il peut combler les lacunes par une réponse vraisemblable, mais erronée : c’est l’une des formes d’hallucination observées avec l’IA générative.
Le RAG apporte des documents contextuels au moment de la question. Chez Novalys, si un salarié demande « Quel est le délai pour déclarer un déplacement ? », le système peut retrouver la procédure interne en vigueur, transmettre le passage au modèle et lui demander de répondre à partir de cette seule source. Si le document ne précise pas le délai, une consigne bien conçue invite le système à le signaler plutôt qu’à improviser.
Ce que le RAG améliore, et ce qu’il ne garantit pas
Une réponse sourcée est plus facile à contrôler, mais une référence ne suffit pas à prouver que le contenu est exact. Le moteur peut sélectionner un document ancien, le modèle peut mal interpréter un passage, et une procédure elle-même peut contenir une erreur. Le RAG réduit certains risques ; il ne remplace ni la validation des sources ni le jugement humain.
Cette distinction est importante dans les domaines sensibles. Pour une règle de conformité, une décision médicale ou une clause contractuelle, nous gardons une validation humaine adaptée au niveau de risque. La qualité du système commence donc par une question simple : les documents auxquels il accède sont-ils fiables, à jour et autorisés ?
Pourquoi connecter un modèle de langage aux données de l’entreprise
Un modèle utilisé seul possède trois limites fréquentes dans un environnement professionnel : ses connaissances peuvent s’arrêter à une date donnée, il ne connaît pas spontanément les données privées de l’organisation et il offre peu de contrôle sur les informations intégrées à son entraînement. Le RAG répond à ces enjeux en gardant les contenus métier dans une base documentaire gérée séparément du modèle.
| Limite d’un modèle seul | Conséquence pour l’entreprise | Apport possible du RAG |
|---|---|---|
| Connaissances non actualisées | Une consigne ou un tarif récent peut manquer. | La base est mise à jour en ajoutant ou remplaçant les documents concernés. |
| Absence de données internes | Le modèle ignore les contrats, procédures et fiches produit de l’organisation. | La recherche porte sur les ressources documentaires autorisées. |
| Contrôle des informations difficile | La gestion des accès et le retrait d’un contenu appris peuvent être complexes. | Les documents restent dans un stockage distinct où l’on peut gérer les droits et les suppressions. |
Dans le cas de Novalys, la politique de télétravail change en janvier. L’équipe responsable remplace le fichier dans la base et relance l’indexation ; les prochaines recherches peuvent alors s’appuyer sur la nouvelle version, sans modifier les paramètres du modèle. Cette souplesse ne dispense pas de vérifier le délai de mise à jour de l’index et de retirer explicitement les anciennes copies.
Les permissions doivent suivre l’utilisateur jusque dans les résultats. Un salarié ne doit pas recevoir des extraits tirés d’un dossier réservé aux ressources humaines simplement parce que ces passages ressemblent à sa question. Les filtres d’accès s’appliquent donc avant ou pendant la recherche, et pas seulement au moment d’afficher la réponse.
Le RAG complète aussi les démarches de traitement automatique du langage, qui permettent aux systèmes d’analyser les questions et les textes : notre article sur le traitement du langage naturel présente ces notions. Pour structurer les données et piloter leur exploitation, les principes de la business intelligence offrent un autre éclairage utile.
Les étapes techniques d’un pipeline RAG, de l’indexation à la réponse
Un pipeline RAG fonctionne en deux temps. La première phase prépare les documents afin qu’ils puissent être recherchés ; la seconde démarre quand une personne pose une question, récupère les passages utiles et transmet un contexte sélectionné au modèle génératif.
- Ingestion : collecte des fichiers et sources autorisés.
- Préparation : extraction du texte, nettoyage et ajout de métadonnées.
- Indexation sémantique : découpage en fragments, calcul de vecteurs et stockage des données.
- Recherche : transformation de la question et sélection des extraits pertinents.
- Génération : rédaction d’une réponse guidée par les passages sélectionnés.
- Évaluation : contrôle de la pertinence, de la fidélité, des accès et des performances.
Préparer les documents et choisir la taille des fragments
Les sources peuvent être des PDF, des pages web, des documents bureautiques, un wiki interne ou des exports de bases de données. Le texte est extrait puis nettoyé : on retire, par exemple, les en-têtes répétés, les éléments de navigation inutiles et les doublons, avant d’associer des métadonnées comme la date, le service propriétaire ou le niveau de confidentialité.
Le contenu est ensuite découpé en segments, souvent appelés chunks. Une taille initiale de 200 à 500 mots constitue un point de départ fréquent, à ajuster selon la structure documentaire et les tests. Un fragment de quelques mots peut perdre son contexte ; un extrait trop long risque de noyer l’information recherchée dans des paragraphes accessoires.
Un chevauchement de l’ordre de 10 à 20 % entre deux segments aide à préserver une idée répartie sur la fin d’un passage et le début du suivant. Pour une procédure numérotée, Novalys conserve les titres et les étapes ensemble plutôt que de couper mécaniquement à intervalles réguliers. La structure des documents est une donnée de recherche à part entière.
Créer des vecteurs et stocker les connaissances
Un modèle d’embedding transforme chaque fragment en vecteur numérique, une représentation de son sens. Ainsi, des formulations différentes comme « résilier un contrat » et « mettre fin à un abonnement » peuvent être rapprochées, même si elles ne partagent pas tous leurs mots.
Les vecteurs sont conservés avec le texte d’origine et ses métadonnées dans une base adaptée. Des solutions spécialisées comme Pinecone, Weaviate, Qdrant, Milvus ou Chroma privilégient les recherches vectorielles ; PostgreSQL avec pgvector et Elasticsearch peuvent convenir aux équipes qui veulent s’appuyer sur une infrastructure déjà en place. Le choix dépend du volume, des besoins de filtrage, de l’exploitation et des compétences disponibles.
Recherche vectorielle, recherche hybride et sélection des sources
Lorsqu’une question arrive, le système la transforme avec le même modèle d’embedding que celui utilisé pour les documents. La base compare ensuite son vecteur à ceux des fragments indexés, souvent au moyen d’une mesure de similarité comme la similarité cosinus, et renvoie les passages les plus proches.
Un premier réglage courant consiste à récupérer entre 3 et 10 extraits. Ce nombre n’est pas une règle universelle : trois passages peuvent suffire pour une question simple, tandis qu’une demande qui compare plusieurs procédures peut exiger davantage de sources. Au-delà d’un certain volume, le contexte transmis devient coûteux et les éléments importants peuvent se perdre dans le bruit.
Pourquoi combiner recherche sémantique et mots-clés
La recherche vectorielle identifie le sens général, mais elle peut être moins performante sur un code produit, un numéro de contrat ou un nom propre. La recherche lexicale, notamment avec des méthodes de type BM25, repère efficacement les correspondances exactes. Une recherche hybride combine ces deux approches pour mieux couvrir les questions formulées en langage naturel et les références précises.
Les métadonnées affinent ensuite le périmètre : date de validité, département, langue ou niveau d’accès. Un modèle de reranking peut enfin réordonner les premiers résultats en examinant plus finement leur lien avec la question. Ces étapes aident Novalys à éviter qu’une ancienne procédure, pourtant proche par son vocabulaire, passe devant la version actuelle.
Adapter l’infrastructure au volume documentaire
Pour retrouver rapidement des éléments parmi des millions de vecteurs, certaines bases utilisent des algorithmes de recherche approximative des plus proches voisins, comme HNSW. Ils réduisent le temps de calcul en acceptant une approximation contrôlée, dont le niveau doit être évalué en fonction de la précision attendue et du volume traité.
Un prototype peut démarrer avec quelques centaines de documents et une base simple. À mesure que les usages s’élargissent, nous surveillons le temps de réponse, la qualité du classement et la fréquence des mises à jour : une architecture efficace à petite échelle ne répond pas forcément aux mêmes contraintes qu’un service utilisé par plusieurs milliers de personnes.
La recherche ne vaut que par les éléments qu’elle retrouve. Une indexation sémantique performante ne rendra pas fiables des fichiers incomplets, contradictoires ou obsolètes ; la gouvernance documentaire reste donc au cœur du dispositif.
Comment le modèle de langage transforme les documents contextuels en réponse
Une fois les passages sélectionnés, le système construit un prompt enrichi qui rassemble les consignes, les extraits retrouvés et la question. Les instructions peuvent demander au modèle de répondre uniquement à partir des éléments fournis, de citer les documents utilisés et de dire clairement lorsque l’information demandée n’apparaît pas dans les sources.
Les extraits gagnent à être accompagnés de leur titre, de leur date et d’un identifiant de source. Si Novalys demande « Quelle version de la politique s’applique ? », le modèle peut alors distinguer la procédure datée de janvier de son ancienne version, et indiquer précisément le document sur lequel il s’appuie.
Équilibrer contexte, précision et coût
Fournir trop peu de passages peut rendre la réponse incomplète ; en transmettre trop peut diluer l’information centrale et augmenter le coût comme la latence. Même si certains modèles acceptent des fenêtres de contexte étendues, la longueur maximale annoncée ne garantit pas une exploitation uniforme de chaque élément.
Nous privilégions donc une sélection qui répond directement à la question, plutôt qu’un empilement de fichiers. Pour une demande complexe, le système peut reformuler la question, la décomposer en sous-questions puis lancer plusieurs recherches ; dans une architecture agentique, le modèle peut aussi décider de rechercher à nouveau lorsqu’un premier résultat ne suffit pas.
Afficher les références et traiter les réponses incertaines
Une réponse utile sépare les faits présents dans les documents des éléments qui en sont déduits. Par exemple, si une procédure fixe le délai de déclaration à cinq jours ouvrés, le système peut restituer ce chiffre et citer le passage correspondant ; si aucune source ne mentionne le délai, il doit le signaler au lieu d’en proposer un au hasard.
La citation facilite le contrôle, mais elle doit pointer vers le bon document et, si possible, le bon passage. Nous conseillons d’offrir un accès direct à la source, avec sa date et son emplacement, afin que l’utilisateur puisse vérifier le contexte en quelques secondes. Une réponse vérifiable inspire davantage confiance qu’une réponse seulement bien formulée.
La génération est ainsi encadrée par les documents, les consignes et les mécanismes de citation. Pour savoir si ce cadre fonctionne réellement, il faut maintenant évaluer séparément la recherche et la réponse produite.
Évaluer un système RAG : pertinence, fidélité et fiabilité
Une mauvaise réponse peut venir d’un passage pertinent qui n’a pas été retrouvé, d’un bon extrait mal interprété ou d’une question à laquelle la base ne peut pas répondre. Nous évaluons donc séparément la récupération documentaire et la génération, avant d’examiner les critères opérationnels comme le coût, la latence et le respect des permissions.
| Étape | Indicateur | Question évaluée |
|---|---|---|
| Recherche | Précision et rappel parmi les k premiers résultats | Les passages retrouvés sont-ils pertinents et couvrent-ils les informations nécessaires ? |
| Recherche | MRR | À quel rang apparaît le premier résultat utile, en moyenne ? |
| Recherche | nDCG | Les documents les mieux classés sont-ils aussi les plus pertinents ? |
| Génération | Fidélité au contexte | Chaque affirmation est-elle étayée par les extraits fournis ? |
| Génération | Pertinence de la réponse | La réponse traite-t-elle effectivement la question ? |
| Service | Latence, coût et taux d’abstention | Le système est-il assez rapide, maîtrisé et prudent en production ? |
Construire un jeu de tests représentatif
Pour comparer des réglages, Novalys constitue un jeu de test d’environ 50 à quelques centaines de questions, selon la diversité des usages. Il inclut des demandes simples, des formulations ambiguës, des références exactes, des questions dont la réponse est absente et des requêtes soumises à des droits différents.
À chaque changement — taille des fragments, modèle d’embedding, nombre de résultats ou prompt — l’équipe relance les mêmes tests. Cette méthode permet de vérifier si une amélioration de la pertinence ne s’accompagne pas d’une hausse excessive de la latence ou d’un recul de la fidélité.
Combiner mesures automatisées et retours humains
Des outils comme RAGAS, TruLens ou DeepEval peuvent automatiser une partie de l’évaluation, notamment en utilisant un autre modèle comme juge. Ces scores accélèrent les comparaisons, mais ils ne remplacent pas une revue humaine : les évaluateurs automatiques doivent être calibrés et les résultats discutables examinés par des personnes qui connaissent le domaine.
Après le lancement, nous suivons les questions restées sans réponse, les signalements des utilisateurs, les documents souvent cités et la fraîcheur de l’index. Les retours révèlent parfois un problème de vocabulaire, un fichier mal découpé ou une source qui doit être révisée. Un RAG fiable s’améliore par une boucle continue de mesure, de correction et de validation.
Mettre en place un RAG utile et maîtrisé dans votre organisation
Pour démarrer, nous choisissons un besoin circonscrit et fréquent : retrouver une procédure de support, consulter un catalogue technique ou répondre à des questions sur une politique interne. Un périmètre de quelques centaines de documents bien tenus permet de tester la valeur du service avant d’indexer l’ensemble des archives.
Nous définissons ensuite qui peut consulter chaque source, qui en assure la mise à jour et comment les documents supprimés disparaissent de l’index. Une démonstration séduisante ne suffit pas : il faut aussi prévoir la gestion des versions, la journalisation des recherches selon les règles de l’organisation et un mécanisme de remontée des erreurs.
Enfin, nous mesurons les résultats sur des tâches concrètes. Si les équipes trouvent une réponse sourcée en quelques secondes au lieu de parcourir plusieurs dossiers, le gain devient tangible ; si les réponses reposent sur des documents périmés ou sans citation, le pipeline doit être corrigé avant d’élargir son usage. Le RAG enrichit l’IA lorsque la recherche, les sources et les règles d’accès sont conçues comme un même système.
