Un modèle d’IA généraliste connaît beaucoup de choses sur le monde et rien sur votre entreprise. Il n’a jamais vu vos manuels produits, vos politiques internes ni les rapports du trimestre dernier. Retrieval-augmented generation (RAG) est la technique qui comble cette lacune : elle permet à un modèle de répondre aux questions en utilisant vos documents, avec précision et avec des sources, sans réentraîner le modèle. Ce guide explique ce qu’est le RAG, comment il fonctionne et quand l’utiliser.

En bref

  • Le RAG récupère les extraits pertinents de vos propres contenus et les inclut dans le prompt, pour que le modèle réponde à partir de vos connaissances et pas seulement de ses données d’entraînement
  • Il fonctionne en convertissant les documents en embeddings, en les stockant dans une vector database et en récupérant les correspondances les plus proches de chaque question
  • Le RAG réduit les hallucinations et permet de citer des sources, et il est plus simple et moins coûteux à maintenir à jour que le fine-tuning
  • C’est le bon modèle pour la plupart des cas « une IA qui connaît nos données » : bots de support, assistants de connaissances internes et Q&R sur documents

Le problème que résout le RAG

Les modèles de langage ont deux limites pour un usage professionnel : ils ne connaissent que ce qui figurait dans leurs données d’entraînement (donc rien de privé ni de récent), et ils peuvent inventer des choses avec assurance. Injecter tous vos documents dans chaque prompt n’est pas envisageable ; il y en a trop, et ce serait lent et coûteux. Le RAG résout les deux en ne récupérant que les éléments pertinents pour chaque question et en ancrant la réponse dans ceux-ci.

Comment fonctionne le Retrieval-Augmented Generation

Il y a deux phases.

Indexation (faite une fois, et mise à jour à mesure que le contenu change) :

  1. Découpez vos documents en chunks gérables.
  2. Convertissez chaque chunk en un embedding , un vecteur numérique qui capture son sens.
  3. Stockez ces vecteurs dans une vector database.

Récupération et génération (au moment de la requête) :

  1. Convertissez la question de l’utilisateur en un embedding.
  2. Recherchez dans la vector database les chunks dont le sens est le plus proche de la question.
  3. Insérez ces chunks récupérés dans le prompt comme contexte.
  4. Le modèle génère une réponse ancrée dans ce contexte, en citant idéalement les sources utilisées.

Comme la récupération repose sur le sens plutôt que sur des mots-clés exacts, le RAG trouve du contenu pertinent même quand la formulation diffère.

Pourquoi le RAG surpasse le fine-tuning dans la plupart des cas

Le fine-tuning ajuste les poids du modèle sur vos données. Il a sa place, mais pour répondre à partir de connaissances le RAG est généralement le meilleur choix :

  • Fraîcheur : Mettez à jour un document et réindexez-le ; la réponse se met à jour immédiatement. Le fine-tuning exige un réentraînement pour refléter les changements.
  • Coût : L’indexation est bien moins chère que des cycles de fine-tuning répétés.
  • Contrôle et confiance : Le RAG peut montrer ses sources, donc les réponses sont vérifiables et plus faciles à faire confiance. Les connaissances issues du fine-tuning sont opaques.
  • Moins d’hallucinations : Ancrer le modèle dans un texte récupéré le maintient plus près des faits.

Le fine-tuning est meilleur pour enseigner un style ou un format cohérent, ou un comportement spécialisé et restreint, pas pour maintenir un corpus de connaissances à jour.

Ce qui rend un système RAG performant

Le RAG est simple sur le principe et facile à mal faire. La qualité dépend de :

  • Stratégie de chunking : Des chunks trop grands diluent la pertinence ; trop petits perdent le contexte. Bien faire cela compte.
  • Qualité de récupération : La réponse ne vaut que ce que valent les chunks récupérés. De bons embeddings, un classement sensé et parfois un re-ranking font la différence.
  • Conception du prompt : La façon dont vous demandez au modèle d’utiliser le contexte récupéré (et de dire « je ne sais pas » quand l’information est absente) détermine la fiabilité.
  • Maintenir l’index à jour : Un pipeline pour réindexer les contenus modifiés garde les réponses exactes dans le temps.

Cas d’usage courants

  • Bots de support client qui répondent à partir de votre documentation.
  • Assistants de connaissances internes sur les politiques, wikis et rapports.
  • Q&R sur documents pour contrats, manuels ou recherche.
  • Tout assistant devant répondre à partir d’informations privées ou fréquemment changeantes.

Points clés à retenir

  • Le RAG ancre les réponses de l’IA dans vos propres documents en récupérant des extraits pertinents au moment de la requête.
  • Il fonctionne via les embeddings et une vector database : indexer une fois, récupérer et générer par question.
  • Pour maintenir les connaissances à jour, le RAG surpasse le fine-tuning en fraîcheur, coût, contrôle et confiance.
  • La qualité vient du chunking, de la récupération, de la conception du prompt et du maintien à jour de l’index.

Ajoutez une IA consciente de vos connaissances à votre entreprise

Un système RAG en production nécessite le bon chunking, la bonne récupération, le bon prompting et un pipeline d’indexation qui reste à jour. Les services d’intégration d’IA intègrent des bases de connaissances propulsées par le RAG et d’autres fonctionnalités intelligentes dans vos applications existantes, avec des prompts conçus sur mesure et des contrôles de coûts, et le service d’intégration de l’API OpenAI couvre spécifiquement les assistants basés sur le RAG. Si vous débutez avec une interface conversationnelle, voir créer un chatbot IA avec l’API OpenAI . Pour une vision plus large de l’adoption de l’IA, le guide d’intégration de l’IA pour les PME britanniques est un bon point de départ.

Foire aux questions (FAQ)

Qu’est-ce que le retrieval-augmented generation (RAG) ? Le RAG est une technique qui permet à un modèle d’IA de répondre en utilisant vos propres documents. Il récupère les extraits les plus pertinents de vos contenus et les inclut dans le prompt, pour que le modèle réponde en se fondant sur vos connaissances plutôt que sur ses seules données d’entraînement.

En quoi le RAG diffère-t-il du fine-tuning ? Le RAG récupère du contenu pertinent au moment de la requête et y ancre la réponse, donc les mises à jour sont immédiates et les sources peuvent être citées. Le fine-tuning modifie les poids du modèle et nécessite un réentraînement pour refléter de nouvelles informations. Le RAG est meilleur pour les connaissances à jour ; le fine-tuning pour un style cohérent ou un comportement restreint.

Le RAG empêche-t-il les hallucinations de l’IA ? Il les réduit fortement en ancrant les réponses dans des faits récupérés, et il permet de citer des sources pour rendre les réponses vérifiables. Il n’élimine pas totalement les hallucinations, donc un bon prompting reste important (y compris demander au modèle de dire quand il ne sait pas).

Qu’est-ce qu’une vector database et pourquoi le RAG en a-t-il besoin ? Une vector database stocke les embeddings, les représentations numériques de vos chunks de documents, et trouve ceux dont le sens est le plus proche d’une question. Le RAG l’utilise pour récupérer rapidement un contexte pertinent en fonction du sens plutôt que de correspondances exactes de mots-clés.

De quoi ai-je besoin pour construire un système RAG ? Vos documents sources, un pipeline de chunking et d’embedding, une vector database et une application qui récupère les chunks pertinents et prompte le modèle avec eux. Les parties les plus difficiles sont la stratégie de chunking, la qualité de récupération et le maintien à jour de l’index.