Génération augmentée par récupération (RAG)
Définition
La génération augmentée par récupération est une méthode où les documents pertinents de l'entreprise sont d'abord recherchés, puis les passages retrouvés sont fournis au modèle de langage comme contexte. Le modèle répond à partir de ces passages, ce qui rend les réponses actuelles, sourcées et vérifiables.
Le RAG est le moyen standard de rendre un modèle utile sur des connaissances internes — tarifs, contrats, manuels techniques, correspondances passées — sans aucun réentraînement.
La qualité dépend de la couche de récupération, pas du modèle : la façon dont les documents sont découpés, indexés, dont les droits d'accès sont appliqués, et si la réponse cite le passage utilisé.
En pratique
- Relie chaque réponse à un document source et une version nommés
- Respecte les droits d'accès par utilisateur lorsque l'index est correctement construit
- Moins coûteux et plus rapide à mettre à jour que le fine-tuning
Termes liés
- Base de données vectorielleUne base de données vectorielle stocke des textes, images ou fiches sous forme d'embeddings numériques et retrouve les entrées les plus proches en sens d'une requête. C'est la couche de recherche derrière la génération augmentée par récupération, permettant une recherche sémantique là où la recherche par mots-clés échoue.
- Grand modèle de langage (LLM)Un grand modèle de langage est un modèle statistique entraîné sur de très vastes corpus de texte, qui prédit les suites probables d'un texte. Il peut classer, résumer, traduire et rédiger, et constitue le composant de raisonnement de la plupart des agents IA — mais il ne détient à lui seul aucune donnée d'entreprise en temps réel.
- HallucinationUne hallucination est une réponse d'un modèle de langage énoncée avec assurance mais fausse — un chiffre, une clause ou une référence inventés. C'est une propriété de la génération de texte statistique, raison pour laquelle les systèmes en production vérifient les sorties par rapport aux données sources au lieu de leur faire confiance.