FRENES

Glossaire · Utiliser l'IA au quotidien

RAG (génération augmentée par récupération)

Le RAG, ou génération augmentée par récupération, combine la recherche d’informations avec la production d’une réponse par un modèle. Avant de répondre, le système récupère des contenus pertinents dans des sources accessibles et les fournit au modèle comme contexte, sans devoir modifier ses paramètres pour chaque nouveau document.

RAG (génération augmentée par récupération) : l'explication

Une chaîne RAG commence par rechercher des informations en rapport avec votre question. Elle peut consulter des documents internes, un catalogue ou d’autres sources autorisées. Les passages retenus sont ajoutés au contexte transmis au modèle, qui rédige ensuite sa réponse. La recherche peut utiliser des mots-clés, des représentations vectorielles ou plusieurs méthodes combinées. Le système doit sélectionner assez d’éléments pour répondre tout en respectant la quantité de texte que le modèle peut traiter utilement.

Cette organisation sert à relier un assistant à des informations qui ne sont pas nécessairement présentes dans son entraînement. Elle permet notamment de travailler sur vos propres documents ou sur des contenus régulièrement actualisés. Une modification de la source peut ainsi devenir accessible sans réentraîner le modèle, à condition que la recherche et les index soient actualisés. Le RAG peut aussi faciliter la présentation des sources, mais cette traçabilité dépend de la conception de l’outil.

La récupération ne garantit ni la qualité des documents ni la fidélité de la réponse. Le système peut manquer un passage important, sélectionner une version ancienne ou interpréter incorrectement une exception. Un contenu retrouvé peut aussi contenir des instructions malveillantes que l’assistant ne devrait pas suivre. Il faut distinguer les données consultées des consignes qui gouvernent l’agent. Les droits d’accès doivent également être respectés pendant la recherche, avant que les informations ne soient transmises au modèle.

Un exemple concret

Vous demandez à un assistant documentaire si votre abonnement associatif peut être suspendu pendant un déménagement. Le système retrouve les passages pertinents du règlement et de la procédure de gestion, puis les transmet au modèle. Celui-ci explique les conditions et indique les documents utilisés. Vous ouvrez ces passages pour vérifier qu’ils concernent bien votre formule et que l’exception mentionnée correspond à votre situation avant d’envoyer une demande.

Pourquoi c'est important

Le RAG compte lorsque vous attendez des réponses fondées sur vos documents plutôt que sur les seules connaissances générales du modèle. Vérifiez la fraîcheur des sources, le respect des permissions et la possibilité de consulter les passages utilisés. La qualité dépend de toute la chaîne : préparation des contenus, recherche, sélection et rédaction. Un modèle performant ne compense pas automatiquement des documents absents, obsolètes ou mal retrouvés.

Idées reçues

  • Un système RAG ne supprime pas les réponses inventées : il fournit des éléments supplémentaires au modèle, mais celui-ci peut encore mal interpréter un passage, combler une lacune ou présenter une conclusion que les sources ne justifient pas.
  • Le RAG n’exige pas toujours une base vectorielle : la récupération peut reposer sur une recherche par mots-clés, des requêtes structurées ou plusieurs techniques combinées, selon les documents disponibles et les questions que vous souhaitez poser.

Autres termes : utiliser l'ia au quotidien

prompt
Un prompt est une entrée fournie à un modèle pour orienter ce qu'il doit produire ou accomplir.
base de données vectorielle
Une base de données vectorielle stocke et recherche des représentations numériques appelées vecteurs.
recherche sémantique
La recherche sémantique cherche des contenus selon leur sens probable, au-delà de la présence des mêmes mots.
assistant de code
Un assistant de code est un outil IA qui vous aide à écrire, comprendre, modifier ou tester des programmes informatiques.
no-code
Le no-code désigne une manière de créer des applications ou des automatisations avec des interfaces visuelles et des réglages, sans écrire directement de code pour les fonctions prévues.
synthèse vocale
La synthèse vocale est une technique qui transforme un texte en parole produite par une machine.
reconnaissance vocale
La reconnaissance vocale est une technique qui transforme la parole enregistrée ou captée par un microphone en texte exploitable par un logiciel.
OCR
L'OCR, ou reconnaissance optique de caractères, est une technique qui transforme le texte présent dans une image en caractères exploitables par un logiciel.

Où le site en parle

Le terme apparaît dans 89 pages du site. Quelques-unes :

Dans la même famille

Pour aller plus loin

Questions fréquentes

Le RAG entraîne-t-il le modèle ?

Dans une chaîne RAG classique, les informations récupérées sont fournies au moment de la demande. Cette étape ne modifie pas les paramètres du modèle. Un même produit peut toutefois associer récupération documentaire et entraînement supplémentaire pour des objectifs distincts.

Des sources affichées suffisent-elles ?

Non. Vous devez pouvoir vérifier que les passages cités soutiennent réellement la réponse et correspondent à la bonne version du document. Une référence authentique peut être sans rapport avec une affirmation ou ne justifier qu’une partie de celle-ci.

Où vérifier le fonctionnement général ?

La [présentation technique du RAG](https://www.anthropic.com/engineering/contextual-retrieval) décrit la récupération de passages avant la génération. Elle aide à distinguer la recherche documentaire, qui apporte des informations, et la rédaction, qui peut encore introduire des erreurs d’interprétation.

Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons