Le RAG expliqué simplement : un assistant qui répond à partir de vos contenus
Le RAG permet à un assistant IA de répondre à partir des contenus d'une entreprise plutôt que de sa mémoire. Les étapes, les limites et les bons réflexes.
Connaissance et RAG6 min de lecture
Un grand modèle de langage sait rédiger, reformuler et résumer. Il ne connaît pas, en revanche, les horaires de la boulangerie de votre client, les conditions de retour de sa boutique en ligne ou le contenu de la notice de son produit phare. S’il répond quand même, il risque de produire une phrase plausible mais fausse.
Le RAG est la technique qui comble cet écart. L’acronyme vient de l’anglais retrieval-augmented generation, que l’on peut traduire par « génération augmentée par la recherche ». Le terme vient d’un article de recherche publié en 2020 par Patrick Lewis et ses coauteurs, cité en fin d’article. L’idée est simple : avant de répondre, l’assistant va chercher les passages utiles dans une base de documents, puis il rédige sa réponse à partir de ces passages.
Cet article explique le fonctionnement pas à pas, sans formule, pour que vous puissiez l’expliquer à votre tour à un client.
L’analogie de l’examen à livre ouvert
Imaginez deux étudiants. Le premier passe un examen de mémoire : il répond avec ce qu’il a retenu, et comble les trous comme il peut. Le second passe un examen à livre ouvert : avant chaque réponse, il retrouve la bonne page du manuel et s’appuie dessus.
Un modèle de langage seul ressemble au premier étudiant. Un assistant RAG ressemble au second. Le manuel, ce sont les contenus de votre client. La qualité des réponses dépend donc moins de la « culture générale » du modèle que de la qualité du manuel et de la capacité à trouver la bonne page.
Les étapes, une par une
Le RAG se déroule en deux temps : une préparation, faite une fois puis à chaque mise à jour, et une recherche, faite à chaque question.
1. Lire les contenus
L’outil récupère les contenus à exploiter. Dans blabla.bot, trois types de sources sont possibles aujourd’hui : l’adresse d’une page web (l’exploration reste dans le même site), un sitemap qui liste les pages à lire, et des fichiers PDF, lus page par page. Les pages exclues par le fichier robots.txt du site ou marquées « noindex » sont ignorées, et la console indique pourquoi chaque page ignorée l’a été.
2. Découper en passages
Une page entière est trop longue pour être utile telle quelle. Le contenu est donc découpé en passages de taille raisonnable. Chaque passage garde la trace de son origine : le titre et l’adresse de la page, ou le nom du fichier et le numéro de page pour un PDF.
3. Transformer chaque passage en vecteur
C’est l’étape la plus abstraite. Un modèle spécialisé, dit « modèle d’embeddings », transforme chaque passage en une longue liste de nombres, appelée vecteur. Deux passages qui parlent de la même chose obtiennent des vecteurs proches, même s’ils n’emploient pas les mêmes mots. « Quels sont vos horaires ? » et « Vous êtes ouverts le dimanche ? » se retrouvent ainsi voisins.
4. Chercher les passages proches de la question
Quand un visiteur pose une question, celle-ci est transformée en vecteur de la même façon. Le système cherche ensuite les passages dont les vecteurs sont les plus proches. Chaque passage reçoit un score de pertinence. Dans blabla.bot, le nombre de passages retenus dépend de l’option IA choisie : 4 en mode Simple, 8 en mode Approfondi.
5. Rédiger la réponse à partir des passages
Les passages retenus sont donnés au modèle de langage avec la question et les consignes de l’agent. Le modèle a pour règle de répondre à partir de ces passages et de citer ceux qu’il a utilisés. Sous la réponse, le visiteur voit les sources citées, et seulement elles.
Un exemple concret
Prenons le site d’un garage automobile. Un visiteur écrit : « Est-ce que vous faites la climatisation ? »
| Étape | Ce qui se passe |
|---|---|
| Recherche | Le système trouve un passage de la page « Nos prestations » qui mentionne la recharge de climatisation, et un passage de la page « Tarifs » |
| Score | Les deux passages dépassent le seuil de pertinence |
| Rédaction | Le modèle répond que la recharge de climatisation fait partie des prestations et renvoie vers la page tarifs |
| Sources | Le widget affiche les deux pages citées, avec leur lien |
Si le visiteur demande : « Vous vendez des voitures d’occasion ? » et que le site n’en parle nulle part, aucun passage n’atteint le seuil. L’agent dit alors qu’il ne dispose pas de l’information, au lieu d’inventer.
Pourquoi c’est mieux qu’un modèle seul
- Des réponses ancrées. L’agent s’appuie sur des passages précis, pas sur sa mémoire générale.
- Des réponses vérifiables. Les sources affichées permettent au visiteur de contrôler.
- Des mises à jour simples. Pour changer une réponse, on modifie la page du site puis on ré-indexe la source. Aucun réentraînement du modèle n’est nécessaire.
- Un cloisonnement par agent. Dans blabla.bot, la recherche est filtrée par agence et par agent : un agent ne voit jamais la connaissance d’un autre client.
Les limites à connaître
Le RAG n’est pas magique. Trois limites reviennent souvent.
La qualité des contenus. Si une page est floue, contradictoire ou périmée, la réponse le sera aussi. Le RAG reproduit fidèlement ce qu’on lui donne.
Le texte seulement. Un PDF scanné sans couche texte ne peut pas être lu : blabla.bot le signale par un message d’erreur explicite. Les images, les vidéos et les tableaux mis en image ne sont pas exploités.
Le réglage du seuil. Un seuil trop bas laisse passer des passages hors sujet. Un seuil trop haut fait dire « je ne sais pas » trop souvent. Dans blabla.bot, ce seuil est calibré pour le modèle d’embeddings utilisé, car un score n’a de sens que pour un modèle donné.
Il y a aussi un coût. Transformer les contenus en vecteurs, puis transformer chaque question, consomme des tokens chez le fournisseur du modèle d’embeddings. Dans blabla.bot, ce coût est facturé comme le reste, au coût fournisseur multiplié par deux, et l’indexation affiche une estimation avant d’être lancée.
Ce qu’il faut retenir
Le RAG transforme un modèle de langage généraliste en assistant qui connaît une entreprise précise. Il fonctionne en deux temps : préparer les contenus en passages indexés, puis, à chaque question, retrouver les bons passages et répondre à partir d’eux. Sa force tient à la qualité des contenus et à sa capacité à dire « je ne sais pas » quand rien ne correspond.
Pour mettre cela en pratique, l’article suivant explique comment préparer une base de connaissances. Les questions fréquentes sur le fonctionnement de blabla.bot sont regroupées dans la FAQ.
Source
- Patrick Lewis et al., « Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks », 2020 : https://arxiv.org/abs/2005.11401
Mots-clés
- RAG
- base de connaissances
- embeddings
- recherche vectorielle
Sur le site
À lire aussi
Connaissance et RAG
Préparer sa base de connaissances : pages web, PDF, FAQ
Un assistant IA ne vaut que par les contenus qu'il lit. Comment choisir, nettoyer et organiser pages web, sitemaps, PDF et FAQ avant de lancer l'indexation.
· 6 min de lecture
Connaissance et RAG
Pourquoi un bon assistant sait dire « je ne sais pas »
Seuil de pertinence, relais humain, questions sans réponse : pourquoi un assistant IA fiable préfère avouer qu'il ne sait pas plutôt qu'inventer une réponse.
· 6 min de lecture
Coûts et modèles IA
Combien coûte une conversation avec un assistant IA : les tokens expliqués
Tokens d'entrée, tokens de sortie, contexte, historique : ce qui compose réellement le coût d'une conversation avec un assistant IA, et comment le réduire.
· 5 min de lecture