RAG (génération augmentée par récupération) : définition
Aussi appelé : Retrieval-Augmented Generation, génération augmentée par récupération, IA sur documents internes, assistant documentaire IA.
Mis à jour le
Rédigé par Karim Brahim

Définition
Le RAG fait répondre une IA à partir de vos documents : elle retrouve d'abord les extraits pertinents, puis rédige sa réponse en s'appuyant dessus.
RAG signifie « Retrieval-Augmented Generation », génération augmentée par récupération. C'est la méthode la plus courante pour qu'un LLM, qui ne connaît rien de votre entreprise, réponde avec vos tarifs, vos procédures ou vos fiches techniques, sans avoir à le réentraîner.
En détail
Un système RAG fonctionne en deux phases.
La préparation des documents :
- les documents sont collectés, nettoyés et découpés en passages ;
- chaque passage est transformé en représentation numérique de son sens (un « embedding ») ;
- ces représentations sont stockées dans une base de données adaptée, souvent dite vectorielle, avec les droits d'accès associés.
La réponse à une question :
- la question est convertie de la même façon, et le système recherche les passages les plus proches par le sens, parfois combinés à une recherche par mots-clés ;
- les meilleurs extraits sont transmis au modèle avec la question et des consignes (« réponds uniquement à partir de ces extraits, cite la source, dis-le si l'information manque ») ;
- le modèle rédige la réponse, idéalement avec les références des documents utilisés.
Le RAG réduit les hallucinations et garde les réponses à jour dès que les documents changent. Bien conçu, il respecte aussi les droits d'accès. Il se distingue du fine-tuning, qui modifie le modèle lui-même.
Exemple (cas type)
Prenons l'exemple d'un fabricant de pompes industrielles qui disposerait de centaines de notices, fiches techniques et comptes rendus d'intervention. Ses techniciens itinérants appelleraient le bureau d'études pour retrouver une référence de joint ou une procédure de démontage.
Un assistant RAG interne indexerait cette documentation. Sur le terrain, le technicien demanderait : « couple de serrage du corps de pompe sur tel modèle ». L'assistant répondrait en citant la page de la notice, que le technicien ouvrirait pour vérifier. Les documents confidentiels resteraient réservés aux profils autorisés.
Points d'attention
Un RAG ne vaut que par ses documents et ses réglages : tri des sources, droits d'accès, confidentialité et évaluation régulière conditionnent la justesse des réponses.
- Qualité documentaire : documents obsolètes ou contradictoires donnent des réponses fausses. Faites le tri avant.
- Droits d'accès : l'assistant ne doit jamais révéler un document à quelqu'un qui n'y a pas droit.
- Confidentialité : choisissez l'hébergement, les fournisseurs de modèles et les contrats en fonction de la sensibilité des données. Le règlement européen sur l'IA encadre aussi certains usages.
- Citer les sources pour faciliter la vérification.
- Évaluer : constituez une liste de questions de référence et mesurez régulièrement la justesse des réponses.
- Coût : chaque extrait envoyé au modèle consomme des tokens ; un bon découpage limite la facture.
Pour aller plus loin
Pour un projet sur vos documents internes, lisez notre guide sur le RAG en entreprise. Pour exploiter vos contenus dans un assistant, découvrez nos solutions d'automatisation et d'IA, ou notre chatbot IA pour site web si l'assistant s'adresse à vos clients.