RAG (Génération Augmentée par Récupération)

L'Essentiel

Ce qu’il faut retenir :

1. Quoi : Une architecture qui donne au LLM l’accès à une “bibliothèque” externe (vos données) avant de répondre.
2. Pourquoi : Pour éliminer les hallucinations et permettre à l’IA de répondre sur des données qu’elle ne connaissait pas lors de son entraînement (ex: vos emails d’hier).
3. Comment : En indexant les documents dans une base vectorielle, et en injectant les extraits pertinents dans le contexte du LLM au moment de la question.

Ce que vous saurez dans 3 minutes

Le RAG est l’architecture dominante pour l’IA d’entreprise en 2026.

• Décideurs : C’est la seule façon fiable de déployer une IA générative sur votre patrimoine documentaire sans entraîner votre propre modèle (coûteux et risqué).
• Experts Techniques : Le RAG n’est pas magique, c’est un pipeline d’ingénierie complexe où le “retrieval” (retrouver l’info) est souvent plus difficile que la “génération”.
• Opérationnels : C’est ce qui transforme un ChatGPT “bavard” en un assistant expert qui cite ses sources (pages, paragraphes) pour chaque affirmation.

---

1. Comprendre

Imaginez que vous passiez un examen à livre ouvert. Un LLM standard (comme ChatGPT de base), c’est un étudiant brillant qui doit passer l’examen sans aucun document, uniquement de mémoire. Il peut être très convaincant, mais s’il a oublié une date, il risque de l’inventer (“hallucination”). Le RAG, c’est donner à cet étudiant le manuel de cours (vos documents) et lui dire : “Tu peux consulter ce livre avant de répondre à chaque question”. Résultat : il ne répond plus par cœur, il synthétise l’information trouvée dans le livre. Ses réponses sont plus justes, et surtout, il peut vous dire “C’est écrit page 42”.

Définition

Définition

Le RAG (Retrieval-Augmented Generation) est une technique qui optimise les résultats d’un grand modèle de langage (LLM) en lui fournissant, au moment de l’inférence, des informations récupérées depuis une source de connaissances externe fiable (base de données, wiki, documents), plutôt que de s’appuyer uniquement sur ses données d’entraînement figées.

Contexte & Enjeux

Les LLM ont deux défauts structurels majeurs pour l’entreprise :

1. L’Amnésie Temporelle : GPT-4 ne sait pas ce qui s’est passé ce matin dans votre entreprise. Sa connaissance s’arrête à sa date de coupure (training cutoff).
2. L’Hallucination : S’il ne sait pas, il invente pour vous faire plaisir.

Le RAG résout ces deux problèmes sans avoir besoin de ré-entraîner le modèle (ce qui coûterait des millions). C’est la brique fondamentale des “Systèmes Agentiques” modernes.

---

2. Appliquer

L’Architecture RAG Standard

Un pipeline RAG se décompose en deux temps : l’Indexation (préparation) et la Récupération (action).

graph TD
    subgraph "Phase 1: Indexation (Offline)"
        Docs[Documents Bruts] --> Chunk[Découpage (Chunking)]
        Chunk --> Embed[Modèle d'Embedding]
        Embed --> VectorDB[(Base Vectorielle)]
    end

    subgraph "Phase 2: Inférence (Online)"
        User[Question Utilisateur] --> EmbedQuery[Modèle d'Embedding]
        EmbedQuery --> Search[Recherche de Similarité]
        VectorDB --> Search
        Search --> Context[Top-K Chunks Pertinents]
        Context --> Prompt[Prompt Augmenté]
        Prompt --> LLM[LLM (Génération)]
        LLM --> Reponse[Réponse Sourcée]
    end

    style VectorDB fill:#ffecb3,stroke:#ffb300
    style LLM fill:#e1bee7,stroke:#8e24aa

Mise en œuvre pratique (Code Python)

Voici un exemple minimaliste de RAG utilisant LangChain et une base vectorielle locale (ChromaDB).

1. Installation pip install langchain langchain-openai chromadb pypdf

2. Le Pipeline en 30 lignes Ce script ingère un PDF, le découpe, l’indexe, et répond à une question.

   import os
   from langchain_community.document_loaders import PyPDFLoader
   from langchain.text_splitter import RecursiveCharacterTextSplitter
   from langchain_community.embeddings import OpenAIEmbeddings
   from langchain_community.vectorstores import Chroma
   from langchain.chains import RetrievalQA
   from langchain_openai import ChatOpenAI
   
   # 1. Chargement & Découpage (Chunking)
   loader = PyPDFLoader("mon_document_technique.pdf")
   documents = loader.load()
   text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
   chunks = text_splitter.split_documents(documents)
   
   # 2. Indexation Vectorielle (Embedding)
   # On transforme le texte en vecteurs mathématiques
   vector_db = Chroma.from_documents(
       documents=chunks,
       embedding=OpenAIEmbeddings()
   )
   
   # 3. Création de la Chaîne RAG
   # Le "Retriever" va chercher les 3 morceaux les plus pertinents (k=3)
   qa_chain = RetrievalQA.from_chain_type(
       llm=ChatOpenAI(model_name="gpt-4-turbo"),
       chain_type="stuff",
       retriever=vector_db.as_retriever(search_kwargs={"k": 3})
   )
   
   # 4. Interrogation
   query = "Quelles sont les précautions de sécurité mentionnées au chapitre 4 ?"
   response = qa_chain.run(query)
   print(f"Réponse IA : {response}")

3. Résultat L’IA répondra en utilisant uniquement les informations contenues dans votre PDF, en ignorant sa connaissance générale si elle contredit le document.

Le “Chunking” : L’Art Délicat de la Découpe

La qualité de votre RAG dépend à 80% de votre stratégie de découpage.

• Trop petit : L’IA manque de contexte (elle a une phrase mais ne sait pas de quoi on parle).
• Trop gros : L’IA est noyée sous des informations inutiles (bruit).

Stratégie	Description	Usage Idéal
Fixed Size	Découpe brute tous les 500 mots.	Simple, rapide, mais coupe parfois les phrases au milieu.
Recursive	Découpe par paragraphes, puis phrases.	Le standard. Préserve la structure sémantique.
Semantic	Utilise un modèle pour détecter les changements de sujet.	Premium. Assure que chaque chunk est une idée cohérente.

---

3. Aller plus loin

RAG Avancé : GraphRAG & Hybrid Search

Le RAG “naïf” (vectoriel pur) échoue souvent sur des questions globales (“Quels sont les thèmes principaux du livre ?”). Pour pallier cela, on utilise des techniques hybrides.

Hybrid Search

BM25 + Vecteurs On combine la recherche par mots-clés traditionnelle (BM25, comme Elasticsearch) et la recherche vectorielle.

• Pourquoi ? Les vecteurs sont nuls pour trouver des ID précis (ex: “ref-1234”) ou des acronymes rares. Le mot-clé excelle là-dessus.

GraphRAG

Graphes de Connaissance Au lieu de couper le texte en morceaux plats, on extrait les entités et relations pour construire un graphe.

• Pourquoi ? Permet de répondre à des questions complexes de raisonnement (“Quel est l’impact de la décision de X sur Y ?”) en naviguant dans le graphe.

Architecture & Composants Clés

• RépertoireRAG-System/

  • Répertoireingestion/

    • pdf_loader.py
    • cleaner.py (Nettoyage des headers/footers)
  • Répertoirestorage/

    • vector_store (ChromaDB / Pinecone)
    • doc_store (Stockage des métadonnées)
  • Répertoireretrieval/

    • embedder.py (OpenAI / HuggingFace)
    • reranker.py (Reclassement des résultats)
  • Répertoiregeneration/

    • prompt_template.py (“Tu es un assistant utile…”)

Points de vigilance

Pièges fréquents

• Garbage In, Garbage Out : Si vos documents sources sont obsolètes ou contradictoires, le RAG dira n’importe quoi. Le nettoyage des données (Data Cleaning) est crucial.
• Le “Lost in the Middle” : Les LLM accordent souvent plus d’attention au début et à la fin du contexte fourni. Si la réponse est noyée au milieu de 10 chunks, elle peut être ignorée.
• Latence : Le RAG ajoute une étape de recherche (200-500ms) avant même de commencer à générer. Attention à l’expérience utilisateur.

Prospective

Le Long Context (fenêtres de contexte de 1M ou 10M tokens, comme chez Gemini 1.5) menace-t-il le RAG ? Partiellement. Si vous pouvez mettre toute votre documentation dans le prompt, vous n’avez plus besoin de base vectorielle. Cependant, le RAG restera pertinent pour :

1. Les bases de données gigantesques (> 10 Go de texte).
2. La réduction des coûts (payer 10M tokens à chaque appel coûte cher).
3. La mise à jour en temps réel (mettre à jour un vecteur vs re-uploader tout le contexte).

---

Questions Fréquentes

Quelle base vectorielle choisir ?

Pour démarrer : ChromaDB (local, open-source). Pour la production managée : Pinecone (le standard) ou Weaviate (hybride). Pour l’écosystème Cloud : Azure AI Search ou AWS Bedrock Knowledge Bases.

RAG vs Fine-Tuning : lequel choisir ?

C’est la question classique.

• Utilisez le RAG si vous voulez que le modèle connaisse des faits nouveaux (votre doc).
• Utilisez le Fine-Tuning si vous voulez que le modèle apprenne un style de réponse, un format spécifique, ou un langage technique très pointu. Souvent, la meilleure solution est un mélange des deux (Hybrid RAG).

---

Notions Liées (Spider Web)

• Concepts Clés : LLM, Prompt Engineering
• Atomes Connexes : Embedding, Vector Database, Hallucination

Ressources Externes

• Paper : Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020) - Le papier fondateur.
• Outil : LangChain - Le framework standard pour construire des RAG.
• Outil : LlamaIndex - Une alternative spécialisée dans l’ingestion de données pour LLM.