RAG signifie « Retrieval-Augmented Generation », ou génération augmentée par récupération d’information.
Le principe consiste à rechercher d’abord des informations pertinentes dans une base documentaire ou une source maîtrisée, puis à fournir ces éléments au modèle d’IA pour produire sa réponse.
Pourquoi utiliser un RAG ?
Un modèle généraliste ne connaît pas nécessairement vos documents internes, procédures, catalogues ou connaissances spécifiques. Le RAG permet d’appuyer la réponse sur ces sources sans devoir réentraîner entièrement le modèle.
Les composants principaux
- Sources documentaires
- Mécanisme d’indexation
- Recherche des passages pertinents
- Modèle de langage
- Règles de permissions et de filtrage
- Évaluation des réponses
Le RAG ne supprime pas toutes les erreurs
Même avec de bonnes sources, un système doit être testé et encadré. Les documents peuvent être incomplets, la recherche peut sélectionner un mauvais passage et le modèle peut interpréter l’information de façon incorrecte.
Voir aussi : Solutions d’intelligence artificielle.