Architecture · usage courant
Agence RAG documentaire à Nice
La méthode qui fait répondre un modèle à partir de VOS documents, en citant ses sources, au lieu d'inventer.
Ce que nous en faisons
RAG documentaire chez nos clients, concrètement
Employée sur un outil de suivi de sentiment sur les modèles d'IA, avec LangChain et une base documentaire. C'est l'architecture que nous retenons pour une recherche en langage naturel dans vos dossiers.
Les limites
Quand nous recommandons autre chose
Si vos documents ne sont ni à jour ni structurés, le RAG amplifie le désordre au lieu de le résoudre.
Réalisations
Nos projets menés avec RAG documentaire
Paradigm
Plateforme d'un centre d'affaires niçois : domiciliation, courrier numérisé, messagerie et assistant.
RAG documentaire : L'assistant répond à partir des documents du centre, via la recherche documentaire d'OpenAI.
Lire l'étude de cas Paradigm
Méthode
Comment nous intégrons RAG documentaire
Le cadrage part des questions réelles : celles que vos collaborateurs posent aujourd'hui à un collègue expérimenté ou cherchent en vain dans les dossiers partagés. Nous en recueillons une liste, avec pour chacune le document qui contient la bonne réponse. Cette liste devient le jeu d'évaluation du projet, et elle détermine aussi quelles sources indexer en priorité.
La préparation porte sur la manière de découper les documents pour qu'un passage reste compréhensible seul, sur les métadonnées utiles (date, service, version) et sur les droits d'accès : un utilisateur ne doit recevoir que des extraits de documents qu'il peut déjà ouvrir. Nous évaluons séparément la recherche, qui doit remonter le bon passage, et la rédaction, qui doit s'y tenir. Cette distinction permet de corriger le bon maillon quand une réponse est fausse.
Au déploiement, l'index se met à jour quand un document est ajouté, modifié ou retiré, et chaque réponse garde la trace des passages utilisés. Le coût se répartit entre l'indexation initiale et chaque question posée ; nous vous le présentons ainsi. Nous transmettons enfin la procédure pour ajouter une source, en exclure une ou relancer l'évaluation.
Pour votre entreprise
Ce que ça change concrètement
Dans beaucoup de PME, une partie du savoir tient dans la mémoire de quelques personnes : la procédure à jour, la clause d'un contrat type, la réponse donnée la dernière fois à un client. Chaque question interrompt quelqu'un, et une absence suffit à bloquer un dossier. Un outil qui répond à partir de vos documents, en montrant d'où vient l'information, réduit ces interruptions et aide un nouvel arrivant à trouver ses repères sans solliciter en permanence ses collègues.
L'outil a aussi un effet moins attendu : il révèle les documents contradictoires ou jamais mis à jour, puisque ses réponses les citent. Côté confidentialité, seuls les passages utiles à une question sont transmis au modèle, et les droits d'accès existants sont respectés. Vos documents et leur index restent dans une base qui vous appartient ; le modèle qui rédige peut être changé sans tout reconstruire. La confiance des équipes vient des sources affichées, qu'elles peuvent vérifier elles-mêmes.
Notre lecture
Ce que nous retenons de RAG documentaire
Une recherche documentaire assistée répond à une question précise : que disent nos documents à ce sujet ? Le principe est de découper vos contenus, d’en indexer le sens, de retrouver les passages proches de la question, puis de ne laisser le modèle rédiger qu’à partir de ces passages, sources affichées. Ce qui change tout, c’est que la réponse indique où elle a été trouvée.
La qualité se joue sur la préparation, pas sur le modèle : découpage respectant la structure des documents, gestion des versions, exclusion de ce que l’utilisateur n’a pas le droit de lire. Nous stockons les vecteurs dans PostgreSQL plutôt que d’ajouter une base spécialisée tant que le volume ne l’exige pas, une dépendance de moins à administrer. L’enchaînement des étapes s’écrit avec LangChain quand il devient conditionnel. Sur un corpus de dix pages, cette machinerie ne se justifie pas et un appel direct à un modèle suffit.
Grille de décision
Faut-il choisir RAG documentaire ?
RAG ou entraînement (fine-tuning) d'un modèle sur nos documents ?
Pour faire répondre un modèle à partir de vos dossiers, le RAG est presque toujours le bon choix. Les documents restent dans une base que vous contrôlez, une mise à jour est prise en compte dès sa réindexation, et chaque réponse peut citer le passage d'origine. Le fine-tuning modifie le comportement du modèle, pas sa connaissance fiable des faits : il ne permet ni de retirer un document, ni de vérifier d'où vient une affirmation. Nous le réservons à l'apprentissage d'un style ou d'un format.
RAG ou simple recherche par mots-clés dans nos fichiers ?
Si vos collaborateurs connaissent les termes exacts et cherchent un document précis, un bon moteur de recherche par mots-clés suffit et ne coûte rien à l'usage. Le RAG apporte une vraie différence quand la question est posée en langage courant, que la réponse est dispersée dans plusieurs textes ou formulée avec d'autres mots. Il renvoie alors une réponse rédigée accompagnée de ses sources. Une solution hybride, mots-clés et recherche sémantique, donne souvent les résultats les plus stables.
RAG ou coller directement tous nos documents dans la requête du modèle ?
Envoyer l'intégralité d'un corpus à chaque question fonctionne pour quelques documents courts. Au-delà, chaque requête coûte cher, le temps de réponse s'allonge et le modèle exploite moins bien les informations noyées au milieu d'un long texte. Surtout, vous transmettez à chaque fois l'ensemble de vos données, y compris celles sans rapport avec la question. Le RAG ne sélectionne que les passages pertinents, ce qui réduit à la fois le coût, le volume de données exposées et le risque d'erreur.
Questions de clients
Ce qu'on nous demande sur RAG documentaire
Est-ce que l'outil peut encore inventer des réponses ?
Le risque diminue nettement, sans disparaître. Le modèle reçoit consigne de répondre uniquement à partir des extraits retrouvés et d'indiquer ses sources, ce qui vous permet de vérifier en un clic. Quand aucun passage pertinent n'existe, il doit le dire plutôt que combler le vide. La qualité dépend aussi de vos documents : des versions contradictoires ou périmées produiront des réponses contradictoires.
Nos documents sont-ils utilisés pour entraîner une IA ?
Le RAG n'entraîne aucun modèle : vos documents sont découpés et indexés dans une base dédiée, puis seuls les passages utiles sont transmis au moment de la question. Pour des dossiers sensibles, cette base comme le modèle peuvent être hébergés dans l'Union européenne ou sur votre infrastructure, afin que rien ne sorte de votre périmètre. Nous précisons au cadrage où se trouve chaque composant.
Faut-il ranger nos dossiers avant de lancer le projet ?
Souvent, oui. Un RAG restitue ce qu'il trouve : si plusieurs versions d'une même procédure coexistent, ou si des documents obsolètes ne sont jamais archivés, l'outil les citera avec la même assurance. Nous commençons donc par identifier les sources qui font foi et celles à exclure. Si ce tri n'est pas possible, nous vous le signalons avant d'engager le développement.
Tous nos collaborateurs verront-ils l'ensemble des documents ?
Non, si le projet est bien conçu. Chaque passage indexé conserve les droits du document d'origine, et la recherche filtre les résultats selon la personne qui pose la question. Un commercial n'obtiendra donc pas d'extrait d'un dossier des ressources humaines qu'il ne pourrait pas ouvrir dans vos dossiers partagés. Nous testons ce cloisonnement avec des comptes de profils différents avant la mise en service.
Quels types de documents peut-on intégrer ?
Les fichiers texte, PDF, documents bureautiques, pages d'intranet ou de wiki et courriels archivés s'intègrent sans difficulté particulière. Les documents scannés passent d'abord par une reconnaissance de caractères, dont la qualité dépend de la netteté du scan. Les tableaux complexes et les schémas se prêtent moins bien à l'exercice : nous vérifions sur un échantillon de vos fichiers ce qui est exploitable avant de fixer le périmètre.
Aller plus loin
RAG documentaire s'inscrit dans notre Intelligence artificielle
Une technologie ne fait pas un projet. C'est la méthode autour qui décide du résultat : cadrage, maquettes, cycles courts, et réversibilité.
Technologies voisines
Un projet RAG documentaire en tête ?
Le premier échange est gratuit. Nous vous dirons franchement si cette technologie est la bonne, et sinon laquelle.
Mis à jour le