RAG
Aussi appelé : génération augmentée par récupération, retrieval-augmented generation
Technique qui fait chercher à l'IA les passages utiles dans vos documents avant de répondre, pour que sa réponse s'appuie sur vos sources plutôt que sur sa seule mémoire.
En clair
Vos documents sont découpés en passages et indexés, souvent grâce à des plongements. À chaque question, le système retrouve les passages les plus proches, les donne au modèle avec la question, et le modèle rédige sa réponse à partir d'eux, en citant parfois ses sources.
Le RAG réduit les hallucinations et permet de travailler sur des informations récentes ou internes, sans réentraîner de modèle. Sa qualité dépend surtout des documents : à jour, bien rangés, sans versions contradictoires.
Un exemple dans une petite entreprise
Un installateur de pompes à chaleur alimente un assistant avec ses notices techniques et ses procédures. Sur le chantier, ses techniciens demandent la signification d'un code d'erreur pour un modèle donné, et obtiennent la réponse avec la page de la notice.
À ne pas confondre avec : Ajustement fin
Le RAG donne des documents au modèle au moment de répondre ; l'ajustement fin modifie le modèle lui-même par un entraînement complémentaire. Pour faire connaître vos documents à une IA, le RAG suffit le plus souvent.