RAG

Qu’est-ce que le RAG ?

Le RAG (Retrieval-Augmented Generation) est un patron d’architecture qui combine un grand modèle de langage (LLM) avec une recherche dynamique dans les documents et données de l’entreprise. Au lieu que le modèle réponde uniquement à partir de ce qu’il a appris lors de son entraînement (ce qui entraîne des « hallucinations » et des informations périmées), le RAG commence par rechercher les passages pertinents dans les documents internes, puis les transmet au modèle comme contexte pour générer la réponse.

Architecture technique du RAG :

1. Indexation — les documents sont découpés en petits morceaux (typiquement 200 à 500 mots)
2. Vectorisation (embeddings) — chaque morceau est converti en vecteur numérique
3. Stockage — les vecteurs sont stockés dans une base de données vectorielle (Pinecone, Qdrant, pgvector)
4. Requête — la question de l’utilisateur est également convertie en vecteur
5. Retrieval — les top-K morceaux les plus similaires sont trouvés
6. Generation — le LLM génère la réponse avec le contexte des morceaux trouvés

En contexte B2B, le RAG résout des problèmes tels que « où est notre politique sur les notes de frais ? » ou « quels prix avons-nous facturés à la société XYZ au cours des 3 dernières années ? » — la réponse est générée directement à partir des documents de l’entreprise, avec citation de la source.

Quand l’utiliser ?

Le RAG est une technologie clé pour :

• Les chatbots d’entreprise répondant à partir de documents internes
• La recherche sémantique dans les contrats, politiques, wikis
• L’automatisation du support — première ligne répondant à partir de la base de connaissances
• L’analyse de grandes archives (audit RGPD droit à l’effacement)

Voir le module Fichiers, le module Contrats et la page IA.

Termes associés

• AI Agent — l’agent utilise souvent le RAG comme l’un de ses outils. Voir /fr/glossaire/ai-agent.
• MCP — protocole pour connecter un système RAG à un agent. Voir /fr/glossaire/mcp.
• OCR — les documents numérisés doivent être traités par OCR avant l’indexation RAG. Voir /fr/glossaire/ocr.

Dans Modulario

Modulario utilise le RAG sur les documents dans le module Fichiers et Contrats — celui qui a besoin d’une réponse pose une question en langage naturel et le système répond avec des liens vers des documents spécifiques. L’indexation se fait automatiquement après le téléchargement d’un fichier.

L’infrastructure RAG interne de Modulario garantit que les données du client ne sont jamais utilisées pour entraîner des modèles ni ne quittent l’infrastructure européenne. Le client voit à partir de quels documents l’IA a tiré ses informations et peut restreindre les sources via RBAC ou ReBAC.