En clair
RAG signifie Retrieval-Augmented Generation, ou génération augmentée par la recherche. Un modèle de langage ne connaît que ce qu’il a appris pendant son entraînement : il ignore vos documents internes et les informations récentes. Le RAG lui donne accès à une source externe. Avant de répondre, le système cherche les passages utiles dans une base de documents (fiches produits, procédures, contrats, pages web), puis les transmet au modèle, qui rédige sa réponse à partir de ces extraits. La méthode a été décrite en 2020 par des chercheurs de Meta.
Exemple concret
Un fabricant de chaudières met en ligne un assistant pour ses installateurs. Sans RAG, l’assistant répondrait de façon générale, voire inventerait une référence de pièce. Avec RAG, quand un installateur demande « quel code d’erreur signifie un défaut de pression sur le modèle X200 ? », le système retrouve la page exacte du manuel technique et l’assistant répond en citant ce passage.
Pourquoi c’est important
- Il permet à une IA de répondre à partir de vos propres informations, sans réentraîner le modèle.
- Il réduit fortement les inventions, à condition que les documents soient bons.
- Il permet de citer les sources, donc de vérifier les réponses.
- C’est le même principe qu’utilisent les moteurs de réponse comme Perplexity ou les aperçus IA de Google avec les pages web.
Comment faire
- Rassembler des documents fiables et à jour.
- Les découper en passages courts et bien titrés.
- Utiliser un outil qui sait retrouver les passages pertinents (base vectorielle, moteur de recherche interne).
- Demander au modèle de répondre uniquement à partir des extraits fournis, et de dire quand il ne sait pas.
- Tester sur une liste de vraies questions avant le lancement.
Erreurs fréquentes
- Y verser des documents périmés ou contradictoires : l’IA les citera avec assurance.
- Penser que le RAG supprime toute erreur : si la recherche ramène le mauvais passage, la réponse sera fausse.
- Oublier les droits d’accès : un salarié ne doit pas obtenir, via l’assistant, des documents qu’il n’a pas le droit de consulter.
Ce que l’IA change
Le RAG est devenu la façon la plus courante de construire un assistant d’entreprise. Pour le marketing, il a une autre conséquence : les moteurs IA fonctionnent sur ce principe avec le web. Un contenu clair, découpé en passages qui répondent chacun à une question, a plus de chances d’être retrouvé et cité. C’est l’une des bases du GEO.
À ne pas confondre avec
Fine-tuning : un nouvel entraînement du modèle sur des données spécifiques, plus coûteux et plus difficile à mettre à jour. Prompt système : les consignes générales données au modèle, qui ne lui apportent pas de nouvelles connaissances.