RAG : définition simple et fonctionnement en entreprise

Le RAG est une méthode qui permet à une intelligence artificielle de rechercher des informations dans vos sources avant de rédiger sa réponse. Le sigle signifie Retrieval-Augmented Generation, ou génération augmentée par la recherche.

En langage simple : au lieu de demander au modèle de répondre de mémoire, le système ouvre d'abord les bons documents, extrait les passages utiles et les place dans son dossier de travail. Le modèle répond ensuite à partir de ce contexte et peut citer ses sources.

Quel problème le RAG résout-il ?

Un LLM généraliste ne connaît pas automatiquement vos tarifs, vos procédures, vos contrats ou la dernière version de vos offres. Même lorsqu'il ne possède pas l'information, il peut produire une réponse plausible. Cette erreur convaincante est souvent appelée hallucination.

Le RAG améliore trois points :

• l'accès à des informations privées ou récentes ;
• la vérifiabilité grâce aux sources ;
• la possibilité de répondre « je ne sais pas » lorsque rien de pertinent n'est retrouvé.

Il ne garantit pas une réponse exacte. Il réduit une partie du risque en donnant au modèle une matière mieux contrôlée. Cette pratique est aussi appelée grounding, ou ancrage : la réponse est reliée à des informations retrouvées plutôt qu'à la seule mémoire du modèle.

Comment fonctionne un RAG, étape par étape ?

1. Les documents sont préparés

Pages web, procédures, fiches produit, PDF et réponses types sont nettoyés et découpés en passages. Ce découpage s'appelle le chunking. Un chunk est simplement un morceau de document assez autonome pour être retrouvé et compris.

Des morceaux trop courts perdent le contexte. Des morceaux trop longs diluent l'information utile. Le bon découpage suit la structure du contenu : titres, paragraphes, tableaux et unités métier.

2. Les passages sont indexés

Deux grandes méthodes peuvent coexister.

• La recherche lexicale retrouve les mots ou expressions proches de la question.
• La recherche vectorielle compare le sens à l'aide d'embeddings.

Un embedding est une représentation numérique d'un texte. Des passages proches par le sens se retrouvent proches dans cet espace mathématique, même s'ils n'utilisent pas exactement les mêmes mots. Une base vectorielle stocke et recherche ces représentations.

Une recherche hybride combine souvent lexical et vectoriel : les mots précis pour une référence, le sens pour une formulation différente. La base qui conserve les embeddings est souvent appelée vector store, ou magasin vectoriel.

3. La question est transformée en requête

Le système reçoit la question, détecte éventuellement la langue et peut la reformuler pour améliorer la recherche. Il demande ensuite à l'index les passages les plus pertinents.

Cette étape s'appelle le retrieval, ou récupération. Un reranker, ou reclasseur, peut ensuite réordonner les passages selon leur pertinence réelle pour la question. Si cette étape remonte le mauvais contenu, le meilleur modèle répondra à partir du mauvais dossier.

4. Les passages entrent dans le contexte

Les résultats sont ajoutés au contexte du modèle avec les instructions. La fenêtre de contexte est la quantité maximale d'information que le modèle peut considérer lors d'une requête. Elle est mesurée en tokens.

Plus de contexte n'est pas toujours mieux. Un dossier rempli de passages faibles ou contradictoires peut noyer la bonne réponse et augmenter le coût.

5. Le modèle génère la réponse

Le prompt lui demande de répondre uniquement depuis les sources fournies, de citer les passages et de signaler l'absence d'information. Le modèle reformule pour l'utilisateur, mais la preuve reste dans le document retrouvé.

Un exemple simple

Question : « Intervenez-vous le samedi à Marseille ? »

1. Le système cherche les passages liés aux horaires et aux zones d'intervention.
2. Il retrouve une page indiquant les jours d'ouverture et une autre précisant les villes couvertes.
3. Le modèle combine les deux informations et cite les pages.
4. Si aucun document ne mentionne le samedi, il ne doit pas deviner. Il propose un contact humain.

Ce dernier comportement est essentiel. Le meilleur RAG n'est pas celui qui répond à tout, mais celui dont le refus est fiable.

RAG, fine-tuning et mémoire : quelle différence ?

• Le RAG fournit des informations au moment de la question. Il convient aux contenus qui changent et doivent être cités.
• Le fine-tuning, ou ajustement du modèle, modifie son comportement à partir d'exemples. Il convient davantage au style, au format ou à une tâche répétée qu'à une base de faits vivante.
• La mémoire conserve certaines informations entre des échanges. Elle personnalise le contexte, mais ne remplace pas une source documentaire.

Pour mettre à jour un tarif dans un RAG, on modifie le document. Il n'est pas nécessaire de réentraîner le modèle.

Quels sont les usages du RAG en entreprise ?

• Un assistant client qui répond depuis les offres, conditions et procédures publiques.
• Une recherche interne dans les procédures, modes opératoires et politiques.
• La préparation d'un dossier commercial depuis le CRM et les documents autorisés.
• L'aide au support avec citation des articles de résolution.
• La recherche dans des contrats, sous validation d'un spécialiste.
• Un site conversationnel qui rend tout le contenu interrogeable.

Les données publiques et internes doivent rester séparées. Un système public ne doit jamais pouvoir retrouver un document marqué interne par erreur de configuration.

Pourquoi un RAG peut-il donner une mauvaise réponse ?

La source est fausse ou périmée

Le RAG ne répare pas la documentation. Il rend ses défauts plus visibles et plus rapides à diffuser.

Le bon passage n'est pas retrouvé

Le vocabulaire, le découpage, les filtres ou le classement peuvent écarter la source correcte. Il faut mesurer le recall, c'est-à-dire la capacité à retrouver les documents pertinents.

Le modèle ignore la source

Même avec le bon passage, un prompt faible ou un modèle mal adapté peut ajouter une information. La réponse doit être évaluée sur sa fidélité aux sources.

Les permissions sont trop larges

Un bon résultat technique peut être un incident de confidentialité. Le contrôle d'accès doit intervenir avant la recherche, pas seulement dans le texte final.

La question contient une instruction hostile

Un document ou un utilisateur peut tenter une prompt injection : demander au modèle d'ignorer les règles ou d'exfiltrer une donnée. Les contenus retrouvés doivent être traités comme des données, jamais comme des instructions supérieures. Les contrôles techniques sont détaillés dans Prompt injection et permissions : sécuriser un agent IA.

Comment évaluer la qualité d'un RAG ?

Constituez un jeu de questions réelles avec les sources attendues. Mesurez séparément :

• la récupération du bon passage ;
• l'exactitude de la réponse ;
• la fidélité aux sources ;
• la qualité des citations ;
• le bon refus quand l'information manque ;
• le respect des permissions ;
• le délai et le coût en tokens.

Une seule note globale masque la cause d'une erreur. Si la recherche échoue, changer de modèle ne réglera pas le problème.

Que faut-il préparer avant un projet RAG ?

Il faut une base de connaissances, un propriétaire éditorial, des niveaux d'accès, des dates de mise à jour et un jeu de questions représentatif. Commencez petit : un corpus, une audience, une vingtaine de questions et une règle de refus stricte.

Ce site applique ce principe : le chat recherche d'abord dans un corpus maîtrisé. Testez-le avec une question précise, puis demandez la source. Pour un projet interne, commencez par lister les documents qui font réellement foi et ceux qui se contredisent.

Par Anthony Dalin

Publié le 16 août 2026

Une question précise ? Posez-la au chat →