Qu’est-ce Que Le RAG, La Génération Augmentée Par Récupération ? Un Guide Simple

La génération augmentée par récupération, ou RAG, permet à un système d’IA de rechercher des informations pertinentes avant de générer une réponse. Au lieu de demander à un chatbot de se souvenir du manuel de votre produit, vous lui fournissez des passages de ce manuel sur lesquels travailler. Imaginez un examen à livre ouvert, avec un élève dont il faut encore vérifier la copie.

Le RAG peut rendre les réponses plus utiles et plus faciles à examiner. Il ne les rend pas automatiquement correctes, actuelles ou privées. Voici comment les pièces s’articulent, sans doctorat ni placard rempli de sigles coûteux.

Qu’est-ce que le RAG ?

Un système RAG associe une étape de récupération à une étape de génération. Il trouve des informations pertinentes pour une question, puis les fournit à un modèle de langage comme contexte de sa réponse. Les documents restent une source externe d’information ; leur récupération ne réentraîne pas à elle seule le modèle.

L’article de Patrick Lewis et de ses collègues publié en 2020 a introduit une formulation influente du RAG associant un modèle de langage à une mémoire externe interrogeable. Le terme désigne désormais aussi, plus largement, des applications qui récupèrent des informations et les incluent dans l’entrée d’un modèle.

Imaginez demander si une caisse de transport fictive pour chat convient à un voyage en avion. Une réponse générique sur les caisses ne suffit pas. Vous voulez les dimensions pertinentes du produit et les exigences de la compagnie aérienne concernée, avec leurs dates. Le RAG permet de faire entrer ces documents dans la réponse plutôt que d’espérer que le modèle se rappelle la bonne combinaison.

Pourquoi l’utiliser ?

Les documents externes peuvent apporter des détails absents de l’entraînement d’un modèle, notamment des informations récemment publiées et des données propres à une organisation. Ils peuvent aussi permettre de remonter jusqu’aux sources. C’est utile lorsqu’on veut demander : « D’où vient cette réponse ? »

Mais récupérer n’est pas vérifier. Un manuel obsolète peut être parfaitement récupéré. Une réponse peut citer le bon manuel tout en lisant mal son tableau. Pour notre caisse imaginaire, récupérer les règles de fret de la compagnie ne répondrait pas forcément à une question sur son transport en cabine.

L’objectif est un système dont le raisonnement peut être contrôlé à l’aide de preuves appropriées. Un paragraphe assuré accompagné d’une note de bas de page décorative reste simplement un paragraphe assuré.

Comment cela fonctionne

Une configuration classique fondée sur des documents comporte deux étapes : préparer les données pour la recherche et répondre aux requêtes. La préparation doit être répétée lorsque les documents changent ; ce n’est pas une cérémonie unique après laquelle les documents restent à jour pour toujours.

On commence par extraire du texte lisible, conserver les informations sur la source et diviser les longs documents en passages utiles, souvent appelés fragments ou chunks. Un modèle d’embeddings peut représenter un passage sous la forme d’un vecteur numérique, ce qui permet à un système de recherche de comparer des sens proches. La recherche par mots-clés peut également contribuer, notamment pour les noms et identifiants exacts.

Ensuite, on récupère des candidats pour la question, on sélectionne les passages utiles et on les fournit au générateur. Certains systèmes ajoutent un reclasseur pour réordonner les candidats avant la génération. L’explication d’Anthropic sur la récupération contextuelle publiée en 2024 décrit l’association des recherches sémantique et par mots-clés ainsi que la préservation du contexte autour de fragments autrement ambigus.

Dans l’exemple de la caisse, il importe de conserver l’en-tête du tableau avec ses mesures. Un nombre parfaitement extrait sans préciser s’il s’agit d’une hauteur, d’une largeur ou d’un poids est un moyen particulièrement efficace de produire une mauvaise réponse.

Les principaux composants

Préparation des sources : extraire le contenu et préserver les délimitations pertinentes, les dates et l’identité des documents.
Recherche : trouver les passages pertinents pour la question à l’aide de méthodes adaptées au corpus.
Sélection du contexte : retirer les informations inutiles ou en double et conserver assez de preuves pour répondre.
Génération et présentation : produire la réponse et montrer les sources qui l’étayent.

Une base de données vectorielle est un composant possible de la couche de recherche, pas la définition du RAG. Un petit corpus peut fonctionner avec un dispositif de recherche plus simple. À l’inverse, un grand stockage vectoriel ne peut pas réparer des documents déjà incomplets avant d’y parvenir.

RAG et ajustement fin

L’ajustement fin modifie les paramètres du modèle par un entraînement supplémentaire. Le RAG apporte des informations externes au moment de répondre. Ils répondent à des besoins différents et peuvent être combinés. L’étude de 2024 sur le RAG, l’ajustement fin et un cas agricole examine ces compromis plutôt que de considérer une technique comme un remplacement universel de l’autre.

Pour un manuel qui change fréquemment, commencez par tester si la récupération apporte les faits manquants. Si le modèle traite régulièrement mal une tâche spécialisée malgré de bonnes preuves, il peut être intéressant d’étudier de meilleures consignes, des exemples d’entraînement ou l’ajustement fin. Mesurez l’échec réel avant de choisir le traitement.

L’ajustement fin ne garantit pas un rappel fidèle, et rien ne garantit que le RAG soit moins cher. Un système souvent interrogé avec de longs contextes entraîne des coûts d’inférence récurrents. L’entraînement a ses propres coûts de préparation des données, d’évaluation et de calcul. Comparez une charge de travail définie, pas deux étiquettes commerciales.

Usages possibles

Parmi les expériences utiles figurent un assistant de centre d’aide, un outil de recherche dans un manuel interne ou un moyen d’interroger ses propres notes. Commencez par une question précise à laquelle le corpus peut réellement répondre. « Quelles étapes réinitialisent ce modèle ? » est plus facile à évaluer que « Comprends tout ce que sait notre entreprise ».

Pour chaque usage, identifiez qui maintient les sources et qui peut les lire. Une réponse d’assistance ne doit pas mêler discrètement la documentation publique au ticket privé d’un autre client. Un carnet personnel peut lui aussi contenir des informations qu’on ne souhaite pas envoyer à un service externe.

Pièges courants

Confondre accès et autorisation

Le RAG ne conserve pas automatiquement les données sur votre machine. Les services d’embeddings hébergés peuvent recevoir du texte pendant l’indexation, et un générateur hébergé reçoit le contexte inclus dans sa requête. Le stockage, la conservation, la journalisation et toute utilisation pour l’entraînement dépendent des services et réglages concernés.

Les recommandations d’AWS sur l’autorisation des données insistent sur l’application des contrôles d’accès avant de transmettre des informations à un modèle. Ne récupérez pas un document confidentiel pour compter ensuite sur une consigne demandant au modèle de le garder secret. Appliquez les autorisations dans l’application et le système de récupération.

Récupérer des instructions déguisées en informations

Un document peut contenir du texte cherchant à détourner l’assistant. Les recherches de 2023 sur l’injection indirecte de prompts montrent pourquoi on ne peut pas supposer qu’un contenu récupéré est inoffensif simplement parce qu’il provient d’une recherche. Traitez le texte source comme des données, limitez les autorisations des outils et testez des exemples hostiles. Dire au modèle d’ignorer les instructions malveillantes ne constitue pas une frontière de sécurité complète.

Supposer que davantage de contexte est forcément préférable

Lost in the Middle a constaté que la position des informations pertinentes influençait les performances des modèles et tâches étudiés. C’est une raison d’évaluer la sélection du contexte, pas la preuve que tous les modèles ignorent tous les passages situés au milieu.

Essayez des questions exigeant de combiner deux sections, de remarquer une exception ou de départager une ancienne version et une plus récente. Elles sont plus révélatrices que de demander constamment la phrase qui se trouve par hasard au début du document.

Une première expérience pratique

Je commencerais par un petit corpus de documents non sensibles et des questions dont on peut vérifier les réponses manuellement. Incluez des questions sans réponse dans le corpus. Sinon, vous ne testez jamais si l’assistant sait quand arrêter d’improviser.

Pour chaque réponse, vérifiez séparément trois choses : la recherche a-t-elle trouvé les preuves nécessaires, la réponse les a-t-elle utilisées fidèlement et répond-elle à la question ? L’article sur l’évaluation Ragas décrit ce type d’évaluation multidimensionnelle. Les scores automatiques peuvent aider à comparer les versions, mais ne doivent pas remplacer votre propre examen des échecs.

Pour la caisse imaginaire, testez une dimension manquante, une fiche produit remplacée et une règle de compagnie aérienne qui exclut explicitement l’itinéraire mentionné dans la question. Vérifiez aussi qu’un document restreint reste inaccessible. Gardez les mêmes questions en modifiant une partie du système, afin que les améliorations ne soient pas de simples impressions. Notre discussion des benchmarks de programmation par IA (en anglais) examine un autre contexte dans lequel le test choisi influence la conclusion.

Consignez assez d’éléments pour examiner les échecs sans transformer les journaux en une seconde copie incontrôlée de documents privés. Ajoutez une procédure de mise à jour et de suppression. Le travail de production est souvent moins séduisant que la démonstration : quelqu’un doit veiller à ce que les règles de l’an dernier cessent de gagner les recherches.

Questions fréquentes

Le RAG exige-t-il une recherche sémantique ?

Non. La récupération peut utiliser la recherche par mots-clés ou d’autres méthodes appropriées. La recherche sémantique est une option utile ; c’est la génération à partir d’informations récupérées qui fait de l’ensemble un schéma RAG.

Combien cela coûtera-t-il ?

Estimez le traitement des documents, l’indexation, le stockage, la récupération, les entrées et sorties du modèle et la maintenance. Multipliez les coûts mesurés par requête par le volume attendu. À titre d’illustration, une requête à un centime de dollar répétée 10 000 fois par jour coûte environ 3 000 dollars sur 30 jours, avant les autres dépenses. C’est un calcul, pas un tarif annoncé par un fournisseur.

Une citation prouve-t-elle la réponse ?

Non. Ouvrez la source et vérifiez qu’elle étaye l’affirmation précise. Un lien vers la page d’accueil d’une compagnie aérienne n’établit pas la franchise de bagages de votre vol.

Un agent peut-il utiliser le RAG ?

Oui. Un agent peut choisir quand récupérer des informations dans le cadre d’une tâche plus large. Appeler quelque chose un agent ne dispense pas de vérifier les preuves et d’appliquer les contrôles d’accès.

L’avis du chat : le RAG donne une bibliothèque à l’assistant. Il doit encore choisir le bon livre, lire la bonne page et résister à l’envie d’expliquer avec assurance la boîte dans laquelle le livre est arrivé.

Traduction française de l’article original en anglais du 2026-05-05. Traduction réalisée avec l’aide de l’IA le 2026-11-02 ; les références temporelles restent celles de l’original.