Le RAG en une phrase
RAG est l’abréviation anglaise de Retrieval-Augmented Generation, qu’on peut traduire par génération augmentée par la recherche. Avant de répondre, l’IA va chercher les passages utiles dans une source que vous lui fournissez, les lit, puis rédige sa réponse à partir de ce qu’elle vient de lire.
Le modèle lui-même n’apprend rien. ChatGPT, Claude ou Mistral restent exactement les mêmes. On leur met sous les yeux, au moment de la question, les bonnes pages de vos documents, comme un nouvel arrivant qui ouvre la bonne procédure avant de répondre au téléphone.
C’est aussi ce qui se passe, en coulisses, quand vous connectez votre Drive ou votre SharePoint à un assistant IA. Un modèle ne peut pas lire des milliers de documents à chaque question : il lit ceux qu’une recherche lui a apportés.
Comment l’IA cherche dans vos documents
Prenons une question posée par une chargée d’affaires : « Quel délai d’intervention avons-nous promis au client Durand dans son contrat de maintenance ? » Voici ce que fait un RAG.
- Vos documents ont été découpés à l’avance en morceaux de quelques paragraphes, et rangés dans une base de recherche.
- La question est transformée en recherche : l’outil cherche les morceaux qui parlent du client Durand, de contrat et de délai d’intervention.
- Les quelques morceaux les plus pertinents sont envoyés au modèle, avec la question.
- Le modèle répond en s’appuyant sur ces passages, et indique d’où vient l’information : tel contrat, tel article.
Le RAG débutant : déposer des fichiers et espérer
La version la plus courante consiste à déposer des fichiers dans un outil et à poser des questions. Pour quelques documents propres, cela marche bien. Anthropic indique d’ailleurs que si toute votre base tient en environ 500 pages, le plus simple est souvent de la donner entièrement au modèle, sans recherche du tout.
Au-delà, les défauts apparaissent vite. La recherche par le sens, utilisée par défaut, rate les codes exacts : demandez une référence d’article ou un numéro d’affaire, et vous obtiendrez des textes qui parlent du même sujet en général, pas de celui-là. L’ancienne grille tarifaire cohabite avec la nouvelle, et l’IA cite parfois la mauvaise. Surtout, quand la réponse est fausse, personne ne sait si c’est la recherche qui a raté le bon document ou le modèle qui a mal lu.
Ce qui change dans un RAG bien fait
Un RAG fiable se joue sur huit points. Le dernier est celui qu’on oublie le plus : avant de juger les réponses, on vérifie que la recherche apporte le bon document au modèle. Si elle ne le trouve pas, aucun modèle, même le meilleur, ne répondra juste.
| Point | RAG débutant | RAG bien fait |
|---|---|---|
| Découpage | Des morceaux de taille fixe, coupés au milieu d’un tableau ou d’une clause | Un découpage qui respecte la structure : article de contrat, ligne de tarif, procédure entière |
| Recherche | Par le sens uniquement | Par le sens et par mots exacts en parallèle, pour retrouver « PH-40 » ou un numéro de client |
| La question | Envoyée telle quelle | Reformulée avant la recherche : « ça fuit sur la 07 » devient « fuite pompe machine 07 procédure » |
| Le tri | Les premiers résultats, bons ou non | Un second tri plus précis relit les résultats et ne garde que les passages utiles |
| Droits d’accès | Tout le monde voit tout | Chacun ne retrouve que les documents qu’il a le droit de lire : la paie reste à la paie |
| Sources | Une réponse sans référence | Chaque réponse cite le document et le passage, pour vérifier en un clic |
| Mise à jour | On redépose les fichiers quand on y pense | Les documents modifiés sont relus automatiquement, les versions périmées retirées |
| Mesure | On juge à l’impression | Une liste de questions dont on connaît le bon document, pour vérifier que la recherche le trouve |
La limite du RAG : il retrouve des textes, pas des données ni des règles
Un RAG répond bien aux questions dont la réponse est écrite quelque part. « Que dit la procédure ? », « Quelle garantie dans ce contrat ? », « Où est la fiche technique de ce produit ? » : c’est son terrain.
Il est beaucoup moins bon dès que la réponse n’est écrite nulle part. « Quelles affaires sont en retard, et lesquelles peut-on décaler ? » demande de croiser un logiciel de gestion, un planning et la charge de l’équipe, puis de calculer. « Quel prix faire à ce client ? » demande d’appliquer une grille, une remise négociée et une règle de zone. Aucun passage de document ne contient ces réponses toutes faites.
Le RAG remonte aussi des textes qui se contredisent sans savoir lequel l’emporte : une note de service récente qui annule une procédure plus ancienne, une exception accordée à un seul client. Un collaborateur le sait. La recherche, elle, remonte les deux.
Notre façon de faire : pas seulement du RAG
Dans une PME, l’information utile vit à trois endroits : dans des documents (contrats, procédures, fiches techniques), dans des logiciels qui stockent des données structurées (clients, tarifs, commandes, historique, stocks, planning), et dans la tête de quelques personnes. Le RAG ne couvre que le premier.
Pour le deuxième, nous interrogeons directement les bases de données de vos logiciels, par des requêtes SQL ou par leur interface de programmation. « Quel est le dernier tarif appliqué à ce client pour cette prestation ? » se lit dans une table, pas dans un PDF : la réponse est exacte et à jour, au lieu d’être reconstituée à partir de textes.
Pour le troisième, nous écrivons avec vous la mémoire d’entreprise : règles de prix, remises, délais réels, façon de traiter une réclamation, ce qui ne se fait jamais. Une seule version de chaque règle, à jour. Le RAG garde sa place pour retrouver un passage dans vos contrats ou vos fiches techniques, comme une pièce parmi d’autres.
Les garde-fous autour de vos données
L’agent n’a pas les clés de toute la base. Il passe par des accès en lecture seule, ou limités aux tables utiles, et par des requêtes prévues et vérifiées plutôt que du SQL écrit librement par le modèle. Toute action qui modifie quelque chose attend une validation humaine, et chaque lecture comme chaque action est inscrite dans un journal.
Faut-il en faire un pour votre entreprise ?
Pas forcément en premier. La bonne question n’est presque jamais « faut-il un RAG ? », mais « quelle information l’agent doit-il trouver, et où vit-elle ? ». Trois questions permettent de trancher. Si vous voulez les appliquer à vos documents et à vos logiciels, vous pouvez réserver 30 minutes avec Théo.
- Vos équipes perdent-elles du temps à chercher une information qui existe déjà par écrit ? Si oui, un RAG bien fait est utile.
- Vos documents tiennent-ils en quelques centaines de pages ? Alors un assistant du marché avec vos fichiers peut suffire, sans rien construire.
- Votre besoin est-il de lire des chiffres, d’appliquer des règles ou d’agir dans vos logiciels ? Alors commencez par la mémoire d’entreprise et l’accès contrôlé à vos données, et ajoutez une recherche documentaire là où elle sert.
Sources