RAG : brancher l'IA sur les documents de votre entreprise
palier II · praticien · 9 min · article interactif ✦
Demandez à ChatGPT le délai de carence prévu par votre accord d'entreprise : il ne le sait pas — et il risque d'inventer une réponse plausible. Vos procédures, vos contrats, vos historiques clients n'existent pas dans le modèle. Le RAG est la réponse standard à ce problème, et c'est probablement le premier projet IA sérieux que votre entreprise mènera. Autant le comprendre avant qu'il n'arrive en comité.
Trois lettres, un principe simple
RAG : Retrieval-Augmented Generation, génération augmentée par la recherche. Au lieu de laisser le modèle répondre de mémoire, le système cherche d'abord les passages pertinents dans vos documents, puis les fournit au modèle avec votre question, et le modèle rédige sa réponse à partir de ces extraits — sources citées à l'appui.
le pipeline RAG : chercher d'abord, générer ensuite
Imaginez un consultant brillant à qui l'on remet, avant chaque réponse, le bon dossier ouvert à la bonne page. C'est ça, le RAG.
Pourquoi c'est la bonne première marche
Pas de réentraînement : on ne modifie pas le modèle, on l'alimente. Moins coûteux et plus rapide qu'un fine-tuning.
Toujours à jour : une procédure change ? On met à jour le document, pas le modèle.
Traçable : la réponse cite ses sources — l'utilisateur peut vérifier. Pour un usage en entreprise, c'est décisif.
Cloisonnable : on choisit ce qui entre dans la base — et on peut respecter les droits d'accès existants.
Ce qu'un cadre doit surveiller
Le talon d'Achille du RAG n'est pas l'IA — c'est la qualité de votre documentation. Un RAG branché sur des documents obsolètes, contradictoires ou mal rangés produira des réponses obsolètes, contradictoires et bien formulées. La règle d'or : la valeur d'un RAG, c'est 20 % de modèle et 80 % de gouvernance documentaire. Bonne nouvelle : la gouvernance, c'est votre métier.
testez-vous — comme dans le parcours
Votre DSI propose un assistant RAG sur la base documentaire RH. Quelle est LA première question à poser ?
✓ La question qui tue les projets RAG n'est jamais le choix du modèle : c'est la gouvernance des sources et des accès. Vous venez de gagner six mois de comité.
Important, mais pas premier. Relisez la règle des 20/80 et réessayez.
Pour aller plus loin
RAG ou fine-tuning : comment choisir ?
Le RAG apporte des connaissances (vos documents, à jour). Le fine-tuning apporte un comportement (un ton, un format, une spécialité). Besoin que l'IA réponde sur vos procédures ? RAG. Besoin qu'elle rédige exactement dans le style maison sur des milliers de cas ? Fine-tuning — et souvent, RAG d'abord quand même.
Les 3 questions de cadrage avant de lancer le projet
1) Quels documents entrent dans la base — et lesquels sont exclus (RH sensible, juridique) ? 2) Qui est responsable de la mise à jour des sources ? 3) Le système respecte-t-il les droits d'accès existants — un collaborateur peut-il obtenir via l'IA un document qu'il n'a pas le droit d'ouvrir ?
Le signal d'alarme à connaître
Si la démo du prestataire répond parfaitement… sur SES données de démonstration, exigez un pilote sur VOS documents réels, avec vos doublons, vos versions contradictoires et vos PDF scannés. C'est là que les projets RAG se gagnent ou se perdent.
Comment savoir si votre IA s'améliore ?
Un RAG (ou tout assistant) n'est pas figé : il se pilote dans la durée. Le levier le plus simple est sous vos yeux — le pouce haut / pouce bas que cliquent vos utilisateurs. Ce n'est pas cosmétique : c'est de la donnée d'amélioration. Trois briques à mettre en place : l'observabilité (tracer ce que le système a répondu, et sur quelles sources), la collecte du feedback (le vote pouce haut / pouce bas, et un commentaire), et une routine d'analyse des échecs (que disent les retours négatifs ? source manquante, extrait hors sujet, réponse inventée ?). La boucle utile : observer → mesurer → corriger. Sans elle, la qualité dérive en silence et vous ne le voyez pas.
Questions fréquentes
Quelle est la différence entre le RAG et le fine-tuning ?
Le RAG fournit vos documents au modèle au moment de la question, sans le réentraîner. Le fine-tuning réentraîne le modèle sur des exemples pour fixer un ton ou un format. Le RAG est souvent le bon premier choix.
Le RAG réentraîne-t-il l'IA sur mes données ?
Non. Il retrouve les bons extraits à la volée et les transmet au modèle ; vos données ne modifient pas le modèle lui-même.
Que faut-il avant de lancer un projet RAG ?
Des documents propres, à jour et avec des droits d'accès clairs. La qualité documentaire représente l'essentiel — environ 80 % — de la réussite du projet.
Le RAG évite-t-il les hallucinations ?
Il les réduit fortement, car les réponses sont sourcées et vérifiables, mais ne les supprime pas totalement : la vérification de ce qui engage reste nécessaire.
Cette notion est un niveau complet du parcours IAPLC.
Dans la formation, vous la pratiquez sur VOTRE contexte : leçons générées pour votre métier, exercices interactifs, progression gamifiée.