Le RAG expliqué simplement : créer un chatbot qui répond à partir de vos documents
Un guide clair sur la génération augmentée par la recherche (RAG) : comment elle fonctionne, quand l'utiliser, ce que coûte son développement et les erreurs qui font répondre faux les assistants IA.

Interrogez un modèle d'IA généraliste sur la politique de remboursement de votre entreprise : il refusera ou, pire, inventera une réponse plausible. Il n'a tout simplement jamais vu vos documents. La génération augmentée par la recherche (RAG) règle ce problème : avant de répondre, le système trouve les passages pertinents de vos propres contenus et les fournit au modèle comme contexte.
Comment fonctionne le RAG
- Préparation (une fois, puis à chaque mise à jour) : les documents sont découpés en extraits (chunks), et chaque extrait est transformé en vecteur numérique (embedding) qui capte son sens. Les vecteurs sont stockés dans une base vectorielle.
- Recherche : la question de l'utilisateur est aussi transformée en vecteur, et la base renvoie les extraits les plus proches par le sens – souvent combinés à une recherche classique par mots-clés.
- Génération : le modèle reçoit la question, les extraits trouvés et des consignes telles que « réponds uniquement à partir du contexte, cite tes sources, dis que tu ne sais pas si la réponse n'y est pas ».
Quand le RAG est utile – et quand il ne l'est pas
| Situation | Adapté ? |
|---|---|
| Bot de support répondant à partir du centre d'aide et des politiques | Oui |
| Assistant interne pour wikis, contrats, documentation technique | Oui |
| Assistant commercial répondant à partir des catalogues et tarifs | Oui, avec synchronisation régulière des données |
| Calculs, statut de commande, données de compte | Mieux via des appels API directs (outils), pas le RAG |
| Textes créatifs sans faits sur l'entreprise | Inutile |
Ce qui détermine la qualité des réponses
- Qualité des sources : des documents obsolètes ou contradictoires donnent des réponses obsolètes ou contradictoires. Nettoyer la base de connaissances représente souvent la moitié du projet.
- Découpage : des extraits trop petits perdent le contexte, trop grands ils diluent la recherche. Découper par titres et sections fonctionne généralement mieux qu'une longueur fixe.
- Recherche : la recherche hybride (sens + mots-clés) et le reclassement des résultats améliorent nettement la pertinence, surtout pour les références produit et les noms.
- Consignes : le modèle doit savoir qu'il doit rester dans le contexte et admettre quand il ne sait pas.
- Droits d'accès : un utilisateur ne doit obtenir des réponses qu'à partir des documents qu'il a le droit de voir.
Pile technique typique
| Couche | Options |
|---|---|
| Modèles | OpenAI GPT, Anthropic Claude, Google Gemini ou des modèles open source comme Llama ou Mistral |
| Embeddings et stockage vectoriel | pgvector dans PostgreSQL, Qdrant, Pinecone, Weaviate |
| Orchestration | LangChain, LlamaIndex ou un service maison léger |
| Interface | Widget sur le site, bot Telegram ou Slack, portail interne |
| Qualité | Jeu d'évaluation, journalisation, boutons de retour, monitoring |
Comment nous construisons un assistant RAG
- Cadrage : à quelles questions doit-il répondre, à partir de quelles sources, pour qui ?
- Audit des connaissances : supprimer doublons et documents obsolètes, définir les règles de mise à jour.
- Prototype en 1 à 2 semaines sur de vrais documents et de vraies questions.
- Évaluation : 50 à 150 questions de test avec réponses attendues ; nous mesurons la précision, l'ancrage dans les sources et le comportement « je ne sais pas ».
- Intégration et lancement : widget ou bot, droits d'accès, analytique.
- Boucle d'amélioration : chaque mauvaise réponse en production devient un nouveau cas de test.
Coûts et confidentialité
Les coûts d'exploitation dépendent surtout du nombre de questions et du modèle choisi ; pour la plupart des PME, ils restent modestes comparés au temps passé par le support. Si les données ne doivent pas quitter votre infrastructure, toute la pile peut tourner sur vos serveurs avec des modèles open source.


