Retrieval-Augmented Generation (RAG).
En françaisgénération augmentée par récupérationAussi : génération augmentée par recherche · recherche augmentée
Architecture qui récupère des informations externes pertinentes et les fournit au modèle avec la requête.
Valeurs clés
pipeline : découper → indexer → rechercher (top-k) → augmenter le prompt → générer
Explication
Un pipeline RAG indexe les documents, recherche des passages au moment de la question et les ajoute au contexte génératif. Il sépare ainsi les documents de référence des paramètres du modèle.
Exemple
Une question RH déclenche une recherche dans le règlement interne puis le modèle rédige une réponse avec les extraits trouvés.
Limites
Une recherche ratée, des documents périmés ou une citation trompeuse produisent une mauvaise réponse ; RAG ne garantit pas la vérité.
Usages métiers
- Question-réponse documentaire
- Recherche dans un corpus privé
Métiers associés
- Ingénieur IA
- Documentaliste numérique
Compétences mobilisées
- Recherche d’information
- Indexation
- Évaluation de récupération
Notions liées
Chaque ligne se lit comme une phrase : « Retrieval-Augmented Generation utilise Retriever ».
- utiliseRetrieverrécupérateur
- utiliseChunkingdécoupage en passages
- utiliseText Embeddingembedding de texte
- utiliseVector Databasebase de données vectorielle
- alternative àFine-tuningajustement fin
- voir aussiGroundingancrage
- voir aussiContext Windowfenêtre de contexte
Sources
Vérification et historique
Sources vérifiées le .
- — Première publication — lot 1 : définition relue à partir des sources citées.
- — Révision de structure : catégorie, relations typées, synonymes séparés des exemples et lien vers la leçon.
Mise à jour le