Qu’est-ce que RAG et pourquoi est-il utile ?
RAG, c'est comme un collègue ouvrant un dossier avant de répondre.
Ce que vous apprendrez
- Expliquez : un chiffon accède aux preuves, il ne se recycle pas
- Appliquez l’idée dans un exemple : qu’est-ce que RAG et pourquoi est-il utile ?
- Reconnaître les limites et vérifier le résultat de l'exercice
RAG, c'est comme un collègue ouvrant un dossier avant de répondre. Vérifiez qu'il trouve la bonne page et préserve son sens.
Vous pouvez suivre ce cours sans compte ni programmation. Les exemples utilisent des données synthétiques et les résultats de l’IA doivent être vérifiés.
Comment ça marche, étape par étape
RAG accède aux preuves, il ne se recycle pas
RAG signifie génération augmentée par récupération : la récupération fournit les passages pertinents avant que le modèle ne réponde. L'ingestion prépare les documents, tandis que l'exécution des requêtes recherche dans l'index et crée le contexte. Un modèle d'intégration représente le texte numériquement ; le modèle de réponse écrit la réponse. Les modèles de rerankers, de vision, de graphiques et de routeurs ont des rôles différents en cas de besoin. RAG aide avec les informations privées ou changeantes mais ne garantit pas la vérité. Utilisez une API autorisée pour les soldes, l'inventaire exact ou les autorisations ; un ancien document n'est pas une source fiable pour l'état actuel.
Les bons documents précèdent les bonnes réponses
Préparez un texte lisible, des titres clairs, des tableaux avec en-têtes et sources sans doublons inutiles. Le chunking divise un document en passages récupérables séparément ; le chevauchement préserve la continuité entre voisins. Un petit morceau peut perdre des conditions, tandis qu'un gros morceau introduit du bruit. Les métadonnées préservent la source, la position et la version, ainsi que la portée d'accès lorsque l'implémentation l'impose. Le téléchargement stocke le fichier ; l'indexation le rend consultable. Lorsqu'une source change, vérifiez que les anciens fragments disparaissent et que les nouveaux sont récupérés avant de déclarer la base de connaissances actuelle.
La fluidité et l’exactitude se vérifient séparément
Une hallucination est un contenu non étayé ou incorrect présenté comme une réponse. Cela peut provenir d’informations manquantes, d’ambiguïtés ou de modèles mal combinés. Demandez des preuves et vérifiez le document original, la date, les unités et les conditions. Une véritable citation peut toujours ne pas étayer l’affirmation. Utilisez des sources actuelles pour les faits actuels, une calculatrice pour l'arithmétique et « ne peut pas déterminer » quand des preuves sont manquantes. Ne considérez pas la confiance exprimée en prose comme une probabilité calibrée.
Le schéma explicatif
Suivez les flèches pleines pour le flux principal. Les flèches bleues en pointillés fournissent des données ou un contexte ; les flèches roses en pointillés affichent des commentaires ou des résultats renvoyés. Les couleurs et les formes distinguent les modèles, les magasins, les décisions et les sorties. La récupération renvoie des preuves. Si un modèle de réponse est activé, il compose également une réponse ; les preuves récupérées doivent encore être vérifiées. Sur un petit écran, faites défiler horizontalement pour suivre le schéma complet.
Un exemple complet
Téléchargez et indexez la politique fictive, puis demandez sa date limite. La récupération fournit le passage de 14 jours au modèle. Une question de garantie absente de la source doit être traitée comme une information manquante.
Essayez-le vous-même
- Dessinez l'ingestion et l'exécution des requêtes séparément pour la politique de retour.
- Enregistrez l’entrée, la source et le résultat attendu avant d’exécuter l’expérience. Utilisez uniquement les données fictives de l'exemple.
- Suivez les étapes du diagramme. À chaque étape, enregistrez les informations reçues et produites ; ne confondez pas le résultat intermédiaire avec le résultat final.
- Répétez après avoir supprimé les informations nécessaires ou rendu la saisie ambiguë. Vérifiez si le système clarifie, arrête ou invente une réponse.
- Comparez avec la solution expliquée. Conservez la configuration, la date, le résultat et une explication des différences. Changez une chose et retestez.
Une solution expliquée
La réponse peut être vérifiée par rapport au passage ; les questions non fondées ne reçoivent aucune promesse inventée. Un exercice réussi vous permet de montrer le lien entre les contributions, les étapes et les résultats. Lorsqu’une information manque, une réponse prudente est plus utile que des détails inventés. Comparez bien plus que le style : vérifiez également les conditions, les sources et les opérations.
Quand cette approche est utile et quelles sont ses limites
L'indexation et la réponse sont des chemins distincts avec des modes de défaillance différents. Choisissez cette approche lorsqu’elle améliore un besoin mesuré. Gardez une base de référence simple et comparez les résultats en utilisant des entrées identiques. Un exemple réussi n’établit pas la fiabilité dans toutes les situations.
Vérifiez vos connaissances
RAG modifie-t-il les paramètres LLM ?
Non. Il fournit le contexte de l’heure de la demande ; les changements de paramètres appartiennent à la formation.
Le téléchargement terminé signifie-t-il qu'un document est prêt pour RAG ?
Non. L’extraction, le regroupement et l’indexation doivent également se terminer avec succès.
Quel résultat cet exercice devrait-il produire ?
La réponse peut être vérifiée par rapport au passage ; les questions non fondées ne reçoivent aucune promesse inventée.
Les mots à retenir
- Récupération: Trouver des informations pertinentes dans des sources accessibles.
- Gros morceau: Un passage de document pouvant être récupéré séparément.
- Mise à la terre: Fonder une réponse sur des preuves vérifiables.
Sources et votre prochaine étape
Pour préparer : F03 — Qu'est-ce qu'un LLM et comment répond-il ? · P02 — Ingénierie du contexte : qu'arrive-t-il au modèle ? · P07 — Invite, RAG ou réglage fin ?