Génération augmentée par récupération (RAG)
Le RAG, pour Retrieval-Augmented Generation, combine récupération d’informations et génération afin d’ancrer la réponse d’un modèle dans des données externes pertinentes.
Comment fonctionne Génération augmentée par récupération (RAG) ?
Le système recherche d’abord des documents ou passages liés à la requête, puis les injecte dans le contexte du modèle avant la génération de la réponse.
Dans un système d’IA en production, le modèle n’est qu’un composant. Les données, les API, les outils et l’orchestration déterminent comment la sortie devient une action fiable et mesurable.
Exemple concret
Un assistant interne peut rechercher les sections pertinentes d’une base de procédures puis répondre avec les règles actuelles de l’entreprise plutôt qu’avec sa seule connaissance générale.
À ne pas confondre
Le RAG n’entraîne pas nécessairement le modèle. Il apporte du contexte au moment de la requête, contrairement au fine-tuning.
Questions fréquentes sur Génération augmentée par récupération (RAG)
Qu’est-ce que Génération augmentée par récupération (RAG) ?
+
Le RAG, pour Retrieval-Augmented Generation, combine récupération d’informations et génération afin d’ancrer la réponse d’un modèle dans des données externes pertinentes.
À quoi sert Génération augmentée par récupération (RAG) ?
+
Un assistant interne peut rechercher les sections pertinentes d’une base de procédures puis répondre avec les règles actuelles de l’entreprise plutôt qu’avec sa seule connaissance générale.
Comment fonctionne Génération augmentée par récupération (RAG) dans un workflow IA ?
+
Le système recherche d’abord des documents ou passages liés à la requête, puis les injecte dans le contexte du modèle avant la génération de la réponse.
Quel exemple concret de Génération augmentée par récupération (RAG) ?
+
Un assistant interne peut rechercher les sections pertinentes d’une base de procédures puis répondre avec les règles actuelles de l’entreprise plutôt qu’avec sa seule connaissance générale.
Quelle différence avec une notion proche ?
+
Le RAG n’entraîne pas nécessairement le modèle. Il apporte du contexte au moment de la requête, contrairement au fine-tuning.