Qu’est-ce que le RAG documentaire ?

Comment fonctionne un système RAG ?

1. Préparer les documents. Le système extrait le texte et les tableaux. Pour les PDF numérisés, la reconnaissance optique de caractères (OCR) rend le texte exploitable. La qualité de cette étape conditionne ce que la recherche pourra retrouver.
2. Indexer les passages. Les documents sont découpés en unités de recherche. Les références au document et à la page doivent rester attachées aux passages pour pouvoir remonter à la source.
3. Rechercher à partir de la question. Une recherche peut rapprocher le sens de la question et celui des passages, ou chercher des termes exacts. Une recherche hybride combine ces approches.
4. Rédiger et vérifier. Le modèle reçoit la question et les extraits sélectionnés pour préparer sa réponse. Le lecteur doit pouvoir ouvrir les citations et vérifier qu’elles soutiennent les affirmations.

Dans Citrail, ces étapes correspondent à l’ingestion documentaire, à la recherche hybride et à l’orchestration des recherches. Le RAG décrit une méthode ; la qualité du résultat dépend de chacune de ces étapes.

Un exemple sur un dossier d’appel d’offres

Un règlement de consultation peut répartir les critères d’évaluation dans plusieurs paragraphes et tableaux. Une question utile serait : « Quels critères départagent les offres du lot 1, et quelle est leur pondération ? »

La démonstration de Citrail permet de rapprocher une réponse de sa page source. Vous pouvez voir cet exemple sur l’accueil ou ouvrir le règlement de démonstration (PDF). Il s’agit d’un support de démonstration, pas d’une preuve de performance sur tous les appels d’offres.

RAG, recherche classique et entraînement : quelles différences ?

Importer un nouveau PDF dans Citrail alimente la recherche documentaire. Citrail n’entraîne pas de modèle avec les documents importés. Le traitement des extraits par le fournisseur d’IA est un sujet distinct, détaillé dans la notice de confidentialité.

Quelles sont les limites du RAG ?

Une réponse sourcée peut encore être fausse. Le moteur peut retrouver un passage incomplet, l’OCR peut mal lire une valeur et le modèle peut confondre une condition avec une obligation. Une citation utile rend l’erreur vérifiable ; elle ne la supprime pas.

Une absence de résultat ne prouve pas non plus qu’une information est absente du dossier. Vérifiez l’import du fichier, la lisibilité du texte, le périmètre recherché et les versions disponibles. Pour évaluer un outil, prévoyez aussi des questions dont la réponse ne figure dans aucun document.

Enfin, l’hébergement de l’application et celui du modèle peuvent être différents. Dans la bêta hébergée de Citrail, les documents et les index sont sur un serveur à Paris ; la question et les passages retenus sont transmis au fournisseur d’IA configuré, après remplacement des données personnelles détectées. Cette détection n’est pas une garantie d’anonymisation complète. Consultez les options de modèle pour examiner ce choix.

Quand utiliser un RAG documentaire ?

Cette approche est pertinente quand la réponse dépend de vos propres dossiers : retrouver une clause dans un contrat et ses avenants, rapprocher une procédure d’une exigence, ou consulter plusieurs manuels techniques. Elle est moins utile quand une simple recherche de mot suffit ou lorsque le document source est trop dégradé pour être lu.

Avant de généraliser un outil, testez-le sur un petit corpus représentatif. Notre guide choisir un système RAG en entreprise propose des questions et des critères de contrôle. Pour commencer par un seul fichier, suivez la méthode pour interroger un PDF avec une IA.

Pour aller plus loin

Le travail de Patrick Lewis et ses coauteurs, Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (NeurIPS 2020), décrit l’association d’une recherche dans une mémoire documentaire et d’un modèle de génération. Les détails d’implémentation et les exemples de cette page décrivent Citrail.