RAG · Recherche documentaire

Un assistant IA qui répond à partir de vos documents internes

Vos équipes perdent du temps à retrouver une procédure, une clause ou une décision déjà prise. Un assistant fondé sur le RAG (retrieval-augmented generation) interroge vos documents, rédige une réponse et indique les passages sur lesquels il s’appuie. Encore faut-il qu’il respecte les droits d’accès et qu’on puisse mesurer s’il a raison.

Le problème

La connaissance de l’entreprise est dispersée : un intranet, un drive partagé, des PDF, une base de tickets, des messageries. Le moteur de recherche interne renvoie des documents, pas des réponses, et les nouveaux arrivants dépendent de trois personnes qui « savent ».

Un modèle de langage généraliste ne connaît pas vos documents et invente quand il ne sait pas. Le RAG corrige cela en lui fournissant, à chaque question, les extraits pertinents de votre base. La qualité de la réponse dépend alors beaucoup plus de la recherche que du modèle.

Comment nous procédons

  1. 1

    Partir des questions, pas des documents

    Nous recueillons auprès des futurs utilisateurs une cinquantaine de vraies questions, avec la réponse attendue et le document qui la contient. Ce jeu de test sert de référence pendant tout le projet : sans lui, personne ne peut dire si une modification améliore ou dégrade l’assistant.

  2. 2

    Préparer les sources

    Extraction du texte, nettoyage, découpage en passages cohérents, métadonnées (date, service, version, confidentialité). Les tableaux, les documents scannés et les versions obsolètes sont traités explicitement : ce sont eux qui produisent la plupart des mauvaises réponses.

  3. 3

    Construire la recherche, puis la génération

    Recherche hybride (vectorielle et lexicale), reclassement des résultats, puis génération d’une réponse qui cite ses passages. Les droits d’accès sont appliqués au moment de la recherche : l’assistant ne peut pas citer un document que l’utilisateur n’a pas le droit d’ouvrir.

  4. 4

    Mesurer, mettre en production, faire vivre

    Évaluation automatique sur le jeu de test à chaque changement, journal des questions sans réponse, retour utilisateur en un clic. La synchronisation avec vos sources est automatisée pour que l’assistant ne réponde pas avec la procédure de l’an dernier.

Ce qui fait échouer ces projets

Indexer tout, sans tri

Trois versions d’une même procédure dans l’index donnent trois réponses différentes. Le tri des sources est un travail métier, pas technique, et il doit avoir un responsable.

Ignorer les droits d’accès

Un assistant qui résume un document RH à quelqu’un qui ne devrait pas le lire est un incident de sécurité. Le filtrage se conçoit dès l’architecture, pas après la démonstration.

Juger sur une démonstration

Dix questions bien choisies donnent toujours une bonne impression. Seule une évaluation sur des questions réelles, y compris celles dont la réponse n’existe pas dans la base, dit ce que vaut le système.

Ce que vous recevez

  • Jeu de questions de référence et rapport d’évaluation
  • Pipeline d’ingestion et de synchronisation de vos sources
  • Assistant intégré à vos outils (web, intranet, messagerie interne ou API)
  • Filtrage par droits d’accès et journal d’audit
  • Tableau de bord : questions posées, questions sans réponse, retours utilisateurs
  • Documentation d’exploitation et transfert à vos équipes

Questions fréquentes

Nos documents sortent-ils de l’entreprise ?

Cela dépend de l’architecture retenue, et c’est une décision que nous prenons avec vous au cadrage. Selon la sensibilité des données, nous pouvons utiliser un modèle hébergé en Europe avec engagement contractuel de non-réutilisation, ou un modèle ouvert déployé sur votre propre infrastructure.

Faut-il entraîner un modèle sur nos données ?

Dans la très grande majorité des cas, non. Le RAG fournit les documents au modèle au moment de la question, sans réentraînement. C’est plus simple à mettre à jour, plus facile à auditer, et la suppression d’un document est immédiate.

Que se passe-t-il quand l’assistant ne sait pas ?

Il doit le dire. Nous réglons et testons explicitement ce comportement : quand aucun passage pertinent n’est trouvé, l’assistant l’indique et propose vers qui se tourner, plutôt que de produire une réponse plausible et fausse.

Vous avez un cas proche de celui-ci ?

Décrivez-nous la situation en quelques lignes. Nous vous dirons si l’IA est la bonne réponse — et nous vous le dirons aussi quand elle ne l’est pas.

Parler de votre projet