Développement de pipelines RAG : rendez vos documents interrogeables

La génération augmentée par récupération (retrieval-augmented generation). Vos documents sont découpés en passages et indexés. Quand quelqu'un pose une question, le pipeline cherche dans cet index, transmet les passages correspondants à un modèle comme contexte, et le modèle répond à partir d'eux plutôt que de mémoire.

Le modèle n'est jamais entraîné sur vos données et n'a pas besoin de l'être. Modifiez un document aujourd'hui, et la réponse de demain change avec lui. Supprimez-en un, et il cesse d'être cité.

Approche	Bon pour	Où ça casse
Pipeline RAG	Répondre à partir de documents qui changent sans cesse, avec une source par affirmation	Exige une recherche construite proprement plutôt que rajoutée après coup
Fine-tuning	Enseigner un ton, un format et un comportement de tâche	Les faits deviennent obsolètes dès qu'un document est modifié
Tout coller dans le prompt	Petits ensembles de documents stables	Le coût et la précision se dégradent à mesure que la pile grossit, et il n'y a aucune trace des sources

La plupart des entreprises qui demandent un chatbot sur leurs documents veulent la première ligne. Les deux autres leur sont vendues parce qu'elles se montrent plus vite en démo.

Ingestion. Drive, SharePoint, votre CRM, votre outil de ticketing, une boîte mail partagée, une base de données. Les PDF scannés passent par l'OCR. Les tableaux sont extraits en tant que tableaux, car une grille tarifaire aplatie en paragraphe ne répond à rien.

Découpage selon la structure. Les passages sont coupés aux clauses, aux sections et aux titres plutôt que tous les 500 caractères. Une clause de contrat coupée en deux répond à la moitié d'une question, avec assurance.

Recherche hybride. Recherche par mots-clés et recherche vectorielle ensemble. Les vecteurs seuls ratent les références produit, les numéros de facture et les noms de famille. Les mots-clés seuls ratent la question posée avec d'autres mots. Un reranker ordonne ce que les deux renvoient avant que quoi que ce soit n'atteigne le modèle.

Génération ancrée. Le modèle répond uniquement à partir des passages récupérés. Quand ils ne contiennent pas la réponse, il le dit.

Évaluation. Nous rédigeons un jeu de questions avec votre équipe, avec les bonnes réponses et les documents dont elles proviennent, et nous le faisons tourner à chaque modification. La recherche est notée séparément de la réponse. Quand une réponse est fausse, c'est généralement que la recherche a manqué le passage, et changer de modèle n'y aurait rien changé.

Rafraîchissement. Les documents changent, donc l'index suit. Modifications, nouvelles versions et suppressions se propagent toutes, y compris les suppressions.

Chaque affirmation d'une réponse pointe vers le passage dont elle provient, et ce passage renvoie au document, à la page ou à la section. Votre équipe peut l'ouvrir et vérifier.

Le refus compte autant que la citation. « Cela ne figure pas dans vos documents » est une réponse correcte, et nous construisons pour elle plutôt qu'en la contournant. Un pipeline qui produit toujours quelque chose est un pipeline que personne ne vérifie deux fois.

Oui, et c'est là que la plupart des déploiements internes échouent sans bruit. Si tout est indexé dans un seul pool, la revue des salaires, le dossier disciplinaire et le mémo d'acquisition non signé deviennent consultables par quiconque pose la bonne question.

Le contrôle d'accès se place au moment de la recherche, pas à la fin. Chaque passage porte la liste d'accès du document dont il provient, tirée du système source, et la recherche est filtrée selon l'identité de la personne qui demande avant que les résultats soient classés. Filtrer après la recherche laisse fuiter l'information par le texte de la réponse, même quand le lien vers le document est masqué. Quand les permissions changent à la source, l'index est resynchronisé. Les contrôles plus larges autour d'un corpus indexé, y compris la défense contre l'injection et la journalisation d'audit, relèvent de l'étage sécurité.

Sur des comptes à votre nom. L'index vectoriel, le stockage des documents et l'application tournent dans votre cloud, dans une région que vous choisissez. Les API des modèles sont configurées en non-conservation (zero retention). Vous pouvez vous connecter et en lire chaque ligne sans nous demander.

C'est la même exigence que partout ailleurs, et le raisonnement est exposé dans pourquoi votre automatisation doit tourner sur des comptes que vous contrôlez. Pour un pipeline RAG, c'est encore plus important que d'habitude, car les embeddings de vos documents sont vos documents, statistiquement parlant. Les héberger sur le compte d'un prestataire revient à lui remettre le corpus.

Si vous vendez dans l'UE, nous hébergeons dans une région de l'UE et nous l'encadrons correctement avec un DPA et des clauses contractuelles types. L'endroit où se trouve votre équipe et l'endroit où se trouvent vos données sont deux questions différentes, et nous les traitons comme telles. Le Maroc, où nous construisons, est le 55e État partie à la Convention 108 sur la protection des données depuis le 1er septembre 2019, ce qui est le socle qu'une équipe juridique européenne vérifie généralement en premier. La façon dont nous traitons les données en tant qu'entreprise figure dans notre politique de confidentialité (en anglais), et le volet commercial d'une mission dans nos conditions générales (en anglais).

Un vrai corpus est rarement dans une seule langue. Des contrats en français, des fils WhatsApp en darija, la correspondance officielle en arabe, la documentation produit en anglais, un dossier fournisseur en espagnol, souvent dans le même dossier et parfois dans le même fichier. Toute entreprise qui travaille dans plus d'une langue finit avec une version de cette situation.

C'est un problème de recherche avant d'être un problème de modèle : du texte de droite à gauche, de l'arabe passé par l'OCR, et des questions posées dans une langue sur un document écrit dans une autre. Nous construisons et testons dans toutes ces langues, parce que nous travaillons dans toutes.

Un bon profil si : la même question sur un document arrive à votre équipe chaque semaine ; le support, le juridique, les achats ou les opérations lisent les mêmes fichiers pour y répondre ; votre équipe doit vérifier la réponse dans la source avant d'agir ; votre corpus est assez volumineux ou assez dispersé pour que la simple recherche ne suffise plus.

Pas un bon profil si : vous avez deux cents pages qu'une seule personne peut lire, auquel cas un champ de recherche coûte moins cher ; vos réponses se trouvent dans une seule base de données propre, auquel cas interrogez la base ; ou les documents se contredisent et personne n'a décidé quelle version l'emporte. Un pipeline RAG sur des documents contradictoires renvoie les contradictions plus vite. Corrigez d'abord la source, et nous vous le dirons pendant l'appel plutôt qu'après la facture.

Nous choisissons un ensemble de questions réellement posées, ingérons un vrai corpus plutôt qu'un dossier de démo, et vous mettons entre les mains quelque chose qui fonctionne. Deux semaines jusqu'à ce premier livrable, au prix écrit dans votre proposition avant que le travail ne commence. Ensuite, nous élargissons le corpus, ajoutons les sources laissées de côté, et restons pour l'exploiter.

Le RAG se trouve sur l'étage agents IA, l'un des cinq que nous exploitons. Si vous voulez que le pipeline agisse sur ce qu'il trouve plutôt que de répondre à des questions à son sujet, c'est du développement d'agents IA, et les deux sont généralement construits ensemble. Vous pouvez parcourir les cinq étages pour voir comment ils s'articulent, lire ce que fait une agence d'automatisation IA au quotidien, ou retrouver les analyses plus longues sur le blog.

Apportez-nous la question à laquelle votre équipe répond encore à la main. Trente minutes d'appel. Puis, sous 72 heures : une proposition écrite avec un prix clair, et une démo gratuite qui tourne sur l'une de vos vraies questions. Sans engagement.