GraphRAG
📝 Définition courte
Architecture RAG qui extrait des entités et leurs relations dans un graphe de connaissances, permettant des requêtes globales qu’une recherche vectorielle classique ne peut pas répondre.
📖 Définition détaillée
Popularisé par les recherches de Microsoft (2024), GraphRAG remplace (ou complète) la base vectorielle par un Knowledge Graph : le système extrait les entités (Personnes, Lieux, Concepts) et leurs relations depuis les documents. Lors d’une requête, le LLM peut naviguer ce graphe pour répondre à des questions globales ou relationnelles.
Exemple de question impossible pour le RAG vectoriel classique, mais faisable avec GraphRAG : “Quels sont les thèmes transversaux entre tous les documents produits par l’équipe produit ce mois-ci ?”
Inconvénient : la construction du graphe est plus coûteuse et complexe qu’un simple indexing vectoriel.
💡 Pourquoi c’est important en IA on-premise
Pertinent quand la base documentaire est dense en relations (ex : base légale, code source, documentation technique). À privilégier si le RAG vectoriel échoue sur les questions de synthèse globale.
⚠️ Pièges fréquents
- Coût d’extraction des entités élevé (nécessite souvent un LLM dédié à la construction du graphe).
- Plus complexe à mettre à jour qu’un index vectoriel.
- Pas toujours supérieur au RAG vectoriel pour les recherches factuelles localisées.
📚 Pour comprendre en profondeur
- 🧩 RAG & Agents (GraphRAG dans le contexte de l’évolution agentique)