RAG
📝 Définition courte
Méthode qui récupère des passages pertinents dans une base documentaire, puis génère une réponse avec un LLM enrichi de ce contexte1.
📖 Définition détaillée
Le RAG (Retrieval-Augmented Generation) sépare deux phases :
- Retrieval — requête → embeddings → recherche de similarité dans une base vectorielle (ou hybride BM25 + vecteurs).
- Generation — concaténation prompt système + chunks récupérés + question utilisateur → réponse du modèle.
Variantes couvertes dans le vault : Agentic RAG (boucles retrieve/grade/rewrite), GraphRAG, Memory Tree pour contextes longs.
💡 Pourquoi c’est important en IA on-premise
- Exploite la connaissance interne sans réentraîner le modèle — adapté aux contraintes RGPD et souveraineté.
- Réduit les hallucinations si le retrieval est bon ; ne les élimine pas (voir pièges).
- Couplé au multi-tenant, exige une isolation stricte des index (OWASP LLM08).
⚠️ Pièges fréquents
- Chunking naïf : morceaux trop grands ou coupés au milieu d’une phrase → retrieval inutile.
- Confondre RAG et sécurité : un document empoisonné peut provoquer une prompt injection indirecte.
- Ignorer l’évaluation : mesurer retrieval + fidélité (RAGAS, golden dataset) — voir évaluer un modèle local.
- Surdimensionner le modèle pour compenser un mauvais index : optimiser d’abord embeddings et re-ranking.
📚 Pour comprendre en profondeur
- 🧩 RAG & Agents — architecture complète 2026
- 🧪 Évaluer un modèle local
- LangGraph — orchestration agentique
🔗 Voir aussi
- Base de données vectorielle
- GraphRAG
- Prompt injection
- Appel d'outils
- Fenêtre de contexte
- 📖 Glossaire IA
Footnotes
-
Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (NeurIPS 2020). https://arxiv.org/abs/2005.11401 ↩
Modèle IA entraîné sur de très grands corpus de texte, souvent de type Transformer ; en local, ses performances dépendent autant de la mémoire que du modèle.Représentation numérique dense d'un token ou d'un document dans un espace vectoriel.Base de données spécialisée dans le stockage et la recherche de vecteurs d'embeddings pour le RAG.Évolution du RAG basée sur un graphe de connaissances plutôt qu'une base vectorielle.Architecture mémoire qui organise documents et résumés en arbre hiérarchique pour limiter le contexte injecté au LLM.Architecture SaaS IA où une même infrastructure sert plusieurs organisations isolées, avec risque de fuite inter-tenant en RAG.Attaque où du contenu non fiable dans le contexte du LLM détourne ses instructions système pour exfiltrer des données ou exécuter des actions non autorisées.Framework qui évalue un système RAG en séparant la qualité du retrieval et la fidélité de la réponse, pour diagnostiquer où le pipeline échoue.Framework de graphe d'états pour orchestrer des agents LLM multi-étapes avec boucles, mémoire et contrôle de flux.Capacité d'un LLM à émettre des requêtes structurées vers des fonctions externes (API, SQL, code) plutôt que du texte libre.Nombre maximal de tokens qu'un LLM peut traiter en entrée active — détermine le coût mémoire dynamique de l'inférence.