Qu'est-ce que le RAG ?
C'est quoi ?
Un pipeline RAG (génération augmentée par la recherche) permet à un modèle de répondre à partir de vos documents : on les découpe, on les vectorise, puis à chaque question on retrouve les extraits utiles et on les donne au modèle.
Quand l'utiliser
- Faire répondre un assistant sur une documentation interne ou un catalogue produit.
- Réduire les inventions du modèle en l'obligeant à citer ses sources.
Les champs de la fiche
| Sources | Les documents utilisés et leur mise à jour. |
|---|---|
| Découpage | Taille et chevauchement des morceaux de texte. |
| Embeddings et base vectorielle | Le modèle qui vectorise et l'endroit où les vecteurs sont stockés. |
| Recherche | Nombre d'extraits retenus et reclassement éventuel. |
| Gabarit du prompt | Le texte envoyé au modèle, avec {{context}} et {{question}}. |
Comment s'en servir
Onglet « Utiliser » : téléchargez la configuration JSON ; l'exemple Python décrit chaque étape.