En intelligence artificielle, RAG signifie Retrieval-Augmented Generation, soit génération augmentée par récupération.

C’est une technique qui permet à un modèle de langage de rechercher des informations pertinentes dans une base externe ( documents, intranet, base de données, site web ) puis de les utiliser pour générer sa réponse, sans réentraîner le modèle.

Fonctionnement

1. L’utilisateur pose une question.

2. Le système recherche les passages les plus pertinents dans une base documentaire, souvent grâce à une recherche vectorielle.

3. Ces passages sont transmis au LLM avec la question.

4. Le LLM rédige une réponse fondée sur ce contexte.

Exemple

Un chatbot d’entreprise en RAG peut consulter la documentation interne, les procédures RH ou les manuels techniques avant de répondre. Il peut donc utiliser des informations propres à l’entreprise et plus récentes que celles apprises lors de l’entraînement du modèle.

Le RAG ne remplace pas un LLM : il lui ajoute une capacité de recherche documentaire et peut réduire les réponses inventées, à condition que les sources récupérées soient pertinentes et fiables.