RAG : définition, fonctionnement et usages en entreprise

Le RAG (Retrieval-Augmented Generation, ou génération augmentée par la recherche) est une technique d'intelligence artificielle qui consiste à faire chercher les bons passages dans vos propres documents avant de laisser l'IA rédiger sa réponse. L'IA ne répond plus de mémoire : elle répond à partir de vos contenus, en citant ses sources. C'est aujourd'hui la méthode de référence pour obtenir des réponses fiables, vérifiables et à jour sur la documentation d'une entreprise.

Ce guide explique, sans jargon inutile, pourquoi une IA générative seule finit toujours par inventer, comment fonctionne un pipeline RAG étape par étape, ce que cela donne sur des projets réels et ce que le RAG ne sait pas faire. Chaque terme technique est défini au fil du texte et repris dans le lexique du site.

Pourquoi un LLM seul finit par inventer

Un LLM seul hallucine parce qu'il répond de mémoire, à partir de connaissances générales figées, sans aucun accès à vos documents. Le LLM (grand modèle de langage) est le moteur d'IA qui comprend et rédige du texte : GPT, Claude ou Gemini en sont des exemples. Il a appris sur d'immenses volumes de textes publics, mais il ne connaît ni vos contrats, ni vos procédures, ni votre catalogue.

Trois limites structurelles en découlent :

• Des connaissances figées. Le modèle s'arrête à la date de son entraînement. Tout ce qui a changé depuis (un tarif, une réglementation, une procédure interne) lui échappe complètement.
• Aucun accès à vos données. Vos documents internes n'ont jamais fait partie de son apprentissage. Sur vos sujets métier, il ne peut que généraliser à partir de ce qu'il a vu ailleurs.
• Une mécanique de plausibilité. Un LLM produit la suite de mots la plus probable, pas la plus vraie. Quand il ne sait pas, il ne se tait pas : il invente une réponse convaincante. C'est ce qu'on appelle une hallucination, une information plausible mais fausse.

Pour un usage grand public, ces limites sont tolérables. Pour répondre à un client, à un juriste ou à un technicien, elles sont rédhibitoires : une réponse fausse mais assurée coûte plus cher que pas de réponse du tout. Le RAG corrige le problème à la racine. Au lieu de demander au modèle de se souvenir, on lui fournit les bons documents au moment de la question.

Les 4 étapes d'un pipeline RAG

Un pipeline RAG enchaîne quatre étapes : l'ingestion des documents, la recherche hybride, le reranking et la génération sourcée. Voici ce que chacune fait concrètement.

1. L'ingestion : vos documents deviennent interrogeables

Tout commence par vos sources : PDF, pages web, wikis internes, bases de données, tickets de support, contrats. Chaque document est extrait, nettoyé puis découpé en passages courts. Chaque passage est ensuite converti en embeddings, une représentation mathématique de son sens sous forme de longues suites de nombres : deux passages qui parlent de la même chose obtiennent des valeurs proches.

Ces vecteurs sont stockés dans un index, par exemple avec pgvector, une extension de la base de données PostgreSQL qui retrouve très vite les passages dont le sens est le plus proche d'une question. Un bon pipeline d'ingestion se met à jour tout seul : quand un document change, l'index suit, sans réindexation manuelle.

2. La recherche hybride : le sens et les mots exacts

À chaque question posée, le système retrouve les passages les plus pertinents en combinant deux moteurs. La recherche sémantique cherche par le sens plutôt que par les mots exacts : une question sur les congés retrouve aussi les documents qui parlent de RTT, même si le mot ne figure nulle part. La recherche par mots-clés classique, elle, excelle sur les termes précis : une référence produit, un numéro d'article, un nom propre.

Aucun des deux ne suffit seul. La recherche sémantique peut passer à côté d'un code exact, la recherche par mots-clés ignore les synonymes et les reformulations. Leur combinaison, appelée recherche hybride, est ce qui se fait de mieux en production : le sens pour comprendre la question, les mots exacts pour ne rien rater.

3. Le reranking : ne garder que les meilleurs passages

La recherche ramène des dizaines de passages candidats, de qualité inégale. Le reranking est un second tri, plus fin : un modèle spécialisé relit chaque candidat face à la question et le reclasse, pour ne conserver que les passages réellement pertinents. C'est une étape discrète mais décisive. En pratique, c'est souvent elle qui fait la différence entre une réponse correcte et une réponse excellente.

4. La génération sourcée : une réponse qui cite ses sources

Le LLM entre en scène en dernier. Il reçoit la question et les passages retenus, avec une consigne stricte : répondre uniquement à partir de ces passages, citer le document d'origine et dire « je ne sais pas » quand la réponse ne s'y trouve pas. Le lecteur peut alors vérifier chaque affirmation en remontant à la source. C'est cette traçabilité qui rend le RAG utilisable dans des contextes exigeants : juridique, santé, industrie, support technique.

RAG ou LLM seul : ce qui change pour votre entreprise

Deux cas réels de RAG en entreprise

Les deux exemples qui suivent sont des missions que j'ai livrées. Ils montrent que le RAG n'est pas un prototype de laboratoire mais un outil de production, y compris sur des corpus massifs et sensibles.

Un moteur de recherche juridique sur plus de 200 000 articles

Un acteur du conseil en droit social devait fournir à ses juristes et à ses clients des réponses fiables, sourcées et à jour. Le corpus cumulait deux défis : l'intégralité des conventions collectives nationales, une source publique massive en évolution continue via l'API officielle Légifrance, et le patrimoine documentaire interne du cabinet, des dizaines de milliers de documents propriétaires.

Le moteur livré indexe plus de 200 000 articles et couvre les 278 conventions collectives. La recherche hybride y combine le plein texte PostgreSQL et la recherche vectorielle pgvector, avec un reranking et des priorités selon le statut juridique des textes (en vigueur, étendu, abrogé). Chaque réponse cite l'article exact, pour que le juriste puisse vérifier. Le tout est déployé en auto-hébergement conteneurisé, afin que ce corpus sensible reste dans le périmètre du cabinet. C'est le type de socle que je construis en mission base de connaissances IA : une fois posé, il peut alimenter une recherche interne, un chatbot ou une API.

Un catalogue de 72 000 références interrogeable en langage naturel

Le catalogue de Labomoderne compte 72 000 références techniques et des milliers de PDF (fiches de sécurité, protocoles) que les clients ne savaient pas naviguer. Un RAG naïf ne suffisait pas : il fallait comprendre l'intention de chaque demande, respecter les contraintes de budget, citer de vrais produits sans jamais en inventer et pouvoir auditer chaque décision du système.

La plateforme livrée combine recherche hybride, reranking, un juge de pertinence anti-hallucination et une orchestration conversationnelle par n8n, l'outil d'automatisation open source qui relie les logiciels entre eux (12 workflows en production). Résultat : 90 % des requêtes clients sont résolues sans intervention humaine. C'est exactement le périmètre d'un chatbot RAG sur mesure : le moteur de recherche en dessous, l'interface conversationnelle au-dessus.

Les limites honnêtes du RAG

Le RAG est la bonne réponse à un problème précis : répondre de façon fiable à partir d'un corpus documentaire. Il a aussi ses limites, et mieux vaut les connaître avant de lancer un projet.

• La qualité des réponses dépend de la qualité des documents. Si votre documentation est obsolète ou contradictoire, le RAG restituera fidèlement ces défauts. Le cadrage initial (choisir les sources, écarter l'obsolète) est une étape à part entière du projet.
• Le RAG répond à des questions, il ne calcule pas sur tout le corpus. Demander « combien de nos contrats contiennent telle clause » relève d'un traitement de données structurées, pas d'une recherche de passages. Les deux approches se complètent, mais ne se confondent pas.
• Le risque d'hallucination est fortement réduit, pas nul. Les citations de sources, les garde-fous et le suivi des réponses en production restent nécessaires. Un système sérieux se pilote, il ne se décrète pas.
• Un index se maintient. Sources qui évoluent, nouveaux formats, questions restées sans réponse à analyser : un RAG en production demande un minimum d'exploitation, comme tout logiciel.
• Tout ne mérite pas un RAG. Une FAQ de vingt questions se gère très bien sans. Le RAG se justifie quand le volume documentaire dépasse ce qu'un humain peut chercher vite et bien.

Par où commencer

La bonne porte d'entrée n'est pas la technologie, c'est un cas d'usage. Les questions récurrentes de vos clients, la documentation interne que personne ne retrouve, un catalogue trop grand pour être navigué : voilà des candidats concrets. Un périmètre resserré, quelques sources bien choisies et des critères de succès mesurables suffisent pour un premier socle. Et si vous hésitez entre plusieurs cas d'usage, un audit IA court permet de les qualifier et de les prioriser avant d'écrire la moindre ligne de code.

Je suis Antoine Guerra, développeur IA freelance, et je construis ces systèmes de bout en bout pour les PME et ETI, partout en France. Le premier échange est gratuit et le devis arrive sous 48 h : parlons de votre corpus et de ce qu'il pourrait répondre.