RAG

Le RAG, ancrer un LLM dans vos documents

Le RAG (Retrieval-Augmented Generation, « génération augmentée par récupération ») est une méthode d’architecture, pas un produit. Le principe : au moment où l’on pose une question, le système va d’abord récupérer les extraits pertinents d’un corpus de documents, puis les fournit au modèle de langage pour qu’il génère une réponse ancrée sur ces extraits. Le modèle ne « connaît » pas vos données par cœur — il les consulte à la volée, et cite ses sources.

C’est l’approche de référence dès qu’il faut interroger un corpus propriétaire : contrats, procédures qualité, base de connaissance, documentation technique. Elle se construit autour de n’importe quel LLM.

Une explication de référence du RAG par IBM : pourquoi « augmenter » un modèle avec une source documentaire, et comment cela réduit les erreurs et ancre les réponses (≈ 6 min, en anglais).

Le pipeline, maillon par maillon

Une chaîne RAG moderne enchaîne quelques maillons. Chacun compte : la qualité finale ne vaut que celle du maillon le plus faible (un mauvais découpage remonte de mauvais extraits, donc une mauvaise réponse).

Chaque maillon dispose d’un outillage mûr, qu’on choisit selon le contexte (sans favori) : modèles d’embeddings (Voyage, OpenAI text-embedding-3, Gemini Embedding, Cohere, ou open-weight comme Qwen3-Embedding et BGE) ; bases vectorielles (Qdrant, pgvector, Weaviate, Milvus, Pinecone) ; rerankers (Cohere Rerank, Voyage) ; et frameworks d’orchestration (LlamaIndex, LangGraph, Haystack).

Recherche hybride et reranking

C’est là que s’est jouée la principale montée en qualité récente. Deux façons de retrouver un extrait coexistent, et les combiner est devenu le standard de production.

Agentic RAG et GraphRAG

Le RAG « pipeline » (une question → une recherche → une réponse) reste robuste pour la majorité des cas. Mais deux évolutions élargissent le champ.

Le RAG agentique est le déplacement conceptuel majeur de 2025-2026 : on ne fige plus la chaîne, on laisse un agent piloter la récupération de façon itérative. Le GraphRAG, lui, se justifie quand une réponse exige de relier plusieurs informations dispersées (questions « multi-sauts », synthèses transverses) plutôt que de retrouver un seul passage — au prix d’un graphe plus coûteux à construire et maintenir.

RAG, fine-tuning ou contexte long ?

Le RAG n’est pas la seule façon de spécialiser un LLM. Le bon réflexe est de le situer face à ses alternatives, qui ne répondent pas au même besoin.

Sur le débat « RAG contre contexte long » — relancé par les modèles à 1 million de tokens et plus — la position factuelle est qu’ils sont complémentaires. En deçà d’environ 200 000 tokens (~500 pages), tout mettre dans le prompt est plus simple et fiable. Au-delà, la qualité se dégrade quand la fenêtre se remplit vraiment, et le RAG reprend l’avantage sur la traçabilité, la fraîcheur et le coût (on ne paie pas pour relire tout le corpus à chaque question). D’où une pratique hybride fréquente : le RAG sélectionne les passages utiles, qu’un modèle à long contexte lit ensuite.

RAG et second cerveau : l’association

Le RAG a une limite qui ne tient pas à sa mise en œuvre mais à sa nature. Un index vectoriel classe par proximité de sens : il n’a ni notion d’autorité (quel document fait foi), ni notion de date (lequel est encore en vigueur), ni mécanisme d’oubli (un document abrogé y reste indexé tant qu’on ne l’en retire pas). Surtout, il ne se tait pas quand il ignore : à toute question il remonte le passage le plus proche et le restitue avec la même assurance — et les mêmes citations — qu’une réponse juste. Rien dans la forme d’une réponse fausse ne la distingue d’une réponse correcte.

Ces limites ne se corrigent pas dans le RAG : elles se corrigent à côté. D’où un motif d’architecture qui se diffuse, souvent désigné par le couple « RAG + second cerveau » : on adjoint à l’index une mémoire de décisions — le pattern LLM wiki — assez courte pour être lue en entier à chaque question, et qui porte ce que l’index ne sait pas porter : l’autorité, la date, le périmètre.

Trois conséquences pratiques découlent de cet ordre. Les réponses portent source et date, pas seulement une citation — sans date, impossible de savoir si un extrait fait encore autorité. Un registre des mentions périmées permet de neutraliser une erreur logée dans un document qu’on ne peut pas encore reprendre (contrat en validation, PDF, archive) : le registre fait foi contre le document. Et l’index reste un cache, jamais une source : les fichiers texte sont la vérité, l’index se reconstruit depuis eux — ce qui rend indolore un changement de modèle d’embeddings, dont les vecteurs ne sont pas portables.

Les deux approches ne s’opposent donc pas, elles se répartissent le travail : le second cerveau couvre l’information individuelle et collective qui a été arbitrée, le RAG couvre le volume documentaire où il faut retrouver. L’ordre d’interrogation — jugement d’abord, rappel ensuite, association pour élargir — est ce qui rend l’ensemble fiable.

Évaluer un système RAG

Un système RAG ne se juge pas « au ressenti ». Des frameworks dédiés (le plus cité étant RAGAS) mesurent séparément la qualité de la récupération et celle de la génération — souvent sans annotation humaine, en utilisant un LLM comme juge.

Mesurer ces dimensions sur un jeu de questions de référence permet de détecter où ça coince — récupération (mauvais extraits) ou génération (réponse infidèle) — et d’améliorer le bon maillon plutôt que de tâtonner.

Quand le RAG s’impose (ou pas)

En synthèse, le RAG est devenu une méthode mature et standard pour donner à un LLM accès à un corpus propriétaire, de façon sourcée, à jour et auditable, sans réentraînement. Son état de l’art 2026 — recherche hybride, reranking, RAG agentique, GraphRAG, évaluation outillée — en a fait une brique fiable et mesurable, et non plus un prototype fragile. Reste à bien le situer : sur un petit corpus, le contexte long suffit souvent ; pour un comportement spécialisé, c’est le fine-tuning ; et les meilleures architectures combinent volontiers plusieurs de ces approches — notamment l’association avec une mémoire de décisions (LLM wiki), qui apporte l’autorité et la date là où l’index n’apporte que la proximité de sens.