Aller au contenu
FR

Glossaire

RAG (génération augmentée par récupération)

Le RAG (retrieval-augmented generation, génération augmentée par récupération) est une méthode dans laquelle l’IA cherche d’abord dans la base de connaissances et les documents de l’entreprise les articles liés à la question, puis rédige une réponse à partir d’eux. Le modèle n’a pas besoin d’être réentraîné : mettez à jour un article, et l’IA répond à partir de la nouvelle version.

Pourquoi c’est importantL’IA répond selon vos règles et votre base de connaissances, pas selon les suppositions du modèle.

Également appelé: RAG, Retrieval-augmented generation, Génération augmentée par récupération, Génération ancrée dans les sources, Génération fondée sur la recherche

Fonctionnement

Fonctionnement

Les articles de la base de connaissances sont découpés à l’avance en petits fragments et stockés dans un index de recherche. Quand un client pose une question, le système trouve quelques fragments parmi les plus pertinents – par le sens et par mots-clés – et les ajoute à la requête envoyée au modèle de langage. Le modèle rédige sa réponse uniquement à partir de ces fragments et peut indiquer de quel article elle provient.

  • Index : articles, règles, tarifs, FAQ
  • Recherche : par le sens et par mots-clés
  • Réponse : le modèle la construit à partir des fragments trouvés
  • Source : le conseiller voit sur quel article repose la réponse

Cas d’usage

Pourquoi un centre de contacts en a besoin

Sans RAG, un modèle répond avec ce qu’il a retenu pendant son entraînement et peut facilement inventer des frais de livraison ou un délai de retour. Avec le RAG, il répond à partir de vos documents validés, et vous corrigez une réponse en corrigeant l’article.

Sans RAGLes connaissances générales du modèle : prix, délais et règles peuvent être inventés ou périmés.
Avec RAGDes réponses tirées de votre base de connaissances : faciles à vérifier et à mettre à jour à un seul endroit.

Bonnes pratiques

Bonnes pratiques

  • Des articles courts, une question chacun, avec un titre clair
  • Supprimez les articles périmés au lieu de les garder à côté des nouveaux – sinon l’IA trouvera les deux
  • Demandez au modèle de dire « je ne sais pas » et de faire intervenir un conseiller quand aucun article ne correspond
  • Testez l’IA sur de vraies questions de clients et corrigez l’article derrière chaque mauvaise réponse

Dans CONTACT.WORK

Le RAG dans CONTACT.WORK

Les agents IA et l’assistant IA répondent à partir de la base de connaissances unique de la plateforme, celle qu’utilisent aussi les conseillers. Si un article contient une erreur ou une lacune, l’IA la reproduira : le lancement d’un agent IA commence donc par la base de connaissances.

Si la plateforme tourne sur vos serveurs, la base de connaissances et le modèle de langage restent eux aussi chez vous. La plateforme elle-même est gratuite : vous payez le forfait de support. Le modèle de langage qui produit ces réponses est facturé à part, ou vous le faites tourner sur votre propre GPU.

Backlinks

Où cela apparaît sur le site 1

Glossaire

Termes associés

Blog

Nouveau sur le blog

Tous les articles →