Guide RAG · 12 min

Construire une base de connaissances RAG fiable et citable

Relier une IA à des documents ne rend pas automatiquement ses réponses exactes. La qualité dépend du corpus, des droits, du découpage, de la recherche, des citations et d’un protocole qui teste aussi les questions sans réponse.

Une documentaliste organise des sources versionnées reliées à une réponse IA avec citations visibles.
À retenir

La réponse courte

Commencez par un périmètre documentaire limité et un propriétaire identifié. Nettoyez les versions, conservez source et droits, testez séparément la recherche puis la réponse, affichez les passages cités et apprenez au système à dire quand le corpus ne suffit pas.

  • Gouverner le corpus
  • Tester la recherche séparément
  • Rendre les citations vérifiables

Passer des fichiers à une connaissance exploitable

  1. Classement de documents avec dossiers et liseuse
    Illustration générée par IA

    1. Définir le périmètre

    Listez les utilisateurs, questions autorisées, documents inclus et décisions exclues. Désignez un responsable du corpus et une fréquence de mise à jour.

  2. Illustration générée par IA

    2. Préparer les sources

    Supprimez doublons et versions obsolètes, conservez titre, auteur, date, langue et niveau d’accès. Vérifiez l’extraction des tableaux, notes, scans et pièces jointes.

  3. Bibliothèque avec livres et carnet de recherche
    Illustration générée par IA

    3. Gérer les permissions

    La recherche ne doit jamais contourner les droits du document. Appliquez les contrôles avant la récupération, journalisez les accès utiles et testez avec plusieurs profils.

  4. Recherche documentaire avec atlas et livres dans une bibliothèque
    Illustration générée par IA

    4. Régler la récupération

    Choisissez découpage, métadonnées, recherche lexicale ou vectorielle et nombre de passages selon les documents. Évaluez d’abord si les bons extraits sont trouvés, indépendamment de la rédaction finale.

  5. Illustration éditoriale

    5. Produire une réponse traçable

    Affichez titre, version et passage source. Distinguez citation et synthèse, interdisez les références inexistantes et prévoyez une réponse explicite lorsque les preuves sont insuffisantes.

  6. Rayonnages de livres et lampes suspendues dans une bibliothèque à Paris.
    Janko Ferlič

    6. Évaluer et maintenir

    Testez questions simples, ambiguës, contradictoires, anciennes et hors périmètre. Suivez précision de recherche, réponses soutenues, erreurs de droits, fraîcheur et temps de correction.

Diagnostiquer une réponse qui cite le mauvais passage

Séparez trois contrôles. Le document original contient-il la réponse ? La conversion et le découpage l’ont-ils conservée avec son titre et sa référence ? Le système a-t-il récupéré le passage puis répondu fidèlement ? Notez les résultats à chaque étape pour éviter de changer le modèle lorsque le défaut vient d’un tableau perdu à l’import.

Cas de test : une exception dans une note

Dans un document fictif, écrivez une règle générale puis une exception en note de bas de page. Posez une question dont la réponse dépend de cette exception. Conservez document, texte converti, fragments récupérés et réponse. Rejetez une réponse qui cite la règle mais omet l’exception, même si son lien mène au bon fichier. Utilisez ensuite la fiche de décision pour noter le correctif et le nouvel essai.

Fixer l’unité avant de compter

Décidez si vous évaluez des documents entiers ou des fragments. Plusieurs fragments d’un même document ne comptent pas comme plusieurs documents retrouvés. Constituez un petit corpus dont les éléments pertinents sont connus, puis gardez la même limite de résultats pour les candidats. Le calculateur de précision et de rappel ci-dessous sépare résultats inutiles et documents manqués ; il ne note pas la réponse générée.

Vérifier le fichier puis le fragment

Préparez deux versions d’un même document et un fichier dont l’extension est erronée. Contrôlez que l’ingestion identifie le type, refuse ou redirige le cas douteux, puis transmet l’identifiant, la version et la section de chaque fragment. Vérifiez ces champs dans les résultats avant d’évaluer le texte généré.

Mettre la méthode à l’épreuve

Studio de création avec appareil photo et tablette graphique
Illustration générée par IA

Cas pratique

Constituez un mini-corpus de vingt documents datés, dont deux se contredisent et un n’est pas accessible à tous les utilisateurs.

Bureau en bois avec ordinateur portable et écran
Illustration générée par IA

Preuves à conserver

Testez la recherche des passages, l’attribution des citations, le respect des droits et la mise à jour d’un document remplacé.

Illustration générée par IA

Décider

N’élargissez le corpus que si une réponse peut être reliée au bon passage et si le document interdit reste invisible.

Atelier de vérification

Trois questions qui révèlent une récupération incomplète

Préparez ces documents fictifs dans un corpus de test isolé. Les sorties ci-dessous sont des attentes éditoriales, pas des mesures réalisées sur un outil.

Illustration générée par IA

La règle et son exception

Entrée à préparer
Une règle autorise un échange pendant trente jours ; un paragraphe séparé exclut les produits personnalisés. Posez une question sur un article personnalisé.
Résultat attendu
La réponse cite les deux passages et signale l’exclusion applicable.
Si le contrôle échoue
Examinez les fragments retrouvés. Si l’exception manque, corrigez la récupération avant de modifier la rédaction.
Console de mixage, casque et pistes audio dans un studio nocturne aux lumières bleues et ambrées.
Illustration générée par IA

La version obsolète

Entrée à préparer
Deux documents portent le même titre : version ancienne à quinze jours et version active à trente jours. Ajoutez une métadonnée de validité.
Résultat attendu
La réponse utilise la version active et permet d’identifier le document cité.
Si le contrôle échoue
Vérifiez le filtre de validité et la purge des fragments périmés. Ne comptez pas sur le modèle pour deviner la version.
Illustration générée par IA

La réponse absente

Entrée à préparer
Demandez une règle sur une livraison internationale alors que le corpus décrit uniquement les échanges locaux.
Résultat attendu
Le système indique l’absence d’information et précise ce qui doit être vérifié ailleurs.
Si le contrôle échoue
Conservez cette question comme cas d’abstention ; écartez une réponse inventant une politique.

Règle de décision. Acceptez le parcours seulement si chaque affirmation décisive est reliée à une preuve actuelle et autorisée. Rejouez les trois cas après changement du découpage.

Les quatre couches à contrôler

Alignement d’une page sur un scanner de documents
Illustration générée par IA

Corpus

Les documents sont-ils corrects, actuels, lisibles et attribués ?

Illustration générée par IA

Accès

Chaque personne ne récupère-t-elle que ce qu’elle peut consulter ?

Illustration générée par IA

Recherche

Les passages utiles remontent-ils avant les passages seulement similaires ?

Illustration générée par IA

Réponse

Chaque affirmation importante est-elle soutenue et facile à vérifier ?

6 repères

Outils documentaires, plateformes et solutions locales

Ces familles couvrent carnets sourcés, plateformes professionnelles et composants locaux. Vérifiez connecteurs, permissions, résidence des données et mécanismes de citation.

Comment cette sélection est-elle produite ?

Ces fiches sont reliées au sujet du guide dans notre catalogue éditorial. Leur présence ne constitue pas un classement ni une mesure de performance sur vos documents. Méthodologie.

Explorer toute la catégorie

Familles d’outils liées

Questions fréquentes

Quelle différence entre RAG et entraînement ?

Le RAG récupère des passages au moment de répondre sans modifier nécessairement le modèle. Un entraînement ajuste le comportement ou les paramètres et suit un autre cycle de données et d’évaluation.

Faut-il une base vectorielle ?

Pas toujours. Une recherche lexicale convient parfois mieux à des références exactes. Une approche hybride est souvent utile, mais doit être justifiée par des tests sur le corpus réel.

Comment gérer les documents périmés ?

Conservez une date de validité, un propriétaire et une règle d’archivage. Retirez la version de l’index actif tout en gardant une trace si les obligations documentaires l’exigent.

Les références ci-dessous approfondissent les concepts et contrôles évoqués. Les scénarios et grilles d’essai restent des propositions éditoriales ; une documentation fournisseur décrit son propre produit, pas un benchmark indépendant.

Éclairage documenté

Une base RAG se juge sur les passages retrouvés

Dans un système RAG, la réponse dépend d'abord des documents indexés et des passages récupérés pour la question posée. Microsoft décrit la séquence recherche, ajout du contexte, puis génération. Indexez des documents identifiables par titre, version et URL afin de pouvoir remonter de chaque réponse à la source réellement utilisée.

Testez un petit ensemble de questions représentatives, y compris celles auxquelles la base ne permet pas de répondre. Vérifiez la pertinence du passage retrouvé avant de juger la fluidité de la réponse. Même avec du contexte, le modèle peut produire une erreur ; une citation cliquable et une consigne d'abstention en cas de preuve insuffisante facilitent le contrôle.

Pour comprendre une mauvaise réponse, séparez deux erreurs possibles : le bon passage n’a pas été retrouvé, ou il était présent mais la réponse l’a mal utilisé. Conservez, pour chaque question de test, le passage attendu et le passage effectivement récupéré. Cette distinction évite de modifier les consignes du modèle quand le problème vient de l’index ou du corpus.

Incluez des questions qui demandent une date précise, une exception et une information absente. Vérifiez aussi ce qui arrive quand deux versions d’un document se contredisent. La réponse doit pouvoir identifier la version utilisée et signaler le conflit plutôt que fusionner les textes. Pour un corpus privé, contrôlez les droits d’accès au moment de la recherche des passages.

Corpus
Documents à jour, droits d'accès et identifiants de source.
Recherche
Passages pertinents pour des questions représentatives.
Réponse
Citation vérifiable et abstention si les sources manquent.

Une citation affichée suffit-elle à garantir la réponse ?

Ouvrez le passage cité et vérifiez qu’il soutient l’affirmation exacte, avec ses conditions et sa date. Une référence peut être pertinente pour le sujet tout en ne prouvant pas la conclusion.

À vous de raisonner

La bonne réponse existe dans la base RAG mais aucun passage pertinent n’est retrouvé. Où isoler le défaut ?

Piste de réponse : Testez la récupération indépendamment de la rédaction. Une réponse erronée peut venir de l’indexation, de la recherche ou de la génération.

Source principale : Microsoft Learn — Retrieval augmented generation and indexes

Sources officielles

Une recherche trouve-t-elle les bons documents ?

Évaluez la recherche avant de juger la réponse générée. Dans un corpus délimité, définissez les documents pertinents pour une question, puis comptez ceux que la recherche retrouve, ceux qu’elle ajoute à tort et ceux qu’elle manque. Comptez chaque document une seule fois et utilisez le même nombre maximal de résultats pour comparer deux systèmes.

Documents pertinents et documents retrouvés Le recoupement représente les documents pertinents retrouvés. Les documents pertinents non retrouvés sont à gauche ; les résultats non pertinents sont à droite. Les surfaces sont schématiques, sans proportion numérique. Manqués Pertinents Non pertinents 231
Les nombres suivent votre saisie ; les surfaces restent schématiques. Valeurs initiales fictives : cinq documents pertinents, dont trois retrouvés, et un résultat non pertinent.
Précision : 75 % · Rappel : 60 % · F1 : 66,7 %

Calcul local dans le navigateur, sans enregistrement. Sans JavaScript, utilisez les formules ci-dessous ; les valeurs affichées restent celles de l’exemple.

Illustration générée par IA
Précision : éviter le bruit
Pertinents retrouvés ÷ tous les documents retrouvés. Ici : 3 ÷ (3 + 1) = 75 %.
Recherche web avec ordinateur et documents annotés
Illustration générée par IA
Rappel : éviter les oublis
Pertinents retrouvés ÷ tous les documents pertinents du corpus. Ici : 3 ÷ (3 + 2) = 60 %.
Ordinateur de bureau ouvert montrant mémoire et ventilation
Illustration générée par IA
F1
2 × pertinents retrouvés ÷ (2 × pertinents retrouvés + non pertinents retrouvés + pertinents manqués). Ici : 6 ÷ 9 ≈ 66,7 %.

Si le dénominateur est nul, le calcul indique « non défini ». Sans inventaire des documents pertinents, le rappel est inconnu : ne le déduisez pas du Web entier. Ces mesures n’évaluent ni la véracité de la réponse ni la gravité d’un document manqué ; une exception décisive oubliée reste bloquante.

Définition des mesures : documentation scikit-learn

Poursuivre avec un autre guide

Garder les preuves de cet essai

Rattachez ces éléments à une décision et à une condition de nouvel essai. Préparer la fiche de décision →