Guide, IA et documents d'entreprise

Le RAG expliqué simplement : une IA qui connaît vos documents

Un modèle IA invente vos tarifs parce qu'il ne les a jamais lus. La génération augmentée par récupération corrige cela en cherchant dans vos documents avant de répondre. Voici le mécanisme étape par étape, ses limites réelles, et quand une base de questions-réponses suffit.

Par Yanis Zedira. Publié le 26 août 2026. 9 min de lecture.

Le problème : votre modèle IA ne connaît pas vos tarifs

Un modèle de langage n'a jamais lu vos documents. Il a été entraîné sur un très grand volume de textes publics jusqu'à une certaine date, et votre grille tarifaire de mars dernier n'en fait pas partie. Quand vous lui demandez le prix de votre prestation d'entretien annuel, il ne répond pas « je ne sais pas ». Il produit la suite de mots la plus vraisemblable, c'est-à-dire un prix crédible, bien formulé, et faux.

Ce comportement porte un nom, l'hallucination, mais le terme induit en erreur. Le modèle ne dysfonctionne pas. Il fait exactement ce pour quoi il est construit : compléter du texte de façon plausible. Le lui reprocher revient à reprocher à une calculatrice de ne pas connaître votre chiffre d'affaires.

La solution ne consiste donc pas à trouver un modèle plus intelligent. Elle consiste à lui donner la bonne information au bon moment. C'est ce que fait la génération augmentée par récupération, plus connue sous son sigle anglais RAG.

Ce que fait le RAG, en une phrase

Le RAG consiste à chercher dans vos documents les passages pertinents avant de poser la question au modèle, et à lui interdire de répondre autrement qu'à partir de ces passages.

Rien de plus. Ce n'est pas un entraînement, ce n'est pas une personnalisation du modèle, ce n'est pas de l'apprentissage. C'est un moteur de recherche branché devant le modèle, plus une consigne stricte. L'image la plus juste est celle d'un nouveau collaborateur compétent mais qui ne connaît pas la maison, et à qui vous tendez la bonne fiche du classeur avant chaque réponse au téléphone.

Le schéma, étape par étape

Voici ce qui se passe réellement entre la question d'un client et la réponse affichée. Cinq étapes, dont quatre invisibles.

Étape 1 : vos documents sont découpés en morceaux

En amont, une fois pour toutes, on prend vos fichiers (grille tarifaire, conditions générales, fiches produit, procédures internes) et on les découpe en fragments de quelques paragraphes. On ne stocke pas un document de quarante pages en bloc, parce qu'on ne veut pas envoyer quarante pages au modèle pour répondre à une question sur un délai de livraison.

Le découpage est l'étape la plus sous-estimée. Un fragment doit être compréhensible seul. Si votre fragment dit « ce tarif s'applique dans les mêmes conditions » sans que le tarif ni les conditions figurent dedans, il sera retrouvé et il induira le modèle en erreur.

Étape 2 : chaque morceau reçoit une empreinte de sens

Chaque fragment est transformé en une suite de nombres qui représente son sens, et non ses mots. C'est ce qu'on appelle un vecteur, ou plongement. Concrètement, cela permet à la machine de savoir que « combien coûte l'entretien annuel » et « tarif de la maintenance yearly » parlent de la même chose, alors qu'aucun mot n'est commun.

Ces empreintes sont rangées dans une base spécialisée. C'est votre index. Il se recalcule à chaque mise à jour de document.

Étape 3 : la question du client est cherchée dans l'index

Quand un visiteur demande « vous facturez combien la révision ? », sa question passe par la même transformation, puis le système récupère les fragments dont l'empreinte est la plus proche. En général trois à huit fragments, pas plus. On les appelle les extraits.

C'est ici que se joue la qualité du système. Si la recherche ramène les mauvais extraits, aucun modèle au monde ne rattrapera la réponse. Les bons systèmes combinent la recherche par sens et la recherche par mots-clés classique, parce que la seconde reste imbattable sur les références produits, les numéros de série et les noms propres.

Étape 4 : le modèle reçoit la question et les extraits

Le modèle reçoit alors un message qui ressemble à ceci : voici la question du client, voici les seuls extraits autorisés, réponds uniquement à partir d'eux, et si l'information n'y est pas, dis-le et propose de transmettre à un humain.

Cette dernière consigne est la plus importante du dispositif. Un RAG sans instruction d'abstention se contente de déplacer l'invention un cran plus loin.

Étape 5 : la réponse est renvoyée avec ses sources

Le modèle rédige, et le système affiche à côté de la réponse le nom des documents utilisés. C'est ce qui rend le dispositif auditable. Quand une réponse est fausse, vous savez immédiatement si le problème vient du document (il est faux ou périmé) ou de la recherche (elle a ramené le mauvais passage). Sans affichage des sources, vous ne pouvez rien corriger.

Ce qu'il faut préparer de votre côté

Le travail de fond n'est pas technique, il est documentaire. Trois exigences, dans l'ordre.

Une source de vérité unique. Si votre grille tarifaire existe en quatre versions, dans un tableur, dans un vieux PDF, dans un mail et dans la tête de votre commercial, le RAG remontera les quatre et le modèle choisira. Avant de brancher quoi que ce soit, désignez pour chaque sujet un document et un seul qui fait foi, et archivez le reste hors de l'index.

Des documents à jour, avec un propriétaire. Un index n'est pas plus juste que ce qu'on y met. Nommez pour chaque famille de documents une personne responsable de sa mise à jour, et une fréquence. Un RAG alimenté par des documents périmés produit des erreurs plus dangereuses qu'une absence de réponse, parce qu'elles sont formulées avec assurance.

Des documents structurés. Des titres clairs, des sections courtes, une information par paragraphe. Les documents rédigés pour être lus par un humain pressé sont exactement ceux qui fonctionnent le mieux en RAG. Un contrat de quinze pages sans intertitre est un cauchemar à découper proprement.

Dans la plupart des projets, la préparation documentaire représente l'essentiel de la charge, et la partie technique une fraction du temps. Les projets qui échouent sont presque toujours ceux qui ont inversé cette proportion.

Les limites réelles, qu'on vous cachera parfois

Le RAG ne résout pas tout, et il vaut mieux le savoir avant de signer.

Les documents contradictoires. Si deux documents indexés disent des choses différentes, le système n'a aucun moyen de savoir lequel a raison. Il en choisira un, souvent le plus proche formellement de la question, pas le plus récent. Aucune technique ne compense un référentiel incohérent.

Les tableaux. Un tableau de tarifs découpé au mauvais endroit perd ses en-têtes, et une valeur se retrouve associée à la mauvaise ligne. C'est une source d'erreur classique et silencieuse. Les tableaux complexes doivent être traités à part, souvent en les transformant en phrases explicites, une ligne devenant une phrase complète.

Les scans et les images. Un PDF scanné n'est pas du texte, c'est une photo. Il faut une reconnaissance de caractères préalable, dont la qualité varie selon les documents, et qui échoue régulièrement sur les tampons, les manuscrits et les colonnes serrées. Un devis signé scanné de travers ne sera pas exploitable tel quel.

Les questions de synthèse. Le RAG est excellent pour « quel est le délai de rétractation », médiocre pour « résume-moi l'évolution de nos conditions depuis trois ans ». La recherche ramène quelques extraits, pas une vision d'ensemble. Ce type de besoin relève d'une autre approche.

Les données qui changent en permanence. Un stock, un solde, une disponibilité d'agenda ne se met pas dans un index documentaire. Cela se branche directement sur votre système via une connexion applicative. C'est le rôle d'une automatisation métier, pas d'un RAG.

Quand une simple base de questions-réponses suffit

Si vos clients posent toujours les mêmes trente questions, vous n'avez pas besoin de RAG. Vous avez besoin d'une liste de trente paires question-réponse, rédigées par vous, validées par vous, et d'un modèle chargé de reconnaître laquelle correspond à la demande.

Cette approche coûte une fraction du prix d'un RAG complet, elle se met en place en quelques jours, elle ne nécessite aucune base vectorielle ni maintenance d'index, et surtout elle ne peut pas inventer, puisque les réponses sont écrites à l'avance. Sur un site vitrine ou un service après-vente à périmètre stable, c'est très souvent la bonne réponse.

Le RAG devient justifié dans trois situations. Quand votre base documentaire est trop volumineuse pour être rédigée à la main, au-delà de quelques centaines de pages. Quand elle change souvent, de sorte que maintenir des réponses figées deviendrait un travail à plein temps. Quand les questions sont trop variées pour être anticipées, typiquement un support technique sur un catalogue large.

Le bon réflexe est d'ailleurs de commencer par la base de questions-réponses, de mesurer le taux de demandes non couvertes pendant un ou deux mois, et de n'ajouter le RAG que si ce taux le justifie. Vous saurez alors exactement quels documents indexer, puisque les questions non couvertes vous l'auront dit.

Ce qu'il faut retenir

Le RAG n'est pas une intelligence supplémentaire, c'est une discipline documentaire outillée. Il transforme un modèle bavard en collaborateur qui cite ses sources, à condition que vous ayez fait le travail en amont : une source de vérité par sujet, des documents à jour et structurés, et une consigne d'abstention explicite.

Avant de lancer un projet, posez ces trois questions à votre prestataire. Comment sont découpés mes documents ? Qu'affiche le système quand l'information est absente ? Comment je vois les sources d'une réponse ? Si les réponses sont floues, le projet le sera aussi.

Pour savoir si votre besoin relève du RAG ou d'une base de questions-réponses bien faite, réservez un premier échange de 15 minutes, gratuit et sans engagement. Nous regardons vos documents et nous vous disons franchement lequel des deux vous coûtera le moins cher.