How-to

RAG en entreprise : comment une IA répond-elle à partir de vos documents ?

Une IA peut répondre à partir de vos procédures et de vos contrats sans les apprendre, grâce à une recherche dans vos documents. Ce guide explique le principe, la préparation des documents, les droits d'accès, les tests et le lieu où ranger l'index.

La rédaction de Coplement6 min

En bref

Le RAG en entreprise est une recherche dans vos documents, placée avant la réponse de l'IA. Le système retrouve les passages utiles dans un ensemble de documents choisis, puis le modèle rédige sa réponse à partir d'eux et peut citer sa source. Ses conditions : des documents à jour, des droits d'accès respectés et des tests réguliers.

Vos procédures, vos contrats et vos notes internes contiennent les réponses que vos équipes cherchent chaque jour. Le RAG en entreprise permet à une IA de répondre à partir de ces documents, au lieu de puiser dans sa seule mémoire. Ce guide explique le principe en mots simples, la préparation qu'il demande et les questions à poser sur la sécurité de vos dossiers.

Le RAG en entreprise, en mots simples

RAG est le sigle anglais de « génération augmentée par récupération ». En clair, il s'agit d'une recherche dans vos documents, placée avant la rédaction de la réponse. Le système repère d'abord les passages utiles dans un ensemble de documents choisis, puis un modèle de langage rédige la réponse à partir de ces passages.

Le modèle n'apprend donc pas vos documents. Ils restent rangés dans votre base, et l'IA n'en lit que les extraits utiles, au moment de chaque question.

Prenons une PME de quatre-vingts personnes et son manuel qualité de trois cents pages. Un technicien demande la procédure à suivre quand une pièce arrive abîmée. L'IA retrouve les deux paragraphes concernés, rédige une réponse de quelques lignes et indique la page d'où elle vient.

Recherche dans vos documents ou réglage sur vos exemples

Il existe une autre façon d'adapter une IA à votre entreprise : le réglage sur vos exemples (fine-tuning, en anglais). Cette fois, le modèle est entraîné à nouveau sur vos textes, pour prendre un style ou un vocabulaire. Les deux méthodes ne répondent pas au même besoin.

Point de comparaison Recherche dans vos documents (RAG) Réglage sur vos exemples
Vos documents Restent hors du modèle, dans votre base Servent à modifier le modèle
Un document change La réponse suit dès que le fichier est remplacé Il faut refaire le réglage
Vérifier une réponse La source peut être indiquée La source n'est pas visible
Usage typique Répondre à partir de procédures, contrats, dossiers Adopter un ton, un format ou un jargon

Pour interroger vos documents, la recherche est le plus souvent le bon point de départ. Le réglage s'ajoute ensuite, si la tâche a un vocabulaire très particulier. Un document appris par le modèle ne s'en retire plus simplement : choisissez donc avec soin les textes qui servent au réglage.

Préparer vos documents avant tout

La documentation d'une organisation est souvent éparpillée, redondante, contradictoire ou obsolète. Une IA branchée sur ce désordre répondra avec ce désordre. Le premier travail d'un RAG en entreprise consiste donc à choisir les documents qui font foi.

  • Retenez un premier ensemble limité, lié à un seul usage.
  • Retirez les anciennes versions, pour que l'IA ne réponde pas avec une procédure remplacée.
  • Nommez un responsable pour chaque source, chargé de la tenir à jour.

Un outil prêt à l'emploi peut suffire quand l'ensemble est restreint et stable, avec quelques dizaines de documents bien structurés et des questions prévisibles. Avec des centaines de documents, un vocabulaire spécialisé ou des textes qui changent souvent, le réglage de la recherche devient un vrai travail d'ingénierie.

Les droits d'accès : chacun ne voit que ses documents

La recherche ne doit jamais montrer un passage à quelqu'un qui n'a pas le droit d'ouvrir le document d'origine. Prenons un stagiaire qui pose une question sur les congés : il ne doit pas recevoir un extrait du dossier de rémunération d'un cadre. Ce principe, appelé besoin d'en connaître, se prévoit dès la conception d'un système d'IA, avec une politique stricte d'accès aux données sensibles.

Posez trois questions à votre responsable informatique.

  1. Les droits sont-ils vérifiés à chaque question, selon l'identité de la personne qui la pose ?
  2. Les droits de l'IA suivent-ils ceux de votre partage de fichiers quand un dossier change de mains ?
  3. Les documents les plus sensibles sont-ils exclus de la recherche tant que ces contrôles ne sont pas en place ?

Des réponses qui citent leurs sources

Demandez que chaque réponse indique les documents et les passages dont elle vient. Le lecteur peut alors vérifier en un clic, et repérer une source périmée. Un bon système cite clairement ses sources et indique ses limites : c'est l'un des critères d'évaluation retenus par la direction interministérielle du numérique (DINUM).

La recherche réduit les erreurs, sans les supprimer. L'IA peut encore mal résumer un passage ou mélanger deux documents proches. La citation de la source reste votre meilleur outil de contrôle.

Tester avec des questions dont vous connaissez la réponse

Avant d'ouvrir l'outil, préparez un jeu de questions de référence. Comptez 20 à 50 questions par thème, chacune avec une bonne réponse validée par un expert et sa source. Posez-les à l'IA et comparez ses réponses à celles de vos experts.

Refaites ce test à chaque changement. De nouveaux documents, des versions contradictoires ou une nouvelle version du modèle peuvent dégrader la qualité des réponses sans que personne ne s'en aperçoive. Le guide sur les étapes d'un projet d'IA, du test à la mise en production montre où placer ces essais.

Où vivent vos documents et leur index

Pour retrouver vite les bons passages, le système découpe vos documents et les range dans un index, une sorte de table des matières très détaillée. Cet index contient des extraits de vos textes. Son emplacement compte donc autant que celui du modèle.

Si la recherche passe par un service en ligne, vos documents et leur index sont stockés chez ce prestataire. Installés sur vos serveurs ou chez un hébergeur de confiance, ils restent sous votre contrôle. Notre guide pour héberger une IA générative en interne détaille ce choix, du modèle au matériel.

Faire appel à Coplement

Coplement installe des assistants d'IA, appelés agents, sur les serveurs de ses clients ou chez un hébergeur de confiance, OVH dans son offre qualifiée SecNumCloud ou Outscale. Ces agents reposent sur les modèles ouverts Llama, Mistral et Qwen, et chacun est réglé sur un métier. Les documents restent sur ces serveurs, et le serveur du modèle n'envoie ni requête vers l'extérieur ni télémétrie. Les clés restent dans votre coffre-fort numérique, comme le décrit la page sur l'hébergement et la sécurité des données.

Chaque question posée à un agent est enregistrée dans un journal qui ne peut pas être modifié et qui s'exporte. Un projet commence par un audit de déploiement gratuit, de 2 à 3 semaines et sans engagement : demandez un audit pour brancher l'IA sur vos documents.

  • RAG
  • IA générative
  • données confidentielles
  • IA on-premise

Questions fréquentes

Qu'est-ce que le RAG en intelligence artificielle ?

Le RAG, ou génération augmentée par récupération, associe une recherche dans vos documents et un modèle de langage. Le système repère d'abord les passages utiles, puis le modèle rédige sa réponse à partir d'eux, au lieu de puiser dans sa seule mémoire.

Quelle est la différence entre RAG et fine-tuning ?

Avec le RAG, vos documents restent hors du modèle et l'IA en lit des extraits à chaque question. Le fine-tuning, ou réglage sur vos exemples, entraîne à nouveau le modèle sur vos textes pour lui apprendre un style ou un vocabulaire. Pour interroger des documents qui changent, le RAG est le point de départ habituel.

Le RAG empêche-t-il l'IA d'inventer des réponses ?

Il réduit ce risque, sans le supprimer, car la réponse s'appuie sur de vrais passages. L'IA peut encore mal résumer ou mélanger deux documents proches : demandez donc que chaque réponse cite sa source, et faites relire les réponses qui engagent l'entreprise.

Combien de questions faut-il pour tester un RAG ?

Prévoyez un jeu de 20 à 50 questions par thème, chacune avec une réponse validée par un expert et sa source, comme le recommande la DINUM. Rejouez-le à chaque ajout de documents ou changement de modèle.

Un RAG respecte-t-il les droits d'accès aux documents ?

Seulement s'il est réglé pour le faire. Vérifiez que les droits sont contrôlés à chaque question, selon l'identité de la personne, et qu'ils suivent ceux de votre partage de fichiers. Tant que ce n'est pas le cas, laissez les documents sensibles hors de la recherche.

Infrastructure sécurisée déployée dans votre périmètre
Gratuit

Parlez-nous de votre cas d'usage

Nous revenons avec une architecture qui répond à votre besoin. Installez-la vous-même ou confiez-la-nous.

Votre cas d'usage et votre email servent seulement à vous répondre. Ils ne sont ni vendus ni cédés. Détail et droits : Confidentialité

Dans la même rubrique

  • How-to

    Déployer une IA dans votre entreprise : quelles étapes, de l'audit à la mise en production ?

    Un projet d'IA installée chez vous ne commence pas par le choix d'un modèle. Ce guide suit l'exemple d'une PME qui veut extraire les clauses de ses contrats fournisseurs, en six étapes. Les trois premières portent sur un premier usage, l'inventaire des documents et des risques, puis le lieu et le modèle. Les trois suivantes couvrent les tests sur vos dossiers, l'ouverture à un groupe pilote, puis le suivi après la mise en production.

    6 min

  • How-to

    Journal des questions posées à l'IA : à quoi sert-il en cas de contrôle ?

    Un client vous demande si une IA a servi pour la note que vous lui avez remise, et sur quels documents. Ce guide explique ce que le journal des questions posées à l'IA doit garder, pourquoi il ne doit pas pouvoir être retouché, à quoi il sert lors d'un contrôle, ce que proposent Copilot et ChatGPT Enterprise, et quoi demander à votre responsable informatique.

    8 min