Retrieval-Augmented Generation (RAG)

Architecture couplant récupération de documents et génération de texte.

Le RAG couple deux étapes : le modèle interroge d'abord une base documentaire, puis génère sa réponse à partir des passages remontés. Il permet d'ancrer la sortie sur des données fraîches et citables sans réentraîner le modèle, ce qui en fait l'architecture par défaut des moteurs de réponse grand public.

Pour une agence, comprendre ce pipeline, c'est identifier où l'on peut réellement agir. Chaque étape — découpage, encodage, tri — est un point de contrôle : un contenu peut échouer à être récupéré, ou être récupéré mais écarté au tri, bien avant d'avoir une chance d'être cité.

On l'optimise maillon par maillon : structurer en chunk autonomes, produire un texte cohérent qui génère de bons embedding vectoriel, et soigner ce qui survit au reranking. La visibilité générative se joue autant dans la récupération que dans la rédaction.