Comment fonctionne la chaîne RAG ?
- 01
Préparer
Extraire le texte, segmenter le contenu et conserver les métadonnées et relations utiles.
- 02
Vectoriser
Transformer les passages en représentations numériques pour retrouver des proximités de sens.
- 03
Filtrer
Appliquer les permissions et le périmètre de recherche avant de présenter les passages au modèle.
- 04
Générer
Construire une réponse à partir du contexte récupéré, avec renvoi vers les documents sources.
- 05
Contrôler
Journaliser la requête, vérifier les citations et permettre un retour vers le document d’origine.
Les garde-fous qui comptent
- Filtrage par droits avant récupération du contexte.
- Réponses accompagnées de références vers les pièces utilisées.
- Possibilité de limiter l’assistant à un dossier, un fonds ou un service.
- Modèle d’IA configurable selon l’architecture et les contraintes de souveraineté.
- Évaluation sur un jeu de questions représentatif, avec cas sans réponse.
Du RAG à l’agent documentaire
Un agent documentaire peut aller au-delà de la réponse : préparer une synthèse, proposer une classification ou déclencher une action autorisée. Dans Arkave, ces capacités doivent rester contraintes par les rôles, les outils disponibles et les étapes de validation.
Le bon niveau d’autonomie dépend du risque métier. Une suggestion de métadonnée n’a pas les mêmes conséquences qu’un versement, une suppression ou une décision administrative.
Questions fréquentes
Quelle différence entre recherche sémantique et RAG ?
La recherche sémantique retrouve des passages proches du sens de la question. Le RAG utilise ensuite ces passages comme contexte pour formuler une réponse sourcée.
Le modèle peut-il être privé ?
Arkave prévoit un modèle configurable et peut s’intégrer à une infrastructure privée selon l’architecture choisie.
Les permissions GED sont-elles conservées ?
Le principe est d’appliquer les droits avant la récupération du contexte afin de ne pas exposer un passage non autorisé à l’utilisateur.