RAG (Retrieval-Augmented Generation)

La génération augmentée par récupération (RAG, Retrieval-Augmented Generation) est une architecture d'IA dans laquelle un modèle de langage, avant de répondre, va chercher des documents pertinents dans une base ou sur le web et s'en sert comme contexte. C'est le mécanisme qui permet aux moteurs génératifs de répondre sur des faits récents et de citer leurs sources, et le fondement technique du GEO.

Définition détaillée du RAG

Un grand modèle de langage répond à partir de ce qu'il a mémorisé pendant son entraînement. Cette mémoire a trois limites : elle s'arrête à une date, elle ignore tout ce qui n'était pas public (documents internes, données clients), et elle est approximative, ce qui produit des réponses plausibles mais fausses. Le RAG, décrit en 2020 par une équipe de Facebook AI Research, contourne ces limites en séparant deux rôles : retrouver l'information, ce que fait un moteur de recherche, et rédiger la réponse, ce que fait le modèle.

Le principe tient en une phrase : au lieu de demander au modèle « que sais-tu de X ? », on lui dit « voici cinq extraits sur X, réponds à partir d'eux et cite-les ». Le modèle ne devient pas plus savant ; il est mieux informé au moment de répondre.

Comment fonctionne un système RAG

1. L'indexation des sources

Les documents (pages web, PDF, bases de connaissances, tickets, fiches produits) sont découpés en passages de quelques centaines de mots (le « chunking »), puis convertis en vecteurs (embeddings), des suites de nombres qui représentent le sens du passage. Ces vecteurs sont stockés dans une base vectorielle (Pinecone, Weaviate, Qdrant, pgvector, Elasticsearch...).

2. La récupération

La question de l'utilisateur est convertie de la même façon, et le système cherche les passages dont le vecteur est le plus proche : c'est la recherche sémantique, qui trouve « délai de remboursement » quand on demande « combien de temps pour être remboursé ». Les systèmes sérieux combinent cette recherche avec une recherche par mots-clés classique (BM25, l'héritier du TF-IDF) et fusionnent les deux listes, par exemple par Reciprocal Rank Fusion, puis reclassent les résultats avec un modèle dédié (reranker).

3. La génération

Les meilleurs passages sont insérés dans le prompt, avec la question et des consignes (répondre uniquement à partir des extraits, citer la source de chaque affirmation, dire quand l'information manque). Le modèle rédige, et la réponse porte des références vers les documents utilisés.

Ce que le RAG apporte, et ce qu'il ne règle pas

• Des réponses à jour : il suffit de mettre à jour la base, sans réentraîner le modèle.
• Des sources : chaque affirmation peut être rattachée à un document, ce qui rend la réponse vérifiable.
• Des données privées : documentation interne, contrats, historique client, sans qu'elles servent à entraîner quoi que ce soit.
• Moins d'hallucinations, pas zéro : le modèle peut mal lire un extrait, mélanger deux sources, ou inventer quand la récupération n'a rien trouvé de pertinent.

La qualité d'un RAG dépend d'abord de la récupération : si les bons passages ne remontent pas, la meilleure rédaction du monde répond à côté. Le découpage des documents, la qualité des embeddings, la taille du contexte et l'évaluation continue (des jeux de questions avec les réponses attendues) font la différence entre une démonstration et un outil fiable.

Le RAG et le SEO

Les moteurs génératifs grand public fonctionnent sur ce principe, avec le web comme base documentaire. Perplexity, la recherche de ChatGPT, Copilot, les AI Overviews et le mode IA de Google lancent une ou plusieurs recherches (chez Google, le query fan-out), lisent les pages retournées, en extraient des passages et rédigent une réponse avec des citations. Comprendre le RAG, c'est comprendre ce que le GEO peut optimiser :

• Être retrouvé : la page doit être indexée, se positionner sur les sous-requêtes que génère le moteur, et rester accessible aux robots des moteurs génératifs.
• Être extractible : les passages sont découpés ; un paragraphe qui répond de façon autonome à une question précise a plus de chances d'être retenu qu'une idée diluée sur trois écrans.
• Être fiable : les rerankers et les consignes de génération favorisent les sources qui affirment, datent et attribuent.

Le RAG a aussi des usages internes pour les équipes SEO et contenu : un assistant qui répond à partir de la documentation Google, un moteur de recherche interne fondé sur le sens plutôt que sur les mots exacts, ou l'analyse d'un corpus de pages concurrentes. NotebookLM, de Google, en est la version grand public : on lui donne des documents, il ne répond qu'à partir d'eux.

FAQ

Quelle différence entre le RAG et le fine-tuning ?

Le fine-tuning modifie le modèle pour changer son comportement (ton, format, tâche) ; le RAG ne touche pas au modèle et lui fournit des informations au moment de la question. Pour des connaissances qui changent ou des données privées, le RAG est la bonne approche ; les deux se combinent quand on veut à la fois un style et des faits.

Le RAG supprime-t-il les hallucinations ?

Il les réduit, en donnant au modèle de quoi répondre et en lui demandant de citer. Mais il ne les supprime pas : une récupération qui rate, un extrait mal compris ou une question hors du corpus peuvent encore produire une réponse fausse. L'évaluation régulière sur des questions de référence reste nécessaire.

ChatGPT, Perplexity et Google utilisent-ils le RAG ?

Oui, dans leurs fonctions de recherche : ils interrogent le web, lisent les pages retournées et rédigent à partir d'elles, avec des citations. C'est pour cela qu'ils répondent sur l'actualité et qu'une page peut apparaître comme source. Sans recherche activée, un assistant répond uniquement de mémoire.

Que faut-il pour construire un RAG ?

Une source de documents propre et à jour, un modèle d'embeddings, une base vectorielle, un modèle de langage et un cadre d'orchestration (LangChain, LlamaIndex, ou les briques natives des fournisseurs). Le plus long n'est pas l'assemblage mais le réglage : découpage des documents, recherche hybride, reclassement, et jeu de test pour mesurer la qualité des réponses.

En résumé

• RAG : une architecture où le modèle de langage récupère des documents pertinents avant de rédiger, et répond à partir d'eux avec des citations.
• Trois étapes : indexation des sources en vecteurs, récupération (sémantique et mots-clés, puis reclassement), génération sous contrainte.
• Apports : réponses à jour, sources vérifiables, données privées, moins d'hallucinations ; la qualité dépend d'abord de la récupération.
• SEO : les moteurs génératifs sont des RAG à l'échelle du web ; le GEO consiste à être retrouvé, extractible et fiable.
• Usages internes : assistants documentaires, recherche interne sémantique, analyse de corpus ; NotebookLM en version grand public.

Abondance c'est aussi des audits SEO, un service de contenus et des formations en e-learning !