Qu'est-ce que le RAG (Retrieval-Augmented Generation) ?

Comment fonctionne le RAG

Le RAG a été décrit en 2020 par des chercheurs de Facebook AI Research, dans un article intitulé « Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks ». Le principe se déroule en trois temps :

1. La recherche (retrieval) : à partir de la question, le système cherche les passages les plus pertinents, dans une base de documents ou sur le web.
2. L’enrichissement (augmentation) : ces passages sont ajoutés à la question envoyée au modèle.
3. La rédaction (generation) : le LLM rédige sa réponse en s’appuyant sur ces passages, et peut indiquer d’où vient chaque information.

Où l’on trouve le RAG

Le RAG en entreprise

Le RAG ne sert pas qu’aux moteurs de recherche. C’est aussi la technique derrière la plupart des assistants internes : un chatbot de service client qui répond à partir de vos conditions de vente, un outil qui retrouve une clause dans des centaines de contrats, une aide en ligne qui s’appuie sur votre documentation. L’IA ne réinvente rien : elle cherche le bon passage dans vos documents, puis le reformule.

La qualité de la réponse dépend alors directement de la qualité des documents : des fiches à jour, claires et bien découpées donnent de bonnes réponses, des documents contradictoires en donnent de mauvaises.

Un exemple concret

Vous demandez à Perplexity : « Quels sont les horaires du marché des Capucins à Bordeaux ? ». Le modèle seul ne les connaît pas, ou de façon datée. Avec le RAG, il cherche des pages récentes sur le sujet, lit les passages qui donnent les horaires et rédige une réponse en citant les sites consultés. Si ces sites se contredisent ou sont périmés, la réponse le sera aussi.

Pourquoi c’est important pour votre business

Le RAG change la façon d’être visible : une IA qui cherche avant de répondre cite des pages. Être choisi comme source, c’est apparaître dans la réponse, avec souvent un lien vers votre site. C’est le cœur du GEO :

• Les pages sélectionnées sont en général celles qui se positionnent déjà bien sur les recherches lancées par l’IA.
• L’IA lance souvent plusieurs recherches à partir d’une seule question, selon le principe du query fan-out.
• Elle retient les passages clairs, précis et faciles à citer.

Comment devenir une source

1. Se positionner sur les recherches liées à votre activité : sans visibilité dans les moteurs, pas de sélection.
2. Répondre clairement : une question en intertitre, une réponse directe juste en dessous.
3. Donner des faits précis : chiffres, dates, prix, caractéristiques, sources.
4. Structurer : listes, tableaux, paragraphes courts, données structurées.
5. Tenir les informations à jour : une page périmée transmet des erreurs, à l’origine d’hallucinations.

Les erreurs fréquentes

• Croire que le RAG ne concerne que les experts en IA. Il est déjà dans les outils que vos clients utilisent tous les jours.
• Écrire des pages vagues. Une IA ne peut citer que ce qui est dit clairement.
• Négliger le référencement classique. Les pages choisies par le RAG sont d’abord celles que les moteurs trouvent.

Questions fréquentes

Quelle différence entre un LLM et le RAG ?

Le LLM est le modèle qui rédige. Le RAG est la méthode qui lui fournit, au moment de la question, des documents à lire. Un LLM sans RAG répond de mémoire ; avec le RAG, il répond à partir de sources trouvées pour l'occasion.

Le RAG supprime-t-il les hallucinations ?

Il les réduit fortement, car l'IA s'appuie sur des textes réels. Mais il ne les supprime pas : l'IA peut mal comprendre une source, mélanger deux documents ou s'appuyer sur une page inexacte.

Comment faire partie des sources d'un RAG ?

Pour la recherche web, il faut d'abord être bien positionné sur les requêtes que l'IA va lancer, puis proposer des pages claires, structurées et fiables, faciles à extraire et à citer.