Glossaire

Génération augmentée par cache (CAG)

Qu’est-ce que Génération augmentée par cache (CAG) ?

La génération augmentée par cache (CAG) est une approche dans laquelle un modèle de langage ne cherche pas l'information à chaque question : une base de connaissances limitée est chargée à l'avance dans sa fenêtre de contexte, puis cet état est mis en cache, ce qui supprime l'étape de recherche. Le terme est apparu fin 2024 comme alternative à la RAG. La CAG convient aux bases petites et stables ; pour des données volumineuses ou changeantes, la RAG reste plus pratique.

Ce que fait KI.ordo

Pour les connaissances, KI.ordo utilise une recherche par mots-clés BM25 sur le serveur et met en cache les éléments récurrents des requêtes (prompt caching) pour réduire les coûts.

En savoir plus →

Thèmes

RAG
Fenêtre de contexte
Gestion des connaissances

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Génération augmentée par récupération (RAG)

La génération augmentée par récupération associe recherche et génération de texte : avant de répondre, le système cherche dans une base de connaissances (manuels, directives, FAQ…) les passages pertinents et les transmet au modèle de langage comme contexte. La réponse s'appuie ainsi sur des contenus actuels propres à l'entreprise, et pas seulement sur les connaissances d'entraînement du modèle. Cela réduit les affirmations inventées, rend les sources traçables et permet des mises à jour sans nouvel entraînement.

RAG
recherche documentaire
+1

Grand modèle de langage (LLM)

Un grand modèle de langage (Large Language Model, LLM) est un réseau de neurones entraîné sur de très grands volumes de texte, ce qui lui permet de comprendre et de produire du langage. Il fonctionne en calculant, pas à pas, le jeton suivant le plus probable. Les LLM rédigent, résument, traduisent, répondent à des questions et génèrent du code ; Claude, GPT, Gemini et Llama en sont des exemples connus. Sans sources à jour, ils ne connaissent que leurs données d’entraînement.

Modèles de langage
IA générative
+1

Pipeline de récupération

Une pipeline de récupération (retrieval pipeline) est l'enchaînement d'étapes par lequel un système trouve les informations pertinentes pour une question. Elle comprend généralement : importer et nettoyer les documents, les découper en segments, construire un index de recherche, reformuler éventuellement la requête, rechercher les résultats, les classer (reranking) et transmettre les meilleurs au modèle de langage. Elle constitue la base de toute application RAG ; sa qualité conditionne largement celle des réponses.

RAG
recherche
+1

Recherche d'information

La recherche d'information regroupe les méthodes qui retrouvent, dans de grands ensembles de textes, les documents ou passages correspondant à une requête et les classent par pertinence. Des approches classiques comme BM25 pondèrent les termes selon leur fréquence et leur rareté ; les plus récentes ajoutent la similarité sémantique. Elle est à la base des moteurs de recherche, de la recherche en entreprise et de la génération augmentée par récupération (RAG), où un modèle de langage s'appuie sur les passages trouvés pour répondre.

Recherche
BM25
+1