Glossaire

Évaluation des documents (RAG)

Qu’est-ce que Évaluation des documents (RAG) ?

Dans la génération augmentée par récupération (RAG), l'évaluation des documents consiste à vérifier si les passages retrouvés correspondent à la question et peuvent étayer une réponse. Seuls les passages jugés pertinents sont transmis au modèle de langage ; les autres sont écartés ou déclenchent une nouvelle recherche. Cela réduit le risque de réponses inventées ou mal sourcées, par exemple lorsqu'un document obsolète ressort pour une question sur les prix actuels.

Ce que fait KI.ordo

Les agents KI.ordo répondent en citant leurs sources et disent clairement lorsqu'ils ne savent pas ; les questions sans résultat apparaissent dans une liste de lacunes de connaissances.

En savoir plus →

Thèmes

RAG
pertinence
assurance qualité

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

Reclassement de documents

Le reclassement de documents (reranking) est une seconde étape de tri dans les systèmes de recherche et de RAG : une première recherche rapide fournit une sélection de résultats possibles, qu'une méthode plus précise mais plus coûteuse réordonne ensuite par pertinence. On utilise souvent pour cela un « cross-encoder », qui évalue la question et le passage ensemble. Les passages les plus pertinents remontent ainsi en tête avant qu'un modèle de langage n'en tire une réponse.

recherche
RAG
+1

Hallucination

On parle d’hallucination lorsqu’un modèle d’IA produit une réponse convaincante mais fausse ou inventée de toutes pièces, par exemple une décision de justice inexistante, un chiffre erroné ou une source fictive. La cause : les modèles de langage produisent des formulations probables ; ils ne vérifient pas automatiquement les faits. Le risque diminue lorsque les réponses s’appuient sur des sources vérifiées, citent leurs références et que des personnes contrôlent les résultats importants.

Modèles de langage
Fiabilité
+1

Modèle

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