Génération augmentée par récupération (RAG) : définition, cas d’usage et exemples pratiques

La génération augmentée par récupération (RAG) permet aux outils d’IA d’intégrer des informations externes pour étayer leurs réponses, et ce guide explique son fonctionnement, ses principaux types et des cas d’usage concrets, de la recherche web aux bases de connaissances d’entreprise.

Diagram of a RAG pipeline: in the ingestion path, source data such as docs, databases, and files is chunked and embedded into a searchable index like a vector database; in the retrieval path, an orchestrator builds a query from the user prompt, retrieves results from the index, and passes the prompt plus context to an LLM to produce a grounded answer.

La RAG, ou génération augmentée par récupération, est le processus par lequel les outils basés sur des LLM accèdent à des informations externes. Ces informations, qui ne figurent pas dans les paramètres d’entraînement du LLM, sont ajoutées au contexte d’entrée pertinent et utilisées pour générer la réponse.

La RAG est l’un des composants les plus importants des systèmes d’IA modernes. Elle est utilisée par tous les principaux outils agentiques (ChatGPT, Claude, Perplexity, etc.) et couvre un large éventail de cas d’usage, tant pour le grand public que pour les entreprises. Depuis sa généralisation, la RAG a connu plusieurs innovations et continue d’évoluer de manière remarquable.

Qu’est-ce que la génération augmentée par récupération (RAG) ?

La génération augmentée par récupération (RAG) est une méthode qui permet d’améliorer les résultats des grands modèles de langage (LLM) en leur fournissant des informations externes pertinentes.

Un « pipeline » RAG typique, terme qui désigne de manière générale l’architecture RAG sous-jacente, comporte deux chemins : un chemin d’ingestion et un chemin de récupération. Le chemin d’ingestion prend des données et les convertit dans un format interrogeable. Le chemin de récupération construit une requête à partir du prompt de l’utilisateur et interroge la source d’information.

Les systèmes RAG sont souvent construits autour de bases de données vectorielles. Dans ce cas, le composant orchestrateur d’un outil LLM, qui gère les prompts des utilisateurs, envoie des requêtes et récupère les résultats dans l’index interrogeable, génère un embedding vectoriel. Il s’en sert pour interroger une base de vecteurs représentant les données ingérées. Il ajoute ensuite les informations récupérées au contexte d’entrée existant du LLM, avec des instructions sur la manière de les utiliser pour générer un résultat.

La RAG ne se limite pas au type de recherche vectorielle dense décrit ci-dessus. Le parcours de graphes de connaissances, la recherche sémantique, les consultations de bases de données traditionnelles, ou toute combinaison de ces méthodes, en relèvent également.

Avantages de la RAG

L’une des raisons de la popularité de la RAG est qu’elle résout deux problèmes fondamentaux liés à la génération de réponses par les LLM seuls : les hallucinations et l’absence d’accès aux informations qui ne figurent pas dans les données d’entraînement.

Vérification des faits et ancrage

Les LLM ont la réputation d’avoir du mal à garantir l’exactitude factuelle. Souvent, lorsqu’ils ne peuvent pas répondre de manière fiable à une question, ils hallucinent avec assurance. Cela peut s’expliquer soit par l’absence de l’information dans les données d’entraînement, soit par des inexactitudes contenues dans ces données elles-mêmes. La vérification des faits assistée par la RAG consiste à ancrer une réponse dans des informations issues d’une source tierce fiable.

Des informations à jour

Les LLM ne peuvent répondre qu’à des questions portant sur des sujets antérieurs à la date limite de leurs données d’entraînement, appelée date de coupure des connaissances. Les systèmes RAG peuvent se connecter à des sources d’information très récentes, comme des contenus d’actualité via une API de recherche web, ou des bases de données internes contenant des informations produit à jour. Il devient ainsi possible de générer des réponses sur des sujets qui ne sont pas couverts par les données d’entraînement.

Accès à des données externes privées

Les systèmes RAG permettent aux entreprises de connecter leur infrastructure d’IA à des sources d’informations sensibles, propriétaires et spécifiques à leur domaine, qu’elles ne peuvent pas partager publiquement. De nombreux outils populaires, comme Perplexity, offrent désormais la possibilité de téléverser des données confidentielles et de créer des bases de connaissances privées ; il s’agit d’un cas d’usage courant en entreprise.

Présentation et évolution de la RAG : principaux types d’architecture

Si le terme précis de génération augmentée par récupération est apparu pour la première fois en 2020 dans un article de référence intitulé Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, les systèmes de recherche d’information étaient utilisés depuis de nombreuses décennies. Les premiers moteurs de recherche en sont un bon exemple. La véritable innovation en IA a toutefois consisté à combiner les connaissances paramétriques du modèle avec un index vectoriel dense (l’article s’appuyait sur Wikipédia pour le construire).

Voici un aperçu des principaux types de RAG :

  • RAG de base : Également appelée RAG naïve, la RAG de base est la version la plus simple d’un pipeline RAG. Elle suit un flux « récupérer puis générer », avec la recherche dans une base de données vectorielle comme principal cas d’usage. Elle reste adaptée à une implémentation RAG simple, notamment pour un usage interne limité.
  • RAG hybride : Cette approche combine plusieurs types de RAG. Elle désigne généralement une combinaison de simples recherches par mots-clés et de récupération vectorielle dense.
  • RAG corrective : Forme de RAG dans laquelle les informations récupérées sont évaluées par un modèle affiné (fine-tuned) afin de déterminer leur pertinence par rapport au prompt de l’utilisateur.
  • Self-RAG : Proche de la RAG corrective, la self-RAG se distingue par le fait que le LLM évalue ses propres résultats et déclenche une récupération si nécessaire. Elle s’appuie pour cela sur des jetons de réflexion spécialisés.
  • RAG agentique : La RAG agentique désigne la manière dont les plateformes d’IA agentique peuvent faire appel à différentes méthodes de récupération. Le LLM peut raisonner et choisir parmi diverses options de RAG par l’intermédiaire de l’orchestrateur.
  • RAG multimodale : Ce type de RAG intègre d’autres formes de médias, comme les images et l’audio, dans ses pipelines d’ingestion et de récupération.
  • GraphRAG : GraphRAG intègre le parcours de graphes de connaissances (recherche d’entités) pour récupérer des informations. Cette approche peut être combinée à la récupération vectorielle dense, sans que ce soit obligatoire.
  • RAG ramifiée : Cette architecture RAG consiste à exécuter simultanément plusieurs requêtes de récupération, souvent selon des modèles d’architecture différents. La RAG ramifiée est une fonctionnalité courante des outils d’IA qui exécutent des flux de travail complexes.
  • HyDE (Hypothetical Document Embeddings) : Les embeddings de documents hypothétiques sont des réponses générées par l’IA qui simulent ce que pourrait être une réponse idéale à un prompt de l’utilisateur. Ils servent à affiner la requête RAG, ce qui améliore la précision des informations récupérées.

Principaux cas d’usage de la RAG, avec exemples

À quoi ressemble la RAG dans le monde réel ? Si vous avez déjà posé à un chatbot IA une question sur un sujet d’actualité, interrogé un bot de support client ou utilisé un assistant personnel pour des tâches administratives, vous avez eu recours à la RAG.

Les principaux exemples de RAG, dans les contextes grand public comme en entreprise, sont la recherche web, les assistants personnels (y compris pour le code), les assistants de programmation, le support client et la gestion des connaissances en entreprise.

Recherche web

La recherche web est une forme de RAG très répandue et sans doute l’application grand public la plus omniprésente. Tous les principaux chatbots proposent une fonctionnalité de recherche web, grâce à laquelle le LLM s’appuie sur des sources à jour pour compléter les informations contenues dans ses données d’entraînement.

L’orchestrateur de l’outil d’IA se connecte à un moteur de recherche tiers par un appel d’API, et les résultats, sous forme d’extraits, sont ajoutés à la fenêtre de contexte du LLM. Les utilisateurs peuvent ainsi accéder à l’actualité, aux recherches récentes, aux informations sur les produits et à d’autres sujets dont les informations évoluent fréquemment.

Concrètement, la requête d’API pourrait ressembler à ceci :

json
{ "query": "latest US inflation news", "max_results": 1, "language": "en", "country": "US" }

Les informations renvoyées incluraient la source et l’extrait :

json
{ "query": "latest US inflation news", "results": [ { "title": "US inflation rises slightly in latest report", "url": "https://example.com/us-inflation-report", "snippet": "Consumer prices increased in the latest monthly data, with housing and energy contributing to the rise.", "published_date": "2026-11-05" } ] }

Assistants IA personnels

Les assistants personnels utilisent la RAG pour se connecter à des sources d’information au sein d’un environnement personnel ou d’un environnement d’entreprise partagé. Parmi ces sources figurent par exemple les e-mails, les fichiers, l’agenda et les bases de données d’un utilisateur.

Comme les informations peuvent être stockées de différentes manières, les assistants personnels peuvent être considérés comme des systèmes RAG pleinement agentiques. Selon le prompt, ils peuvent recourir à des appels d’API, à la recherche par mots-clés, à la récupération vectorielle dense ou au parcours de graphes de connaissances.

De plus en plus, les systèmes RAG d’entreprise encodent les connaissances dans des bases de données vectorielles afin que les assistants personnels déployés à l’échelle de l’entreprise puissent les récupérer facilement, et de nombreux produits d’IA pour les entreprises sont conçus dans cette optique.

Les assistants de programmation méritent également d’être mentionnés, car ils représentent un autre cas d’usage majeur. Un assistant de code, comme GitHub Copilot, peut se connecter à un dépôt et à la documentation propre à un projet pour récupérer les fichiers, fonctions, symboles, recommandations, API et historique de commits pertinents.

Support client

Le support client est un autre cas d’usage majeur de la RAG, et l’adoption des chatbots IA a progressé rapidement ces dernières années. Dans son rapport State of AI Customer Support, Crisp a constaté que 40 % des conversations sont résolues sans intervention humaine, ce qui témoigne d’une grande efficacité.

Lorsqu’un utilisateur pose une question à un bot de support client, l’orchestrateur consulte généralement la base de connaissances interne de l’entreprise. Pour garantir l’exactitude des réponses, la RAG corrective et la self-RAG sont aussi souvent utilisées, avec un transfert vers un conseiller humain lorsque cela s’avère nécessaire.

Bases de connaissances d’entreprise

Le déploiement de flux de travail d’IA et d’outils d’IA générative dans les moyennes et grandes entreprises s’est accompagné de la création de bases de connaissances internes. Les assistants déployés à l’échelle de l’entreprise peuvent ainsi accéder aux données internes tout en préservant la confidentialité, qu’il s’agisse d’informations sensibles sur les clients, de données d’entreprise privées ou de connaissances spécialisées dans un domaine.

Ces systèmes sont généralement construits autour de bases de données vectorielles, mais d’autres méthodes de RAG sont également utilisées. Microsoft 365 Copilot, par exemple, dispose d’une couche d’API qui expose diverses sources d’information, notamment des bases de données vectorielles, des graphes de connaissances et des index sémantiques, afin d’offrir un accès étendu aux données de l’entreprise.

Ces systèmes RAG sont aussi généralement intégrés aux offres entreprise des outils agentiques polyvalents. Perplexity Enterprise, par exemple, permet aux utilisateurs de téléverser de grandes quantités de documentation pour un usage interne sécurisé.

Les utilisateurs peuvent également téléverser leurs propres fichiers dans des projets autonomes, créant ainsi de véritables mini-systèmes RAG. Ces recherches peuvent être combinées à d’autres formes de RAG, comme la recherche web, pour une augmentation hybride.

Quelle est la différence entre la RAG et un LLM ?

Un grand modèle de langage (LLM) ne peut générer des résultats qu’à partir des informations représentées dans ses paramètres. Il attribue des probabilités aux éléments d’un vocabulaire interne pour prédire le mot suivant, ou jeton (token), dans une séquence. Par conséquent, il ne peut pas fournir de réponses exactes si ses paramètres n’ont pas été entraînés sur des informations pertinentes.

Dans une plateforme d’IA généraliste ou spécialisée, les pipelines RAG fonctionnent conjointement avec un LLM ou un groupe de LLM. Ils se connectent à des sources d’information externes pour compléter le contexte d’entrée fourni au modèle de langage : c’est là l’essentiel de la différence entre la RAG et les LLM.

La décision de récupérer ou non des informations supplémentaires, ou de s’appuyer exclusivement sur les connaissances paramétriques, peut être prise au niveau de l’orchestrateur, généralement à l’aide d’une logique fondée sur des règles, voire par le LLM lui-même.

Quelle est la différence entre la RAG et le MCP ?

La RAG et le Model Context Protocol (MCP) sont avant tout des technologies complémentaires. Le MCP est une norme ouverte permettant de concevoir une architecture qui donne aux outils d’IA accès à des fonctionnalités, des ressources et des prompts externes via un point de terminaison unique.

Lorsqu’un outil d’IA se connecte à un serveur MCP, le serveur expose toutes les primitives (outils MCP, ressources et prompts) auxquelles le client est autorisé à accéder. Le client est le composant qui établit la connexion entre l’orchestrateur, côté client, et le serveur. Cela peut parfois impliquer d’exposer des bases de données et des sources d’information ; le MCP sert alors d’intermédiaire dans la couche de récupération d’un pipeline RAG.

Quelle est la différence entre la RAG et une API ?

Une API est une interface définie que deux applications peuvent utiliser pour s’envoyer des requêtes. La RAG est le processus par lequel les LLM peuvent accéder à des informations externes pour améliorer et enrichir leurs résultats.

La RAG s’appuie souvent sur des appels d’API pour récupérer des informations. Dans le cas de la recherche d’information sur le web, par exemple, l’orchestrateur formule une requête d’API auprès du moteur de recherche approprié à partir du prompt de l’utilisateur.

Pourquoi la RAG est importante et comment elle va continuer d’évoluer

La RAG est importante parce que les LLM sont intrinsèquement limités par leurs données d’entraînement. Des pans entiers d’information, de l’actualité aux connaissances privées des entreprises, leur sont inaccessibles. La RAG répond à ce problème sans nécessiter des ressources prohibitives.

Cependant, la recherche d’information ne suffit pas à elle seule, et c’est pourquoi la RAG va continuer d’évoluer. La RAG représente une part importante de la recherche actuelle en IA et vise à améliorer les systèmes afin qu’ils renvoient les bonnes informations dans une grande variété de formats, et qu’ils les évaluent et les hiérarchisent efficacement.

À mesure que la RAG gagne en puissance, l’utilité des systèmes d’IA augmente dans d’importantes applications grand public et professionnelles. Celles-ci incluent le support client, la recherche web, la programmation, les assistants personnels, la recherche spécialisée, et bien plus encore.