Qu'est-ce que le RAG ? Définition et enjeux pour l'entreprise

Le RAG fonctionne en trois étapes invisibles pour l'utilisateur final. Premièrement, vos documents (PDF, pages web, base de connaissances) sont découpés et convertis en vecteurs numériques, c'est-à-dire des coordonnées mathématiques qui représentent leur sens, puis stockés dans une base vectorielle. Deuxièmement, lorsqu'un utilisateur pose une question, le système recherche les passages les plus sémantiquement proches de la requête. Troisièmement, ces passages sont injectés dans le prompt envoyé au LLM, qui rédige une réponse en s'appuyant explicitement sur ces sources. La conséquence pratique est majeure. Le modèle ne s'appuie plus sur sa mémoire d'entraînement, il lit à chaque requête les documents pertinents que vous lui fournissez. C'est ce qui distingue le RAG du fine-tuning, qui modifie les paramètres internes du modèle. Le RAG laisse le modèle intact et joue uniquement sur ce qu'il a sous les yeux au moment de répondre.