RAG en Intelligence Artificielle : comment fonctionne le Retrieval-Augmented Generation ?
RAG signifie Retrieval-Augmented Generation, ou génération augmentée par récupération d’informations. L’idée consiste à associer un système de recherche d’informations à un modèle génératif afin de fournir à ce dernier un contexte pertinent avant qu’il produise sa réponse. Le RAG occupe une place importante dans le Bachelor CAFP × EIESTP avec le bloc « RAG, assistants & agents IA — 35 h ».
RAG signifie Retrieval-Augmented Generation, ou génération augmentée par récupération d’informations. L’idée consiste à associer un système de recherche d’informations à un modèle génératif afin de fournir à ce dernier un contexte pertinent avant qu’il produise sa réponse. Le RAG occupe une place importante dans le Bachelor CAFP × EIESTP avec le bloc « RAG, assistants & agents IA — 35 h ».
Quel problème le RAG cherche-t-il à résoudre ?
Un modèle de langage ne dispose pas nécessairement de toutes les informations nécessaires à une tâche.
Il peut être utile de lui fournir des informations provenant d’une source externe pertinente au moment de la requête.
Le RAG introduit précisément cette étape de récupération.
Comment fonctionne un système RAG ?
À un niveau simplifié :
Question utilisateur ↓ Recherche d’informations pertinentes ↓ Récupération du contexte ↓ Transmission du contexte au modèle ↓ Génération de la réponse
Cette représentation explique le principe général sans imposer une architecture technique particulière au programme du CAFP.
Qu’est-ce que la recherche sémantique ?
La recherche sémantique vise à retrouver des informations en tenant compte de leur signification ou proximité de sens, plutôt qu’en se limitant uniquement à la correspondance exacte de mots.
Elle figure explicitement dans le bloc RAG du Bachelor.
Quel rôle joue le LLM ?
Dans une architecture RAG basée sur un LLM, le modèle reçoit la question ainsi que le contexte récupéré.
Il utilise ensuite ces éléments pour générer la réponse.
RAG et entraînement d’un modèle sont-ils identiques ?
Non.
Le RAG ajoute des informations au contexte utilisé lors de la génération.
Il ne signifie pas, à lui seul, que les paramètres du modèle sont réentraînés.
Quel lien avec les assistants IA ?
Un assistant peut utiliser une architecture RAG afin de répondre à partir d’un ensemble de documents ou d’informations mis à sa disposition.
Le Bachelor associe précisément RAG, assistants et agents dans le même bloc.
Quel lien avec les agents IA ?
Le RAG fournit un mécanisme de récupération d’informations.
Un agent peut aller plus loin en orchestrant différentes actions ou outils dans le cadre d’une tâche.
Les concepts peuvent être combinés mais ne sont pas synonymes.
Quelles bases de données ou technologies RAG sont enseignées ?
La page publique ne nomme pas de base vectorielle, framework ou plateforme spécifique.
Nous ne devons donc pas présenter une technologie particulière comme officiellement enseignée.
Le RAG garantit-il une réponse exacte ?
Non.
Fournir un contexte pertinent peut aider le système, mais cela ne constitue pas une garantie absolue d’exactitude.
La qualité des sources récupérées, leur pertinence et le comportement du modèle restent importants.
FAQ — Intelligence Artificielle & Science des Données
Que signifie RAG ?
Retrieval-Augmented Generation.
Le RAG est-il étudié au CAFP ?
Oui.
Combien d’heures comporte le bloc ?
35 heures pour RAG, assistants & agents IA.
La recherche sémantique est-elle étudiée ?
Oui.
RAG et LLM sont-ils la même chose ?
Non.
Le RAG réentraîne-t-il obligatoirement le modèle ?
Non. Son principe général consiste à enrichir le contexte avec des informations récupérées.
Consultez la page principale de cette filière pour retrouver la durée, les conditions d’admission et les informations de préinscription.