Abdelhalim Ait Brahim Si vous avez consulté plusieurs agences IA au Maroc ces derniers mois, vous avez probablement croisé trois lettres revenant dans chaque proposition : RAG. Souvent accompagnées de « base vectorielle », « embeddings » ou « architecture RAG », le tout présenté comme la preuve d’un savoir-faire supérieur.
Le concept est réel et parfois indispensable. Il est aussi très souvent vendu à des entreprises qui n’en ont aucun besoin. Voici de quoi juger par vous-même.
Le problème que le RAG résout
Un modèle d’intelligence artificielle a été entraîné sur des textes qui ne vous concernent pas. Il ne connaît ni votre catalogue, ni vos tarifs, ni vos conditions de livraison, ni le contrat que vous avez signé avec ce client en mars.
Posez-lui une question sur votre activité et il produira une réponse crédible, bien tournée, et potentiellement fausse. Ce n’est pas un défaut de qualité, c’est la nature de l’outil : il complète du texte de façon plausible, il ne consulte rien.
Le RAG corrige exactement ce point. Avant de répondre, le système va chercher dans vos documents les passages qui concernent la question, puis demande à l’IA de rédiger sa réponse à partir de ces passages précis. L’IA ne répond plus de mémoire, elle répond avec vos documents sous les yeux.
D’où le nom, retrieval-augmented generation : une génération de texte augmentée par une recherche préalable.
Comment ça marche, sans le jargon
Trois étapes, toujours les mêmes.
On découpe vos documents. Contrats, fiches produits, procédures, historiques d’échanges sont fractionnés en morceaux de taille raisonnable. Un document de quarante pages devient une centaine de fragments.
On les range de façon à pouvoir les retrouver par le sens. C’est le rôle de ce qu’on appelle une base vectorielle. Contrairement à une recherche par mot-clé, elle retrouve un passage sur les délais de livraison même si le client a écrit « ça arrive quand ». C’est cette capacité à retrouver par le sens et non par les mots exacts qui fait toute la valeur du dispositif.
On assemble la réponse. À chaque question, le système récupère les quelques fragments les plus pertinents, les transmet à l’IA avec la question, et lui demande de répondre uniquement sur cette base.
Tout le reste du vocabulaire employé par les agences décrit des variantes de ces trois étapes.
Quand vous en avez besoin
Trois situations le justifient réellement.
Votre base de connaissances est volumineuse. Des centaines de références produit, un catalogue technique, des années de procédures. Trop pour être écrit à la main dans un assistant.
Elle change souvent. Des tarifs qui bougent, des stocks qui varient, des conditions qui évoluent. Réécrire les réponses à chaque changement devient un travail à plein temps, alors qu’avec le RAG il suffit de mettre le document à jour.
Les réponses doivent être traçables. Dans un cabinet, une clinique ou une activité réglementée, savoir de quel document vient une réponse n’est pas un confort. Un système bien monté peut citer sa source, ce qu’un modèle répondant de mémoire ne peut pas faire.
Quand vous n’en avez pas besoin
Et c’est le cas le plus fréquent parmi les PME que nous auditons.
Si vos clients posent toujours les mêmes quinze questions, sur vos horaires, vos prix, votre adresse et vos délais, écrire directement ces quinze réponses est plus rapide, moins cher et plus fiable. Vous savez exactement ce que le système répond, ce qui n’est jamais totalement vrai avec un dispositif de recherche automatique.
Un système RAG monté pour une base de connaissances qui tient sur une page, c’est un investissement d’ingénierie pour un problème qui n’existe pas. Cela se voit dans le devis et, plus tard, dans la maintenance.
Les deux questions à poser à un prestataire
Si l’on vous propose une architecture RAG, deux questions suffisent à savoir si vous avez en face quelqu’un de sérieux.
Que se passe-t-il quand la réponse ne se trouve pas dans mes documents ? Un système bien conçu le reconnaît et passe la main. Un système mal conçu comble le vide, et c’est précisément là que naissent les réponses inventées qu’on cherchait à éviter.
Où sont stockés mes documents une fois découpés et indexés ? Vos contrats et vos fichiers clients partent quelque part. Sur quels serveurs, dans quel pays, accessibles à qui, et pour combien de temps. La Loi 09-08 sur la protection des données personnelles s’applique à cette copie autant qu’à l’original, et beaucoup de propositions restent floues sur ce point.
Ce qu’il faut retenir
Le RAG n’est pas un niveau de sophistication supérieur, c’est une réponse à un problème précis : faire travailler l’IA sur vos données plutôt que sur des généralités. Quand ce problème existe chez vous, c’est la bonne méthode. Quand il n’existe pas, c’est une complexité payante qui ne vous apporte rien.
La question utile n’est donc pas de savoir si votre prestataire maîtrise le RAG, mais s’il est capable de vous dire que vous n’en avez pas besoin.
En résumé
- Le RAG fait consulter vos propres documents à l’IA avant qu’elle réponde, au lieu de la laisser répondre de mémoire
- Il repose toujours sur trois étapes : découper vos documents, les ranger de façon à les retrouver par le sens, puis assembler la réponse à partir des extraits pertinents
- Il se justifie quand votre base de connaissances est volumineuse, change souvent, ou quand les réponses doivent être traçables
- Il ne se justifie pas quand quinze réponses stables suffisent : c’est alors une complexité payante pour un problème qui n’existe pas
- Deux questions révèlent le sérieux d’un prestataire : ce que fait le système quand il ne sait pas, et où sont stockés vos documents une fois indexés
C’est le genre de point que tranche un audit gratuit de trente à soixante minutes, avant tout engagement.
Questions fréquentes
C'est quoi le RAG, en une phrase ?
C'est une méthode qui fait consulter vos propres documents à l'IA avant qu'elle réponde, plutôt que de la laisser répondre de mémoire. Le sigle signifie retrieval-augmented generation, littéralement génération augmentée par la recherche. En pratique : l'IA cherche d'abord, puis rédige à partir de ce qu'elle a trouvé.
Faut-il du RAG pour un simple chatbot de FAQ ?
Souvent non. Si vos réponses tiennent en une quinzaine de questions stables, les inscrire directement suffit et coûte bien moins cher à mettre en place comme à maintenir. Le RAG devient utile quand la base de connaissances est trop volumineuse ou change trop souvent pour être écrite à la main.
Le RAG empêche-t-il l'IA de dire des bêtises ?
Il les réduit fortement sans les supprimer. En donnant à l'IA vos documents réels, on l'empêche d'inventer une réponse de toutes pièces. Mais elle peut encore mal interpréter un document, en citer un périmé, ou combiner deux passages sans rapport. La qualité de ce qu'on lui donne à lire compte autant que la méthode.
Où sont stockées les données avec un système RAG ?
Cela dépend entièrement de la façon dont le système est monté, et c'est la question à poser à tout prestataire. Vos documents sont découpés et indexés quelque part : savoir sur quels serveurs, dans quel pays et qui y a accès relève directement de la Loi 09-08 sur la protection des données personnelles.