RAG (génération augmentée par récupération)

Le RAG (Retrieval-Augmented Generation, « génération augmentée par récupération ») est une technique qui combine un modèle de langage avec une recherche dans une source de données externe. Avant de répondre, le système recherche les passages pertinents dans des documents, une base de connaissances ou sur le web et les transmet au modèle comme contexte pour qu'il en formule la réponse. Cela produit deux effets importants : le modèle peut utiliser des informations récentes ou privées qui n'étaient pas dans son entraînement, et les hallucinations diminuent, car il s'appuie sur des textes réels qu'il peut de surcroît citer. C'est la base de nombreux assistants qui renseignent sur la documentation d'une entreprise ou sur un ensemble précis de fichiers. Les erreurs ne disparaissent pas totalement, mais les réponses deviennent bien plus fiables et vérifiables.