Génération augmentée par récupération
Génération augmentée par récupération (RAG)
IA
Une technique où l’IA cherche d’abord les documents ou dossiers utiles, puis répond à partir des résultats. Abrégée RAG.
Génération augmentée par récupération : définition
Le RAG comporte deux étapes. La récupération cherche les passages les plus pertinents dans des articles d’aide, politiques, données produit ou conversations passées. La recherche utilise des mots-clés, le sens (recherche vectorielle) ou les deux. La génération transmet ces passages au modèle de langage, qui rédige une réponse fondée sur eux.
Son utilité : le modèle n’a pas besoin d’avoir mémorisé votre entreprise. Actualiser un article actualise les réponses futures, qui peuvent citer leurs sources. La qualité dépend du contenu : des articles périmés ou contradictoires produisent de mauvaises réponses.
Exemple
Par exemple, à « Livrez-vous au Canada ? », le système récupère la section des commandes internationales de la politique d’expédition et le modèle répond avec ce texte, délais de livraison compris.
Génération augmentée par récupération : pourquoi c’est important
Le RAG relie les réponses à vos informations actuelles plutôt qu’aux suppositions générales du modèle.
Découvrez d’autres termes
Parcourez notre glossaire complet du e-commerce et des abonnements.
