flaibo
Glossaire

RAG (Retrieval-Augmented Generation)

Une technique où un modèle d'IA va chercher des informations pertinentes dans une source externe avant de répondre, au lieu de se fier uniquement à ce qu'il a appris pendant son entraînement.

Aucune carte bancaire requise

Ce que ça signifie en pratique

Si tu poses à un assistant IA une question sur la politique tarifaire interne de ton entreprise, un modèle sans étape de recherche ne peut que deviner ou admettre qu'il ne sait pas ; il n'a tout simplement jamais été entraîné sur tes documents privés. Un modèle équipé de la recherche documentaire, lui, consulte d'abord tes documents de politique réels, en extrait le passage pertinent, et répond en s'appuyant sur cette source réelle et à jour, plutôt que sur une supposition formée au moment de l'entraînement, des mois voire des années avant que ta politique n'existe.

Exemple

Demande "quelle est notre politique de remboursement pour les forfaits annuels ?" Sans recherche documentaire, un assistant généraliste refuse de répondre ou produit une politique qui semble plausible mais qui est fausse, issue d'un simple repérage de motifs générique. Avec la recherche documentaire branchée sur le document de politique réel, il consulte d'abord le vrai paragraphe sur le remboursement et répond directement à partir de ce texte, pouvant même le citer avec précision.

À ne pas confondre avec

vs. Fine-tuning

Les deux sont des façons de faire "savoir" au modèle plus de choses que ce qu'il a appris par défaut, mais par des mécanismes très différents. Le fine-tuning réentraîne de façon permanente les poids internes du modèle lui-même sur de nouveaux exemples : un processus lent et coûteux, figé une fois terminé. La recherche documentaire ne change rien au modèle lui-même ; elle va chercher une information fraîche au moment où la question est posée, ce qui lui permet de refléter un document ajouté cinq minutes plus tôt, alors que le fine-tuning ne peut pas en faire autant sans tout réentraîner depuis le début.

Frequently asked questions

Envie d'avoir ton contexte au même endroit ?

Flaibo conserve ton rôle, ta tonalité et ton travail passé au même endroit, et les intègre dans les prompts que tu emportes vers l'IA que tu utilises, pour qu'une nouvelle discussion n'ait pas à repartir d'une fenêtre de contexte vide.

Commence gratuitement

Ton contexte partout