Définition
La génération augmentée par récupération (RAG) est une technique dans laquelle un modèle d’AI va d’abord chercher des passages pertinents dans une source fiable, puis rédige sa réponse à partir de ces passages.
Seul, un grand modèle de langage répond à partir des schémas appris pendant son entraînement, et cet entraînement n’inclut ni ta politique de retour ni tes derniers tarifs. Le RAG règle ce problème : quand une question arrive, le système fait une recherche dans tes documents (articles d’aide, pages web, PDF), transmet au modèle les passages les plus pertinents et lui demande de répondre à partir de ceux-ci.
Pour les bots de support, le RAG est la méthode habituelle pour garder des réponses propres à l’entreprise et à jour : tu modifies l’article, et la réponse du bot change, sans réentraîner le modèle.
Le RAG réduit les hallucinations, mais ne les élimine pas. La recherche peut passer à côté du bon passage, ou le modèle peut mal l’interpréter. Deux choses aident : un contenu source clair et bien structuré, et l’affichage du lien vers la source avec chaque réponse.
Exemple
Un client demande : « Livrez-vous en Norvège ? » Le système récupère l’article sur les pays de livraison et le bot répond : « Oui, la livraison en Norvège prend de 4 à 6 jours ouvrés », en citant cet article.
Comment Yaplet aide
L’agent Yaplet AI répond à partir du contenu de ton site web et de ta base de connaissances : ses réponses s’appuient donc sur tes propres informations, et non sur des connaissances générales issues du web.