Génération augmentée par récupération
Une technique qui fournit à un modèle des extraits pertinents de vos propres documents avant qu'il ne réponde.
La génération augmentée par récupération, généralement abrégée en RAG, est une méthode courante pour amener un modèle de langage à répondre à partir de vos propres données. Au lieu de s’appuyer uniquement sur ce que le modèle a appris pendant son entraînement, le système commence par récupérer les passages les plus pertinents dans un ensemble de documents et les ajoute au prompt, afin que le modèle puisse ancrer sa réponse dans ces sources.
Le RAG constitue la base de la plupart des outils permettant de « discuter avec ses documents ». À mesure que les fenêtres de contexte s’agrandissent, certains cas simples peuvent s’en passer, mais la récupération reste l’approche pratique pour les bases de connaissances volumineuses ou souvent mises à jour.