RAG
Génération augmentée par récupération : le LLM interroge une base documentaire pour ancrer ses réponses sur des sources à jour et vérifiables.
SFEIR AI · Mis à jour le 26 août 2026
Ancrer le modèle sur des sources
Le RAG (Retrieval-Augmented Generation) couple un modèle de langage à une recherche documentaire : avant de répondre, le système récupère les passages pertinents d'une base et les fournit au modèle comme contexte. Il réduit les hallucinations et permet de citer des sources à jour sans réentraîner le modèle.
Une recette de fine-tuning publiée en 2020, pas un produit
La technique est introduite par Patrick Lewis et ses co-auteurs — Facebook AI Research, University College London et New York University — dans « Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks », soumis sur arXiv en mai 2020 (arXiv:2005.11401) et publié dans les actes de NeurIPS 2020. Les auteurs la présentent comme « une recette de fine-tuning générique pour la génération augmentée par récupération : des modèles qui combinent mémoire paramétrique et mémoire non paramétrique pré-entraînées pour la génération de langage ».
Le montage décrit dans l'article associe une mémoire paramétrique — un transformeur seq2seq pré-entraîné, BART — et une mémoire non paramétrique, un index vectoriel dense de Wikipedia interrogé par un récupérateur neuronal (Dense Passage Retriever), l'ensemble étant entraîné de bout en bout. L'article définit deux formulations : RAG-Sequence, qui conditionne toute la séquence générée sur les mêmes passages récupérés, et RAG-Token, qui peut mobiliser des passages différents pour chaque token.
La motivation qu'il expose n'a pas vieilli : un modèle à mémoire purement paramétrique ne peut ni réviser ou étendre facilement sa connaissance, ni fournir la provenance de ses prédictions. Ses résultats, en revanche, sont datés — état de l'art de 2020 sur trois tâches de questions-réponses en domaine ouvert, face aux baselines de 2020.
Une brique récurrente de l'entreprise agentique
Le RAG est au cœur de nombreuses applications d'entreprise — bases de connaissances, support, BI conversationnelle — et s'articule avec l'ingénierie du contexte : la qualité des réponses dépend d'abord de la pertinence des documents récupérés, pas seulement du modèle.
Deux confusions coûtent cher en phase de choix. Le RAG est une technique publiée : les plateformes RAG d'entreprise et les moteurs de recherche IA en sont des implémentations propriétaires, qu'on évalue comme telles. Et le RAG n'est pas le long contexte : charger davantage de texte dans la fenêtre du modèle ne revient pas à interroger un index externe révisable, dont on met à jour le contenu sans toucher au modèle.
Questions fréquentes
Qu'est-ce que le RAG ?
Le RAG (Retrieval-Augmented Generation) est une technique qui fait interroger au modèle de langage une base documentaire avant de répondre, afin d'ancrer ses réponses sur des sources à jour et de réduire les hallucinations.
Qui a introduit le RAG et quand ?
Patrick Lewis et ses co-auteurs, chercheurs de Facebook AI Research, University College London et New York University, dans un article publié sur arXiv en mai 2020 (arXiv:2005.11401) et repris dans les actes de NeurIPS 2020.
Pourquoi utiliser le RAG plutôt que de réentraîner un modèle ?
Le RAG apporte des connaissances fraîches et vérifiables sans le coût d'un réentraînement : on met à jour la base documentaire, pas le modèle, et l'on peut citer les sources utilisées. C'est la motivation exposée dans l'article fondateur.
Quelle différence entre RAG-Sequence et RAG-Token ?
RAG-Sequence conditionne toute la séquence générée sur les mêmes passages récupérés ; RAG-Token peut mobiliser des passages différents pour chaque token généré. Les deux formulations sont définies dans l'article de Lewis et al.
Le RAG et le long contexte, est-ce la même chose ?
Non. Le long contexte charge davantage de texte dans la fenêtre du modèle. Le RAG interroge un index externe révisable, ce qui permet de mettre à jour la connaissance sans toucher au modèle et de tracer la provenance des passages utilisés.
Sources
Articles liés
Architecture 3-Tier du contexte : Hot, Warm et Cold Memory
Le paradoxe du prompt vide : quand 80 % du travail se fait avant d'écrire Une étude portant sur 283 sessions de travail avec des agents IA révèle un chiffre qui devrait faire réfléchir tout architecte logiciel : l'infrastructure contextuelle représente désormais 24,2 % de la doc...
BI augmentée : quand les dashboards deviennent conversationnels
De l'écran figé à la conversation vivante : une révolution silencieuse dans la BI Pendant des années, le tableau de bord Business Intelligence a incarné la promesse de la donnée accessible : des graphiques colorés, des KPIs alignés, des filtres clicables. Et pourtant, co...
Les 4 piliers de l'IA Mesh adaptatif
De l'assistant conversationnel à l'entreprise qui pense et agit Pendant des années, la promesse de l'intelligence artificielle en entreprise s'est incarnée dans un seul mot : l'assistant. Un outil qui répond, qui suggère, qui complète. Un copilote, au sens littéral du te...