RAG : comment faire répondre une IA à partir de vos documents internes

Un assistant documentaire peut aider vos équipes à retrouver une procédure, une information produit ou un élément de connaissance interne. Pour répondre à partir de vos documents, il peut utiliser le RAG, ou Retrieval-Augmented Generation : une recherche de passages pertinents, puis une réponse rédigée à partir de ces passages.

Le sujet dépasse le choix d’un modèle d’IA. Il faut définir quels documents consulter, qui peut y accéder, comment vérifier les réponses et qui maintiendra le corpus. Le cas Lesaffre illustre un besoin de recherche dans une base documentaire R&D ; voici aussi les points à tester avant de généraliser un assistant à votre équipe.

Le problème que le RAG résout

Un modèle généraliste n’a pas, par défaut, accès à vos procédures et à vos documents internes. Pour lui faire produire une réponse adaptée à votre entreprise, plusieurs approches existent.

Joindre un document à une question peut suffire pour une tâche ponctuelle. Cette méthode devient moins pratique lorsque les utilisateurs doivent chercher dans de nombreux fichiers, suivre leurs mises à jour ou respecter des droits d’accès différents.

Adapter le modèle par fine-tuning sert notamment à travailler son comportement ou sa façon de répondre à partir d’exemples. Cette adaptation ne constitue pas, à elle seule, un moteur de recherche dans une documentation qui évolue. Elle peut compléter d’autres méthodes selon le besoin.

Le RAG permet de rechercher des informations dans un corpus accessible, puis de les transmettre au modèle avec la question. Son intérêt doit être testé sur vos usages : il ne garantit pas que chaque document sera retrouvé ni que chaque réponse sera correcte.

Comment fonctionne le RAG, étape par étape

1. Préparer et indexer les documents. En amont des questions, le système prépare les fichiers et leurs métadonnées : titre, version, source et informations utiles au contrôle d’accès. Il peut découper le contenu en passages et calculer des embeddings, des représentations permettant une recherche par proximité de sens. La méthode de recherche peut aussi utiliser des mots-clés. L’index doit suivre les modifications et les suppressions du corpus.

2. Rechercher les passages pertinents. À partir d’une question, le système sélectionne des informations dans le périmètre autorisé. La qualité dépend notamment des documents, de leur préparation et de la méthode de recherche.

3. Fournir un contexte au modèle. Les passages retenus accompagnent la question et les consignes de réponse. Il faut prévoir le comportement attendu lorsque les sources sont insuffisantes, contradictoires ou hors du périmètre de l’utilisateur.

4. Présenter une réponse vérifiable. L’assistant rédige une réponse et peut afficher les liens vers les documents utilisés. Ces liens permettent de contrôler l’information ; leur présence ne prouve pas que le texte répond correctement à la question.

Lesaffre : retrouver la connaissance R&D dans les documents internes

Le cas Lesaffre publié dans nos réalisations porte sur l’accès à une documentation scientifique R&D, répartie entre plusieurs langues et équipes. Le projet présenté associe une plateforme collaborative, une recherche documentaire augmentée par l’IA et une intégration à l’environnement SharePoint existant.

Le besoin métier consiste à retrouver une connaissance déjà disponible dans l’entreprise. Cette situation aide à poser les bonnes questions pour un autre projet : quel périmètre documentaire rendrait service aux utilisateurs, dans quel outil travaillent-ils et quelles langues doivent être prises en compte ?

Cette réalisation ne permet pas de promettre un gain de temps ou un taux de fiabilité identique ailleurs. Les critères de qualité, les droits d’accès et les conditions de déploiement doivent être définis et vérifiés pour chaque corpus.

Quels usages tester dans une PME ou une ETI ?

• Retrouver une procédure interne. L’utilisateur obtient une proposition de réponse et un lien vers la version applicable de la procédure. Un responsable métier vérifie les situations où une interprétation reste nécessaire.
• Préparer une réponse de support. L’assistant recherche dans la documentation produit. Le conseiller contrôle la réponse avant de la transmettre au client ; l’effet sur son travail se mesure pendant le test.
• Retrouver un précédent commercial. L’équipe cherche une référence, une caractéristique produit ou un exemple de proposition parmi les documents qu’elle est autorisée à consulter.
• Explorer une base de connaissances techniques. Les utilisateurs cherchent des méthodes ou des informations réparties dans des rapports. Les tableaux, schémas et fichiers numérisés demandent des vérifications particulières.

Choisissez un usage pour lequel les équipes peuvent reconnaître une réponse correcte et retrouver sa source. Cela facilite la préparation du test et l’analyse des erreurs.

Préparer un premier corpus documentaire

Commencez par un périmètre limité, avec une personne capable d’en expliquer le contenu et les règles d’utilisation. Rassembler tous les fichiers disponibles risque de masquer les problèmes que le prototype doit faire apparaître.

• Désigner les sources de référence. Identifiez les documents à jour, les doublons, les brouillons et les versions archivées.
• Vérifier les formats. Testez séparément les textes, scans, tableaux et schémas réellement présents dans le corpus.
• Définir les accès. Listez les groupes d’utilisateurs et les documents auxquels chacun peut accéder. Un assistant ne doit pas élargir ces droits.
• Préparer la mise à jour. Précisez qui publie une nouvelle version, retire un document et vérifie que l’assistant prend le changement en compte.

Une connexion à SharePoint ou à un autre espace documentaire ne suffit pas à démontrer que ces règles fonctionnent. Leur application dépend de la solution retenue et doit être testée de bout en bout.

Évaluer la recherche et les réponses séparément

Une réponse erronée peut venir d’une mauvaise recherche ou d’une mauvaise utilisation des passages retrouvés. Séparer ces deux étapes aide à comprendre ce qu’il faut corriger. C’est aussi la distinction retenue dans la documentation Microsoft sur l’évaluation du RAG.

Préparez avec les utilisateurs des questions représentatives, les sources attendues et les éléments que devrait contenir une réponse acceptable. Ajoutez des questions sans réponse dans le corpus, des documents contradictoires et des demandes portant sur des informations inaccessibles au profil testé.

1. Recherche : les bons documents sont-ils retrouvés, dans leur version applicable ?
2. Réponse : les affirmations sont-elles appuyées par les passages fournis ? La réponse traite-t-elle la question sans omettre un point essentiel ?
3. Sources : les liens ouvrent-ils les bons documents pour l’utilisateur concerné ?
4. Limites : l’assistant signale-t-il une information manquante au lieu de proposer une réponse non étayée ?
5. Accès et actualisation : un document retiré ou réservé à un autre profil reste-t-il exclu des résultats et des réponses ?

Conservez cet ensemble de questions pour comparer les versions du prototype. Définissez avec le métier les erreurs acceptables et celles qui bloquent le déploiement ; un score global ne doit pas masquer une fuite d’information ou une réponse trompeuse sur un sujet important.

Combien ça coûte concrètement

Pour une PME, le RAG est devenu très accessible. Voici les ordres de grandeur en 2026 :

POC RAG sur 1 cas d'usage et 1 base documentaire : 8 000 à 20 000 € pour 5 à 10 jours de travail (collecte des documents, indexation, mise en place du chatbot, tests utilisateurs). C'est typiquement le format de notre offre hIAppy Lab.

Mise en production RAG complète : 30 000 à 100 000 € selon la complexité (volumétrie, sécurité, intégration dans les outils existants, monitoring, gestion des permissions par utilisateur).

Coût récurrent d'utilisation : très faible. Pour une PME de 50 collaborateurs qui utilisent le RAG quotidiennement, le coût mensuel d'inférence (les requêtes au LLM) est typiquement entre 50 et 500 € selon le volume et le modèle utilisé.

Coût de maintenance documentaire : 10 à 25 % du coût initial par an, principalement pour mettre à jour l'indexation quand vos documents évoluent.

Les pièges classiques d’une mise en place RAG

Une documentation contradictoire. Si plusieurs procédures se contredisent, commencez par clarifier laquelle fait référence. L’IA ne peut pas déterminer seule la décision de votre entreprise.

Un découpage qui perd le contexte. Le chunking, ou découpage en passages, doit conserver assez d’informations pour comprendre une règle, son exception ou le sens d’un tableau. Le réglage se vérifie sur des questions métier.

Des droits d’accès supposés. Vérifiez les restrictions avec plusieurs profils de test, y compris après un changement de droits. Les mécanismes disponibles varient selon les connecteurs et l’architecture ; la documentation RAG de Microsoft Copilot Studio décrit notamment ces dépendances.

Une confiance excessive dans la réponse. Le RAG peut encore produire des hallucinations ou utiliser un passage hors contexte. L’interface et la formation doivent aider l’utilisateur à consulter les sources et à signaler une erreur.

Du prototype à un usage régulier

Avant d’ouvrir l’assistant à une équipe plus large, attribuez les responsabilités : propriétaire du corpus, personne chargée des accès, suivi des erreurs et maintenance de l’intégration. Prévoyez un moyen simple de signaler une mauvaise réponse et une solution de repli pour consulter les documents.

L’accompagnement des utilisateurs fait partie du projet. Ils doivent savoir ce que l’assistant couvre, comment vérifier une source et quand demander un avis humain. Observez ensuite si les réponses sont utiles dans leur travail, les corrections nécessaires et les demandes qui restent sans solution.

hIAppy Lab permet de tester un premier usage documentaire. hIAppy Stream accompagne le passage en production et hIAppy Learn l’appropriation par les équipes. Si le périmètre reste à choisir, hIAppy Vision aide à le cadrer.

Pour préparer un échange, identifiez un ensemble de documents, quelques questions fréquentes et les personnes qui devraient pouvoir y accéder.

Évaluer un premier corpus documentaire