RAG (génération augmentée par récupération)
La génération augmentée par récupération (RAG) consiste à rechercher des informations pertinentes et à les fournir à un modèle de langage au moment où il produit une réponse. Elle peut s’appuyer sur des documents, des résultats de recherche ou d’autres données extérieures à l’entraînement du modèle. La qualité des informations récupérées et la façon dont le modèle les utilise influencent toutes deux la réponse, notamment le bien-fondé de ses affirmations.
Pourquoi c’est important pour une entreprise
La RAG explique comment un assistant peut utiliser une page de services récente sans attendre un nouvel entraînement du modèle. Elle explique aussi pourquoi de mauvaises données sources peuvent produire une mauvaise réponse. Pour une entreprise, l’enjeu concret est de rendre les informations accessibles et fiables afin qu’elles puissent être récupérées.
Exemple et éléments à l’appui
Imaginons un assistant de support qui consulte une politique de retour avant de répondre à un client. S’il récupère une ancienne version, sa réponse peut être fluide tout en étant fausse. Les recherches d’AIGROW sur les sources portent sur l’utilisation observée des sources web ; elles ne permettent pas de connaître l’architecture interne de récupération de chaque fournisseur.
Examiner les sources web observées
Que faire ensuite
Conservez une source claire et à jour pour les politiques et les informations importantes sur vos services. Supprimez les versions contradictoires lorsque vous en avez le contrôle. Indiquez les dates et les cas concernés lorsque des informations changent. Vérifiez que la réponse générée correspond bien à la source effectivement récupérée.
Question fréquente
Termes associés
Sources et méthodologie
Sources vérifiées (2026-10-09). Les exemples indiqués comme illustratifs ne sont pas des résultats mesurés pour des entreprises.
Vérifiez si l’IA cite votre entreprise
Lancez le scan gratuit pour savoir quels assistants citent votre entreprise et quelles informations méritent votre attention. Un scan est un échantillon, pas une garantie de recommandations futures.