Génération augmentée par récupération (RAG)
La génération augmentée par récupération est une technique qui ancre la sortie d'un modèle de langage dans des documents sources récupérés plutôt que de s'appuyer uniquement sur sa mémoire paramétrique. Le système extrait des passages pertinents d'une base de connaissances, les fournit comme contexte et demande au modèle de répondre en utilisant uniquement ces preuves.
Synonymes : RAG, retrieval augmented generation, grounded generation, context augmentation
La génération augmentée par récupération sépare ce qu’un modèle sait de ce sur quoi il a été entraîné. Au moment de la requête, le récupérateur extrait les fragments les plus pertinents d’une base de connaissances maintenue, et le modèle compose une réponse contrainte à ces preuves. Cela réduit l’hallucination, rend les réponses auditables grâce aux citations et permet aux équipes de mettre à jour les connaissances sans réentraîner. Dans un cadre gouverné, RAG est le mécanisme qui transforme une question en une réponse ancrée et citée qu’une personne ou une politique peut vérifier avant de lui faire confiance.