Une IA grand public est brillante en culture générale… et totalement ignorante de votre entreprise. Pour qu'elle réponde sur vos procédures, vos produits, vos contrats, une technique s'est imposée : le RAG. Explication sans jargon.
L'essentiel
- RAG : le modèle ne mémorise rien, il reçoit à chaque question les extraits pertinents de vos documents.
- Conséquence directe : un document corrigé est pris en compte immédiatement, sans réentraînement.
- Conséquence tout aussi directe : vos documents restent là où ils sont, et ne rejoignent pas un corpus d'entraînement.
- Trois conditions : des documents à jour, un découpage pertinent, et une réponse qui cite sa source.
Le problème : une IA qui ne vous connaît pas
Un modèle de langage a été entraîné sur des données publiques, figées à une date. Il ne connaît ni vos tarifs, ni vos process, ni votre dernier contrat. Lui poser une question interne, c'est risquer une réponse plausible mais fausse.
La solution : RAG (Retrieval Augmented Generation)
Le principe est simple : avant de répondre, l'IA va chercher l'information dans vos documents, puis rédige à partir de ce qu'elle a trouvé. Trois étapes :
- Indexation : vos documents (procédures, fiches, e-mails…) sont découpés et transformés en représentations recherchables.
- Recherche sémantique : à la question posée, le système retrouve les passages les plus pertinents — par le sens, pas seulement les mots-clés.
- Génération sourcée : l'IA rédige la réponse en s'appuyant sur ces passages.
Le RAG ne « réentraîne » pas l'IA. Il lui donne les bons documents au bon moment — comme un expert qui ouvre le bon classeur avant de répondre.
Pourquoi c'est idéal pour une PME
- Toujours à jour : ajoutez un document, il est utilisable aussitôt. Pas de réentraînement coûteux.
- Sourcé : les réponses s'appuient sur vos contenus, ce qui réduit fortement les « hallucinations ».
- Souverain : vos documents restent chez vous, hébergés en France — un point que nous développons dans « ERP souverain ».
Des cas d'usage concrets
Support interne (« quelle est notre procédure de retour ? »), aide commerciale (générer une proposition à partir de cas similaires), onboarding (répondre aux questions des nouveaux). C'est exactement ce que font les assistants IA d'Atalios.
Les trois conditions, et celle que tout le monde oublie
- Des documents à jour. Un assistant branché sur une documentation périmée répond faux avec aplomb. C'est le défaut le plus coûteux, parce qu'il est invisible : la réponse a l'air juste.
- Un découpage pertinent. Un contrat découpé au milieu d'une clause produit des réponses amputées. Le découpage suit la structure du document — titres, articles, sections — pas un nombre de caractères.
- Une réponse qui cite sa source. C'est la condition qu'on oublie, et la seule qui rende l'outil utilisable au travail : sans lien vers le passage d'origine, personne ne peut vérifier, donc personne ne fait confiance, donc l'outil est abandonné.
Un corollaire désagréable mais vrai : si vos documents internes sont contradictoires, un assistant ne les réconcilie pas — il expose la contradiction. Beaucoup d'entreprises découvrent l'état réel de leur documentation en l'interrogeant.
C'est exactement la démarche que nous avons suivie pour notre propre base : 1 725 fiches de modules Odoo, structurées par module, chacune citable séparément. L'assistant métier s'appuie dessus.
Questions fréquentes
Mes documents servent-ils à entraîner le modèle ?
Non, c'est tout l'intérêt de l'approche. Le modèle ne mémorise pas vos documents : il en reçoit des extraits au moment de la question, puis les oublie. C'est ce qui distingue le RAG d'un affinage de modèle, où vos contenus entreraient effectivement dans les poids.
Combien de documents faut-il pour que ce soit utile ?
Moins qu'on ne pense. Une trentaine de procédures bien tenues produisent déjà des réponses utiles. L'inverse est vrai aussi : dix mille fichiers hétérogènes et périmés produisent un assistant dont on se méfiera dès la deuxième réponse.
Peut-on le faire tourner sans envoyer les données hors de France ?
Oui, à condition de choisir des modèles et un hébergement qui le permettent. C'est un critère à poser avant le choix technique, pas après : beaucoup d'architectures très commodes supposent un appel à une interface hébergée hors d'Europe.
Quelle différence avec une simple recherche plein texte ?
La recherche vous rend des documents, l'assistant vous rend une réponse formulée, avec sa source. Pour une question dont la réponse se trouve dans un seul document, la recherche suffit souvent. L'écart se creuse quand la réponse exige de croiser trois documents.
En résumé
Le RAG, c'est l'IA qui apprend de vos documents sans réentraînement : à jour, sourcée, souveraine. La bonne porte d'entrée de l'IA en PME. Échangeons sur votre projet IA.
