Qu'est-ce que RAG (Retrieval-Augmented Generation) ? (2026)

Un pipeline RAG comporte deux phases. Premièrement, l'ingestion (effectuée au préalable) : vous divisez vos documents sources en passages plus petits (chunking), convertissez chacun en embedding — un vecteur numérique capturant son sens — et stockez ces vecteurs dans une base de données.

Deuxièmement, la récupération et la génération (au moment de la requête) : vous encodez la question de l'utilisateur, trouvez les passages sémantiquement les plus similaires via une recherche vectorielle, et insérez ces passages dans le prompt aux côtés de la question. Le modèle génère alors une réponse fondée sur le texte fourni, idéalement avec des citations renvoyant à la source.

L'idée est que le modèle répond à partir de preuves que vous avez placées dans sa fenêtre de contexte, pas à partir de ce qu'il a mémorisé lors de l'entraînement. Cela rend les réponses traçables — vous pouvez montrer de quel passage provient une affirmation — et les maintient actuelles sans réentraînement.

Ils résolvent des problèmes différents. RAG injecte des connaissances — des faits, des documents, des politiques — dans le prompt au moment de la requête. Le fine-tuning ajuste les poids du modèle pour changer le comportement, le style ou le format. Une règle empirique utile : RAG concerne ce que le modèle devrait savoir ; le fine-tuning concerne comment le modèle devrait agir.

Optez pour RAG quand vos connaissances changent souvent, sont volumineuses ou privées, ou doivent être citées — docs produit, tickets d'assistance, contrats, un wiki interne. Vous pouvez mettre à jour la base de connaissances instantanément sans toucher au modèle. Optez pour le fine-tuning quand vous avez besoin d'un format de sortie cohérent, d'un ton ou d'un comportement de tâche étroit que le prompt seul ne peut pas fiably imposer. Les deux ne s'excluent pas mutuellement — de nombreux systèmes de production utilisent le fine-tuning pour le comportement et RAG pour les faits.

Nous comparons les compromis, les coûts et les modes d'échec en détail dans RAG vs fine-tuning : quand chacun gagne.

Utilisez RAG quand : Les connaissances changent souvent, sont volumineuses ou privées, ou doivent être citées ; vous avez besoin de réponses fondées sur des documents spécifiques ; vous voulez mettre à jour les faits sans réentraînement.
Utilisez le fine-tuning quand : Vous avez besoin d'un format cohérent, d'un ton ou d'un comportement étroit ; la tâche est stable ; le prompt seul ne peut pas fiably imposer la forme de sortie que vous exigez.

RAG change la structure du prompt. Votre prompt a maintenant trois parties : les instructions, le contexte récupéré et la question de l'utilisateur. Gardez-les clairement séparées avec des délimiteurs (en-têtes, balises de style XML ou backticks triples) pour que le modèle puisse distinguer ses instructions des données fournies — cela réduit également le risque d'injection à partir de documents non fiables.

Dites au modèle de répondre uniquement à partir du contexte fourni et de dire quand la réponse n'y est pas. Une instruction de secours comme « Si le contexte ne contient pas la réponse, dites que vous ne savez pas » est ce qui empêche un système fondé de silencieusement inventer des faits. Demander des citations renvoyant aux passages utilisés rend les réponses vérifiables.

Voici un squelette minimal de prompt pour réponse fondée :

``` Vous êtes un assistant d'assistance clientèle. Répondez UNIQUEMENT en utilisant le contexte ci-dessous. Si la réponse ne se trouve pas dans le contexte, dites « Je n'ai pas cette information ». Citez le numéro du passage source pour chaque affirmation. Contexte : [1] {retrieved_passage_1} [2] {retrieved_passage_2} Question : {user_question} ```

La plupart des problèmes RAG sont des problèmes de récupération, pas des problèmes de génération. Si le bon passage n'est jamais récupéré, le modèle ne peut pas répondre correctement peu importe la qualité du prompt — la qualité de la récupération (stratégie de chunking, modèle d'embedding et nombre de passages que vous extrayez) est donc là où se concentrent la plupart des efforts d'ajustement.

Autres problèmes fréquents : des chunks trop volumineux pour être précis ou trop petits pour avoir du sens ; trop de texte récupéré encombrant la question ou enfouissant le passage pertinent dans un long contexte ; et faire confiance aveuglément au contenu récupéré, ce qui ouvre la porte à l'injection de prompt si vos sources ne sont pas fiables. Les instructions de fondation, les citations et une récupération serrée sont les défenses standard.