RAG Retrieval-Augmented Generation
La technique où une IA commence par chercher dans une base de connaissances, puis formule sa réponse à partir de ce qu'elle a trouvé.
Elle répond à deux défauts des LLM bruts : ils ignorent tout ce qui s'est passé après leur entraînement, et ils ont tendance à halluciner. Avec le RAG, on interroge ses propres données (contenu d'un site, documentation, base de connaissances) et le modèle n'a le droit de répondre qu'à partir de ce qu'on lui remet.
Techniquement : découper les données en fragments, en calculer les embeddings, puis, à chaque question, vectoriser la requête, retrouver les fragments les plus proches et les transmettre au LLM comme contexte.