Pipeline RAG
La chaîne complète du document à la réponse : ingestion (analyse + découpage) → embedding → stockage dans une base vectorielle → à la requête : récupération → éventuellement reranking → génération.
Le RAG naïf : une simple recherche top-k par similarité cosinus. Le RAG moderne y ajoute une stratégie de découpage (sémantique, fenêtre glissante, récursive, late chunking), la recherche hybride (vectorielle + BM25), un reranker (cross-encoder comme Cohere Rerank), l'expansion de requête (HyDE, multi-requêtes), la compression de contexte et la récupération contextuelle (technique d'Anthropic). Les fenêtres de contexte élargies des LLM ont rendu séduisant le concurrent « tout envoyer d'un coup » (« long contexte contre RAG ») — mais en pire et en plus cher.