Doc ∃xempℓIA

tekio.org
GitHub

RAG documentaire

Code de l'exemple : src/exemplia/rag/ sur GitHub

Capture de la page RAG documentaire
Capture de la page RAG documentaire

Questions en langage naturel sur les documents de l'entreprise, avec réponse citée et filtrage par niveau d'accès.

Besoin

Quand la base documentaire dépasse ce qu'on peut mettre dans un prompt, on récupère d'abord les passages pertinents, puis le LLM répond à partir d'eux seuls. En entreprise, trois exigences s'ajoutent à la version de démonstration habituelle :

  • droits d'accès : un collaborateur ne doit pas obtenir, même reformulé, le contenu d'un document qu'il n'a pas le droit de lire ;
  • vérifiabilité : chaque affirmation renvoie à sa source ;
  • honnêteté : « je ne trouve pas » plutôt qu'une réponse inventée.

Limites

  • Le premier appel au BM25 et au reranker télécharge leurs modèles depuis Hugging Face.
  • Documents Markdown uniquement.
  • La détection des passages modifiés compare le texte stocké dans Qdrant : elle ne voit pas un changement de modèle d'embeddings ou de paramètres de découpage, qui demandent --reconstruire.

La suite : Comment ça marche ? · Comment utiliser ? · Évaluation.