Agents IA17 min de lecture

RAG entreprise : brancher un modèle sur vos documents sans qu'il invente

Le RAG permet à un modèle de répondre à partir de vos documents, en citant ses sources. Comment il fonctionne, quand le préférer au fine-tuning ou au long contexte, et les quatre problèmes qui font échouer les projets.

RAG entreprise : brancher un modèle sur vos documents sans qu'il invente

Vous voulez qu'un modèle réponde à partir de vos documents : vos procédures, vos contrats types, vos fiches produits, votre base de tickets. Pas à partir de ce qu'il a lu sur Internet pendant son entraînement. Et surtout, vous voulez qu'il dise « je ne sais pas » plutôt que d'inventer une clause qui n'existe pas.

C'est le problème que le RAG règle. C'est aussi le sujet où l'écart entre la démo et la production est le plus large. Une démo se monte en un après-midi sur dix PDF propres. Un RAG en entreprise doit gérer trois mille documents dont la moitié sont périmés, des droits d'accès différents par service, et une question que personne n'avait prévue.

On en construit pour nos clients, en général sur Postgres, n8n et Claude. Ce guide part de ce qui casse en vrai, pas de la théorie.

Maquette blanche d'une salle d'archives dont un fil corail tire une boîte vers un bureau de lecture

RAG entreprise : c'est quoi, en clair

RAG veut dire Retrieval-Augmented Generation : génération augmentée par la recherche. L'idée tient en une phrase. Avant de répondre, le système va chercher dans vos documents les passages pertinents, les colle dans la question envoyée au modèle, et demande au modèle de répondre uniquement à partir de ces passages, en citant ses sources.

Le modèle ne « connaît » donc pas vos documents. Il les lit au moment de la question, comme un collègue à qui on tend trois pages en lui demandant de répondre. C'est ce qui fait la force d'un RAG pour entreprise : vos données restent chez vous, à jour, et chaque réponse est vérifiable.

La mécanique se décompose en quatre étapes.

1. Le découpage

Un document de quarante pages ne s'envoie pas en entier à chaque question. On le découpe en morceaux, qu'on appelle des chunks : un paragraphe, une section, un article de contrat. La taille du morceau est un vrai réglage. Trop petit, le passage perd son contexte (« ce délai » : lequel ?). Trop gros, la recherche ramène du bruit et la réponse se dilue.

La règle qui marche le mieux : découper selon la structure du document, pas selon un nombre fixe de caractères. Un titre et son contenu ensemble. Un article de contrat entier. Une question et sa réponse dans une FAQ. Et garder sur chaque morceau ses métadonnées : titre du document, section, date, auteur, service propriétaire.

2. Les embeddings

Chaque morceau est transformé en vecteur : une suite de nombres qui représente son sens. Deux passages qui parlent de la même chose, même avec des mots différents, ont des vecteurs proches. « Délai de rétractation » et « combien de temps pour annuler » se retrouvent voisins.

Ces vecteurs sont calculés par un modèle d'embedding, puis stockés dans une base. Il faut les recalculer quand le document change, et tous les recalculer si vous changez de modèle d'embedding : deux modèles différents ne produisent pas des vecteurs comparables.

3. La recherche

Quand un utilisateur pose une question, on calcule le vecteur de la question et on cherche les morceaux les plus proches. C'est la recherche sémantique.

Seule, elle a un défaut connu : elle rate les termes exacts. Une référence produit, un numéro d'article, un nom propre. La pratique qui s'est imposée est la recherche hybride : on combine la recherche par vecteurs et une recherche plein texte classique, puis on fusionne les résultats. Beaucoup d'équipes ajoutent une étape de reranking : un modèle relit les vingt meilleurs candidats et garde les cinq vraiment pertinents.

4. La génération avec citation des sources

Les passages retenus sont envoyés au modèle avec la question et des consignes strictes : réponds seulement à partir de ces extraits, cite le document et la section pour chaque affirmation, et si l'information n'y est pas, dis-le.

La citation n'est pas un détail d'affichage. C'est le mécanisme de confiance. L'utilisateur clique, vérifie, et apprend en quelques jours si l'outil est fiable. Un RAG qui ne cite pas ses sources demande qu'on le croie sur parole, et personne ne le fait longtemps.

RAG vs fine-tuning vs long contexte vs agent : lequel choisir

Le RAG n'est pas la seule façon de brancher un LLM en entreprise sur vos données. Quatre approches reviennent, et elles ne répondent pas au même besoin.

  • Le fine-tuning réentraîne un modèle sur vos exemples. Il apprend un style, un format, un vocabulaire.
  • Le long contexte consiste à envoyer directement tous les documents utiles dans la question, sans recherche préalable. Les modèles récents acceptent des contextes très longs.
  • Le RAG, décrit plus haut : on cherche d'abord, on envoie ensuite les seuls passages utiles.
  • L'agent qui interroge vos outils ne cherche pas dans des documents : il appelle vos systèmes (CRM, ERP, base de données) en direct, via une API ou un serveur MCP, et lit la donnée à la source.
Fine-tuning Long contexte RAG Agent sur vos outils
Quand Imposer un style, un format, un vocabulaire métier Peu de documents, analysés en profondeur Beaucoup de documents texte, questions ouvertes Données structurées et vivantes : commandes, stocks, dossiers clients
Coût Entraînement à chaque version, plus un modèle à héberger ou à servir Payé à chaque question, proportionnel au volume envoyé Indexation une fois, puis peu de texte envoyé par question Peu de texte envoyé, mais des intégrations à construire
Mise à jour des données Nouvel entraînement Immédiate Réindexation du document modifié Immédiate, l'agent lit la source
Risque d'hallucination Élevé sur les faits : le modèle « se souvient » mal Faible si le document est là, plus élevé sur les très longs contextes Faible si la recherche ramène le bon passage Faible sur la donnée lue, le risque se déplace sur l'action
Droits d'accès Impossibles : tout est dans le modèle À gérer avant l'envoi Filtrables à la recherche, document par document Ceux du compte utilisé par l'agent

Le verdict, par profil.

Fine-tuning si votre besoin est une forme, pas un savoir : rédiger dans votre ton, remplir un format de compte rendu précis, classer selon votre nomenclature. Pour faire connaître des faits à un modèle, c'est le mauvais outil : on ne peut ni le mettre à jour simplement, ni restreindre ce qu'il sait selon l'utilisateur.

Long contexte si vous travaillez sur un petit corpus à la fois : analyser un contrat, comparer trois offres, résumer un dossier. Pas d'index à maintenir, et le modèle voit tout. Dès que le corpus dépasse ce qu'on envoie raisonnablement à chaque question, ou que la facture par question devient visible, on passe au RAG.

RAG si vous avez une base documentaire large, qui change, avec des publics différents. C'est le cas de la plupart des bases de connaissance internes, des supports clients et des fonds documentaires métier.

Agent sur vos outils si la réponse est dans une base de données plutôt que dans un document. « Où en est la commande 4512 ? » ne se résout pas par une recherche dans des PDF. On en parle dans notre guide du MCP (Model Context Protocol), le standard qui sert justement à brancher un agent sur vos systèmes.

En pratique, les bons projets combinent. Un assistant IA interne qui répond sur les procédures via un RAG, et qui interroge le CRM en direct quand on lui demande l'état d'un client.

Les vrais problèmes d'un RAG en entreprise

Le pipeline technique se monte vite. Ce qui prend du temps, ce sont quatre sujets qui n'apparaissent jamais dans les démos.

La qualité des documents

Un RAG répond avec ce que vous lui donnez. Si votre drive contient trois versions de la même procédure, dont deux obsolètes, il en trouvera une au hasard. Si vos documents clés sont des PDF scannés, il faudra d'abord une reconnaissance de caractères, avec ses erreurs. Si l'information est dans un tableau Excel fusionné sur six colonnes, le découpage va la massacrer.

Le premier chantier n'est donc pas technique. C'est un tri : quels documents font foi, qui en est propriétaire, lesquels on archive. On démarre toujours avec un périmètre restreint et propre (une procédure, un service, un fonds documentaire) plutôt qu'avec « tout le SharePoint ». Le reste suit quand le premier périmètre tient.

Les droits d'accès par utilisateur

C'est le point qui disqualifie le plus de solutions rapides. Dans votre entreprise, tout le monde ne lit pas tout : les fiches de paie, les contrats fournisseurs, les comptes rendus de direction. Si votre RAG indexe tout dans un seul index sans filtre, n'importe quel salarié peut obtenir, par une question bien tournée, le contenu d'un document qu'il n'a pas le droit d'ouvrir.

La règle est simple à écrire : le filtre de droits s'applique à la recherche, avant que le modèle voie quoi que ce soit. Pas dans le prompt (« ne révèle pas les documents RH »), qui se contourne. Concrètement, chaque morceau porte la liste des groupes autorisés, et la requête de recherche filtre sur les groupes de l'utilisateur connecté. Dans Postgres, les politiques de sécurité au niveau des lignes (row level security) font exactement ce travail : la base elle-même refuse de renvoyer les lignes que l'utilisateur ne doit pas voir.

Il faut aussi synchroniser ces droits avec la source. Quand quelqu'un perd l'accès à un dossier dans le drive, il doit le perdre dans le RAG.

La fraîcheur

Un document modifié dans le drive et pas dans l'index, c'est une réponse fausse donnée avec aplomb, sources à l'appui. Le pire cas possible, parce que la citation rassure.

Il faut donc un pipeline d'indexation qui tourne seul : détecter les documents créés, modifiés et supprimés, recalculer leurs morceaux, et purger ceux qui ont disparu. C'est un workflow d'automatisation classique, déclenché par un webhook ou une vérification périodique. On affiche aussi la date du document cité dans la réponse : l'utilisateur voit tout de suite s'il lit une note de 2021.

L'évaluation

« Ça a l'air de bien marcher » n'est pas une mesure. Un RAG se dégrade en silence : un changement de découpage, un nouveau modèle, un fonds documentaire qui double, et la qualité baisse sans que personne ne s'en rende compte.

La parade est un jeu de test. Avant la mise en production, on écrit avec les futurs utilisateurs une liste de questions réelles, avec pour chacune le document qui contient la bonne réponse. On mesure deux choses séparément :

  • la recherche : le bon passage est-il dans les résultats remontés ?
  • la réponse : le modèle a-t-il répondu correctement à partir de ce passage, sans rien ajouter ?

Les séparer est essentiel. Quand une réponse est fausse, il faut savoir si la recherche a raté ou si le modèle a mal lu, parce que les corrections ne sont pas les mêmes. Ce jeu de test se relance à chaque modification. Il sert aussi à arbitrer les réglages : taille des morceaux, nombre de passages envoyés, recherche hybride ou non.

Ajoutez un bouton « réponse utile / pas utile » dans l'interface, et relisez les réponses mal notées chaque semaine. Ce sont elles qui enrichissent le jeu de test.

La stack type d'un RAG pour entreprise

Il n'y a pas besoin d'une plateforme spécialisée pour démarrer. Voici l'assemblage qu'on utilise le plus souvent, et pourquoi.

Postgres avec pgvector, ou Supabase

pgvector est une extension de Postgres qui stocke des vecteurs et fait de la recherche de similarité. L'intérêt est de garder une seule base : les morceaux de texte, leurs vecteurs, leurs métadonnées, les droits d'accès et l'historique des questions vivent au même endroit. On peut filtrer par date, par service et par groupe d'utilisateurs dans la même requête que la recherche sémantique, et combiner avec la recherche plein texte native de Postgres pour l'hybride.

Supabase, qui est un Postgres hébergé, documente pgvector et la sécurité au niveau des lignes dans son offre. C'est ce qui nous fait souvent partir de là : l'authentification des utilisateurs et le filtrage des droits sont déjà branchés ensemble.

Une base vectorielle dédiée se justifie sur des volumes très importants ou des besoins de recherche très spécifiques. Pour la plupart des bases documentaires de PME, Postgres suffit largement, et vous n'ajoutez pas un système de plus à surveiller.

n8n pour l'indexation et l'orchestration

n8n gère toute la tuyauterie : surveiller le drive ou l'outil documentaire, récupérer les fichiers modifiés, extraire le texte, découper, calculer les embeddings, écrire dans la base, purger les documents supprimés. C'est le pipeline de fraîcheur décrit plus haut, et il est lisible par quelqu'un qui n'est pas développeur.

Côté question, n8n peut aussi porter le flux : recevoir la question depuis Slack, Teams ou une interface web, appeler la recherche, appeler le modèle, journaliser la réponse et la note de l'utilisateur.

Claude pour la génération

Pour la réponse, on utilise Claude. Il suit bien les consignes du type « réponds uniquement à partir des extraits fournis » et sait dire qu'il ne trouve pas l'information, ce qui est exactement ce qu'on attend d'un RAG. L'API d'Anthropic propose aussi un mode de réponse avec citations, qui rattache chaque affirmation au passage source.

Honnêtement, le choix du modèle de génération pèse moins que la qualité de la recherche. Un excellent modèle à qui on donne le mauvais passage répond faux. Un modèle correct à qui on donne le bon passage répond juste. Mettez votre énergie dans le découpage, les métadonnées et l'évaluation avant de comparer les modèles.

Ce qu'on ajoute autour

  • Un journal complet : la question, l'utilisateur, les passages remontés, la réponse, la note. Sans lui, impossible de comprendre une mauvaise réponse.
  • Un seuil de pertinence : si aucun passage n'est assez proche, le système répond qu'il ne sait pas, et peut orienter vers une personne.
  • Une interface là où les gens travaillent : un canal Slack ou Teams vaut mieux qu'une nouvelle application que personne n'ouvrira.

Démarrer un RAG sans se perdre

La tentation est de tout indexer d'un coup. C'est la façon la plus sûre d'obtenir un outil médiocre sur tout, que personne n'utilise au bout d'un mois.

La méthode qui marche :

  1. Un périmètre et un public. Les procédures du service client, pour l'équipe support. Pas « toute la documentation, pour tout le monde ».
  2. Le tri documentaire. Ce qui fait foi, ce qu'on archive, qui est propriétaire de chaque document.
  3. Le jeu de test. Trente à cinquante vraies questions écrites avec les utilisateurs, avant la première ligne de code.
  4. Le pipeline complet, petit. Indexation automatique, recherche avec filtre de droits, réponse citée, journal.
  5. La mesure. On lance, on relit les réponses mal notées, on corrige, on élargit.

Si votre besoin est surtout de répondre à des clients sur votre site plutôt qu'à vos équipes, les contraintes changent (ton, escalade vers un humain, données exposées) : on les détaille dans notre guide du chatbot d'entreprise.

C'est ce cadrage, puis la construction, qu'on mène dans nos projets d'agents IA sur mesure : un premier périmètre en production, sur vos comptes, avec un jeu de test qui dit objectivement si ça marche.

L'offre correspondante

Agents IA sur mesure

Des agents branchés à votre CRM, vos mails et vos bases, avec des permissions explicites et des journaux relisibles.

Voir comment on s'y prend

Out of Office · Mis à jour le 7 novembre 2026

Prêt à passer à l'action ?

30 minutes de call. On regarde votre stack, vos pain points, on vous dit ce qu'on peut livrer en 7 jours.

Avant

Treize outils. Aucun ne se parle.