Intelligence artificielle

RAG sans jargon : ce qu’un assistant branché sur vos documents invente encore

Brancher un modèle sur vos documents ne le rend pas honnête. Cela change ce qu’il invente, et déplace le problème vers ce que vous lui donnez à lire.

Publié le 3 septembre 2026 — Algeria Agency

Trois lettres reviennent dans toutes les propositions depuis deux ans : RAG. On vous dira qu’elles règlent le problème des réponses inventées, et ce n’est ni vrai ni faux — c’est vrai d’une moitié du problème et faux de l’autre, et la moitié qui reste est celle qui vous coûtera du temps.

Le mécanisme tient en une phrase et n’exige aucune connaissance technique : avant de répondre, le système va chercher quelques passages dans vos propres documents et les colle dans la question. Le modèle ne répond plus de mémoire, il répond avec le texte sous les yeux.

Cet article explique ce que ce geste règle, ce qu’il ne règle pas, et le travail qu’il vous transfère. Ce travail est réel, il est le vôtre, il n’a rien à voir avec la technologie que vous achetez, et c’est presque toujours lui qui décide si le projet tient.

Ce qu’un modèle fait quand il ne sait pas

Un modèle de langue ne cherche pas la vérité, il cherche la suite plausible. C’est sa nature et ce n’est pas un défaut de fabrication : on lui a appris à produire du texte qui ressemble à du texte juste, et la ressemblance est exactement ce qu’il optimise.

La conséquence est qu’il ne connaît pas l’état « je ne sais pas » de la même façon qu’une personne. Devant une question sur vos horaires, votre politique de retour ou le prix d’une prestation, il produit une réponse qui a la forme d’une réponse sur ces sujets. La forme est correcte, le contenu vient de nulle part.

C’est pour cela que la fausseté d’un modèle est difficile à repérer : elle n’a aucun des signes qu’on associe à l’erreur. Pas d’hésitation, pas de vague, pas de formulation étrange. Un chiffre rond, une phrase nette, un ton assuré.

Tout ce qui suit découle de là. Le problème n’est pas que la machine ignore quelque chose, c’est qu’elle ne peut pas distinguer l’ignorance de la connaissance sans qu’on l’aide, et le seul secours possible est de mettre le texte devant elle.

La réponse tient en une phrase

Avant de répondre, le système cherche dans vos documents les quelques passages qui ressemblent le plus à la question, et il les place dans la demande adressée au modèle. Le modèle rédige à partir de ces passages plutôt qu’à partir de ce qu’il a retenu de l’internet.

Cela n’exclut pas l’entraînement, qui règle un autre problème : les trois cas où entraîner un modèle vaut la peine portent tous sur la forme des réponses, jamais sur leur exactitude.

Rien de plus. Il n’y a pas d’apprentissage, pas de modèle « entraîné sur vos données », pas de transfert de vos documents dans les poids de quoi que ce soit. Vos textes restent des textes, dans une base à vous, consultée à chaque question.

Cette simplicité a une vertu de vérification : à chaque réponse, on peut demander à voir les passages qui ont servi. Un système qui ne peut pas les montrer ne fait pas ce qu’on décrit ici, quel que soit le mot employé dans le devis.

Elle a aussi une conséquence économique rarement dite : c’est le montage le moins cher des trois qu’on vous proposera, parce qu’il ne demande aucun calcul lourd. Ce qu’il demande est du rangement, et le rangement se paie en heures de vos équipes plutôt qu’en devises.

Le découpage décide de ce qu’on retrouvera

Vos documents ne sont pas envoyés en entier : ils sont coupés en morceaux de quelques paragraphes, et c’est le morceau qui est retrouvé, pas le document. Où l’on coupe est donc une décision, et c’est la première de la chaîne.

Coupé trop court, un passage perd son contexte : la phrase « ce délai est porté à trente jours » ne dit plus de quel délai il s’agit, et elle sera retrouvée pour une question à laquelle elle ne répond pas. Coupé trop long, un passage transporte trois sujets, et le modèle en choisit un.

Le cas qui casse le plus souvent est le tableau. Un tarif, un barème, une grille d’horaires perdent leur en-tête au découpage, et il reste une colonne de nombres que rien ne rattache à ce qu’ils mesurent. Un système qui répond mal sur vos tableaux ne comprend pas moins bien : il a reçu moins.

Il n’existe pas de bon découpage universel, et c’est pourquoi la question « comment découpez-vous ? » est utile en réunion. La réponse honnête décrit vos documents à vous — vos contrats, vos fiches, vos notes — et non une valeur par défaut.

Retrouver n’est pas comprendre

Deux façons de retrouver coexistent et ne trouvent pas les mêmes choses. La première compare les mots : elle est imbattable sur une référence, un nom propre, un numéro d’article. La seconde compare le sens, en représentant chaque passage par une suite de nombres : elle retrouve « comment annuler » à partir de « je veux arrêter mon abonnement ».

Chacune manque ce que l’autre trouve. Les mots seuls échouent dès que le lecteur emploie un autre vocabulaire que le vôtre — ce qui est la règle, pas l’exception. Le sens seul échoue sur une référence, parce que deux codes voisins se ressemblent beaucoup et ne désignent rien de proche.

Un système sérieux fait les deux et fusionne les deux listes. C’est un détail d’implémentation, sauf sur un point qui vous concerne : la partie « sens » a un coût de préparation, chaque passage devant être converti une fois, et cette conversion est refaite à chaque modification du texte.

Une décision de réglage se cache derrière tout cela et personne ne la mentionne : combien de passages remonter. Trop peu et la réponse manque un morceau qui existait ; trop et le modèle reçoit du bruit qu’il traitera comme du signal, parce que rien dans un passage ne dit qu’il est hors sujet. Ce nombre se règle en essayant, sur vos questions, et il n’a pas de valeur par défaut correcte.

En arabe, la première méthode souffre d’un problème supplémentaire dont personne ne parle avant la mise en service : l’article défini collé au mot, les suffixes possessifs et les voyelles facultatives font qu’une même notion s’écrit de plusieurs façons. Un moteur qui ne les traite pas retrouve un passage sur cinq, et le symptôme est un assistant qui « marche en français ».

Ce qui n’est pas retrouvé n’existe pas

La qualité de la réponse est plafonnée par la qualité de la recherche, et ce plafond est absolu. Si le bon passage n’est pas dans les quelques morceaux remontés, aucun modèle, si récent soit-il, ne peut y remédier — il rédigera très bien à partir des mauvais.

C’est la raison pour laquelle changer de modèle est rarement le bon geste quand un assistant répond mal. Le modèle est la dernière étape et la plus visible ; la recherche est l’étape d’avant et la seule qui décide de ce qu’il a sous les yeux.

Le diagnostic se fait en deux minutes et n’exige aucun accès technique. Posez la question, demandez à voir les passages retrouvés, et lisez-les. S’ils contiennent la réponse et que la réponse est fausse, le problème est le modèle. S’ils ne la contiennent pas, tout réglage du modèle est du temps perdu.

Cette distinction vaut d’être exigée par écrit dans un devis : quand l’assistant se trompe, qui regarde quoi, et dans quel ordre. Un prestataire qui répond « on améliorera le prompt » à toutes les défaillances n’a pas de méthode.

Le silence est une réponse, et il faut l’autoriser

Un assistant qui ne trouve rien doit pouvoir le dire. Cela paraît évident et c’est le réglage le plus souvent absent, parce qu’un système qui répond toujours fait une meilleure démonstration qu’un système qui admet une limite.

Le refus a une formulation qui compte. « Je n’ai pas trouvé cette information dans les documents dont je dispose » est juste. « Nous ne proposons pas ce service » est une invention d’un genre plus grave, parce qu’elle nie une chose au lieu d’en ignorer une, et elle est prononcée avec la même assurance.

Cette confusion nous est arrivée sur notre propre assistant, sur une question à laquelle le corpus ne répondait pas encore, et la réponse a nié un service que l’entreprise vend. Rien n’était en panne : la recherche avait rendu peu de choses et le modèle avait comblé le vide dans le sens le plus naturel.

La règle qui en est sortie tient en une ligne, et elle vaut pour n’importe quel assistant : ne rien trouver n’est pas une preuve d’absence. Elle doit être écrite dans les instructions du système, et vérifiable par vous en posant une question dont vous savez que la réponse n’est nulle part.

La citation prouve moins qu’on croit

Un assistant qui cite ses sources inspire confiance, et c’est mérité : sans citation, vérifier une réponse demande de retrouver soi-même le document, ce que personne ne fait deux fois.

Mais une citation prouve une seule chose — que ce passage a été retrouvé. Elle ne prouve pas qu’il dit ce que la réponse affirme, ni qu’il est le bon passage, ni qu’il est à jour. Un lien correct sous une phrase fausse est le défaut le plus difficile à voir, parce que la présence du lien arrête la vérification.

Il y a une conséquence de conception dont on peut juger sans être technicien : les sources doivent être assemblées par le système à partir des passages réellement utilisés, jamais rédigées par le modèle. Un modèle à qui l’on demande de citer produit des références de la même façon qu’il produit le reste, c’est-à-dire plausiblement.

Le test tient en une question : ouvrez la source citée et cherchez la phrase. Sur un système correct, vous la trouvez à chaque fois. Sur un système où le modèle rédige ses propres références, vous trouvez souvent le bon document et jamais la bonne phrase.

Ce que ce montage n’empêche pas

Trois défaillances survivent au branchement sur vos documents, et elles sont d’autant plus gênantes que le système paraît fiable partout ailleurs.

La première est la contradiction interne. Deux documents disent des choses différentes — une note de 2023 et une procédure de 2026 — et la recherche remonte les deux. Le modèle en choisit une, sans savoir laquelle fait autorité, et il ne vous dira pas qu’il a tranché.

La deuxième est le raisonnement en plusieurs étapes. « Est-ce que ce client a droit à la remise ? » demande de lire la grille, puis le contrat, puis d’en tirer une conclusion. La recherche est bonne pour trouver un passage et mauvaise pour trouver une chaîne, et le maillon manquant est comblé.

La troisième est la question dont la réponse est un calcul ou un état. Un solde, une disponibilité, un délai en cours : ce sont des données vivantes qu’aucun document ne contient. Un assistant qui répond à ces questions-là depuis un corpus de textes répond depuis une photographie, et personne ne lui a dit quand elle a été prise.

Le corpus est un travail d’entreprise

La partie que personne ne vend est celle qui décide du résultat : réunir les documents, les nommer, dire lesquels font foi, et jeter ceux qui sont périmés. Ce travail n’est pas technique et ne peut pas être sous-traité, parce qu’il demande de savoir laquelle de deux versions est la bonne.

Dans la plupart des entreprises que nous voyons, ce corpus n’existe pas sous une forme utilisable. Il existe une boîte partagée, quelques classeurs, un dossier de PDF envoyés par des fournisseurs, et la connaissance réelle est dans la tête de deux personnes. Un assistant ne peut pas lire une tête.

La bonne nouvelle est que le premier tri est court et se fait sans nous : les vingt questions que vos clients posent le plus, et le document qui répond à chacune. Quand une question n’a pas de document, vous venez de trouver quelque chose de plus utile qu’un assistant.

La moins bonne est que ce tri a un propriétaire, et qu’un corpus sans propriétaire se dégrade à la vitesse de votre activité. C’est le même constat que pour n’importe quelle installation : ce qui n’est surveillé par personne cesse d’être vrai sans prévenir.

La mise à jour n’a aucun symptôme

Le jour où votre politique de retour change, la page change et le corpus ne change pas. L’assistant continue de répondre, avec assurance, en citant une source qui existe toujours, et la réponse est devenue fausse sans qu’aucune alerte se déclenche.

C’est le mode de défaillance le plus dangereux du montage, parce qu’il ressemble en tout point au fonctionnement normal. Rien n’est cassé, rien n’est vide, rien ne renvoie d’erreur : l’assistant est simplement resté au mois dernier.

La parade est ennuyeuse et suffit. Le corpus se reconstruit à chaque publication, automatiquement, et un tableau quelque part dit la date de la dernière reconstruction. Nous nous l’appliquons à nous-mêmes, et nous nous sommes fait prendre une fois : une reconstruction quotidienne échouait depuis quatre jours sans que rien ne le signale, parce que la tâche se terminait « avec succès » en n’ayant rien fait.

La leçon est transférable telle quelle. Ne demandez pas si la mise à jour est automatique, demandez ce qui vous préviendra le jour où elle ne le sera plus, et où vous pouvez lire la date de la dernière.

Le contrôle : vingt questions, une heure

Écrivez les vingt questions que vos clients posent réellement, prises dans vos messages plutôt que de mémoire. Ajoutez-en cinq dont vous savez que la réponse n’est écrite nulle part.

Posez les vingt-cinq à l’assistant qu’on vous propose. Pour chacune, notez trois choses : la réponse est-elle juste, la source est-elle ouvrable, et la phrase citée est-elle bien dans la source. Trois colonnes, une croix ou rien.

Les cinq questions sans réponse sont les plus instructives et sont celles que personne ne pose en démonstration. Le système doit dire qu’il ne sait pas. S’il répond quand même, vous connaissez son comportement le jour où un client demandera quelque chose que vous n’avez pas écrit.

Cette feuille tient sur une page, se remplit en une heure, et se refait à l’identique six mois plus tard. C’est la seule mesure de qualité de ce genre de système qui ne dépende d’aucune promesse, et elle se combine avec le tri par famille que le lecteur aura peut-être déjà fait.

Ce que nous faisons, et ce que nous refusons

Nous réunissons le corpus avec vous avant de brancher quoi que ce soit : quels documents entrent, lequel fait foi quand deux se contredisent, et qui les tient à jour. Nous mesurons ensuite les vingt-cinq questions, et nous vous rendons le tableau rempli, y compris les lignes où le système échoue.

Nous refusons de livrer un assistant qui ne peut pas montrer ses passages. Sans cela, il n’y a aucun moyen — pour vous comme pour nous — de distinguer une réponse fondée d’une réponse inventée, et la promesse de fiabilité devient invérifiable.

Nous refusons aussi de brancher un assistant sur un corpus dont personne chez vous n’est responsable. Ce n’est pas une exigence de méthode : c’est ce qui sépare un système qui reste vrai d’un système qui a été vrai le jour de la livraison.

Ce que vous pouvez faire sans nous est le tri du corpus, et c’est la partie qui compte. Beaucoup d’entreprises découvrent en le faisant que leurs réponses sont bonnes et introuvables, ce qui est un problème de recherche et non d’intelligence artificielle.

Questions fréquentes

Faut-il entraîner un modèle sur nos données ?

Presque jamais, et c’est la question la plus fréquente. Brancher la recherche sur vos documents donne un meilleur résultat pour un coût sans comparaison, et surtout se corrige : changez un document et la réponse change le jour même, alors qu’un modèle entraîné garde ce qu’il a appris.

Nos documents partent-ils chez le fournisseur du modèle ?

Les passages retrouvés partent, parce qu’ils sont dans la question. Le reste du corpus ne bouge pas. C’est une distinction importante pour un contrat ou un dossier client : ce qui est envoyé est ce que la recherche a jugé pertinent, et cela se journalise.

Combien de documents faut-il pour commencer ?

Beaucoup moins qu’on ne croit. Vingt pages qui répondent aux vingt questions réelles valent mieux que trois cents pages dont personne ne sait laquelle fait foi. Le volume ne devient un sujet que bien après la mise en service.

Est-ce que ça marche en arabe et en darija ?

Cela marche, à condition que la recherche traite l’arabe pour ce qu’il est : article défini collé, suffixes, voyelles facultatives. Un moteur qui ne le fait pas retrouve une fraction des passages, et le symptôme trompeur est un assistant qui paraît bon en français et médiocre en arabe.

Peut-on savoir quand l’assistant a inventé ?

Pas de l’intérieur, et c’est pourquoi les sources comptent. Ce que vous pouvez faire est vérifier par échantillon : dix réponses par trimestre, source ouverte, phrase cherchée. C’est peu de travail et c’est la seule mesure honnête disponible.

Le corpus doit-il contenir nos prix ?

C’est une décision commerciale avant d’être technique. Un prix dans le corpus sera cité, et il sera cité longtemps après avoir changé si personne ne reconstruit. Pour cette raison nous conseillons généralement de tenir les prix hors du corpus et de renvoyer vers la personne qui les donne.

Où nous intervenons

Une question de votre liste sans document en face vaut, à ce stade, plus qu’un devis d’assistant.

Nous trions vos documents avec vous et écrivons, pour chaque paire contradictoire, lequel l’emporte.
Les vingt-cinq questions passent devant vous et le tableau repart chez vous, échecs inclus.
La date du dernier index est affichée là où quelqu’un la verra sans la chercher.

Tant qu’aucune personne nommée ne tient vos documents à jour, nous ne brancherons rien dessus.

Voir la page Recherche & recommandation IA

À voir aussi

Parlons de votre projet

Un audit gratuit, sans engagement : nous regardons votre présence en ligne et nous vous disons ce qui coince.

Demander l’audit gratuit Nous écrire