Un RAG d’entreprise est un assistant d’IA qui répond aux questions à partir des documents de l’entreprise. Le sigle vient de l’anglais retrieval-augmented generation : génération augmentée par la recherche. Dans un scénario type, la direction des systèmes d’information (DSI) monte un tel assistant et demande à la communication de « fournir les documents ». Or l’assistant rédige ses réponses à partir de ces documents : s’ils contiennent une plaquette périmée ou un chiffre retiré, il les reprend. Cet article explique comment fonctionne un RAG et pourquoi le choix et l’entretien de ses documents relèvent du travail éditorial.
Qu’est-ce qu’un RAG ?
Le terme vient d’un article de recherche publié en 2020 par Patrick Lewis et ses coauteurs. Ils y associent un modèle de langage à un index de documents, Wikipédia dans leur expérience, que le modèle consulte avant de répondre.
Un RAG d’entreprise applique le même principe à un ensemble de documents choisis, appelé corpus. Il fonctionne en trois temps :
- la préparation : les documents du corpus sont découpés en passages, puis indexés ;
- la recherche : à chaque question, l’outil sélectionne les passages les plus proches de la question ;
- la rédaction : le modèle de langage rédige sa réponse à partir de ces passages.
ChatGPT, Perplexity ou Gemini suivent une logique proche quand ils cherchent sur le web : ils trouvent des pages, puis composent une réponse. La différence tient à l’origine des documents. Ces outils puisent dans le web ouvert, alors qu’un RAG d’entreprise ne puise que dans le corpus que l’entreprise a choisi. Un GPT personnalisé doté de fichiers en est la forme la plus simple : notre article sur le GPT personnalisé détaille ce que sa base de connaissances doit contenir.
Pourquoi la qualité d’un RAG dépend de son corpus
Le modèle ne vérifie pas les passages qu’il reçoit. Si un document du corpus contient encore un chiffre retiré, la recherche peut retenir ce passage, et la réponse reprend le chiffre. Si une procédure a changé sans que le document soit remplacé, l’assistant décrit l’ancienne procédure.
Le cabinet Gartner a mesuré les pratiques de gestion des données dont dépendent les projets d’IA. Le 26 février 2025, il a publié les résultats d’une enquête auprès de 1 203 responsables de la gestion des données, menée en juillet 2024 :
- 63 % des organisations n’ont pas les pratiques de gestion des données que l’IA demande, ou ne savent pas si elles les ont ;
- selon la prévision de Gartner, d’ici à la fin de 2026, les organisations abandonneront 60 % des projets d’IA qui ne reposent pas sur des données prêtes pour l’IA.
Parmi les pratiques à ajouter, Gartner cite le RAG. Il précise aussi qu’une donnée prête pour l’IA ne l’est pas une fois pour toutes.
Qui décide de ce qui entre dans le corpus
La DSI sait indexer des documents, gérer les accès et sécuriser l’outil. Elle ne peut pas dire quelle version d’une plaquette fait foi, quelle promesse l’entreprise tient encore ou quel terme a remplacé un autre. Ces décisions reviennent à ceux qui produisent et valident les contenus.
| Décision | Qui la prend |
|---|---|
| Les documents qui entrent dans le corpus et ceux qui en sortent | La communication, avec les métiers concernés |
| La version qui fait foi quand deux documents se contredisent | Le service qui a produit le document ; la communication arbitre |
| Les faits techniques, juridiques ou réglementaires | Les métiers et le service juridique |
| Le découpage, l’indexation, les droits d’accès et la sécurité | La DSI |
| Le rythme de mise à jour et le retrait des documents périmés | Un responsable du corpus, nommé dès le lancement |
Sans responsable nommé, les documents périmés restent dans le corpus, et l’assistant continue de les citer.
Commencer par l’inventaire des documents existants
Avant de verser des documents dans un RAG, dressez la liste de ceux qui existent déjà et de leur version. Le corpus utile est souvent déjà écrit, mais dispersé.
Nous en avons fait l’expérience le 31 août 2026. Nous avons passé la journée à rédiger une méthode éditoriale comme si tout restait à construire. En fin de journée, nous avons retrouvé sur un Drive partagé, dans le dossier d’un de nos clients, sept documents versionnés. Quatre en étaient à leur troisième version : des principes éditoriaux, une charte de rédaction créée en avril 2021, un modèle de texte et une bibliothèque de demandes à l’IA. Nous avons retrouvé la même pratique chez au moins cinq autres clients. Ce que nous avions produit dans la journée était plus lourd que ces documents. Un projet de RAG lancé sans inventaire court le même risque : verser de nouveaux documents à côté de ceux qui font foi.
Notre article sur l’inventaire des contenus décrit la méthode.
L’inventaire sert aussi à repérer les textes déjà rédigés par l’IA. Notre article sur la base de connaissances d’un GPT personnalisé explique pourquoi ces textes restent hors de la base et quels autres documents en sont écartés.
Questions fréquentes sur le RAG d’entreprise
Qu’est-ce qu’un RAG en intelligence artificielle ?
Un RAG, pour retrieval-augmented generation, est un système qui cherche des passages dans un ensemble de documents avant de rédiger une réponse avec un modèle de langage. La réponse s’appuie sur ces passages plutôt que sur les seules connaissances du modèle. En entreprise, les documents sont ceux que l’organisation a choisis.
Quelle est la différence entre un RAG et ChatGPT ?
ChatGPT répond à partir des connaissances de son modèle et, quand il cherche, à partir de pages du web ouvert. Un RAG d’entreprise répond à partir d’un corpus défini par l’entreprise : ses offres, ses procédures, ses documents validés. La qualité de ses réponses dépend de la qualité de ce corpus.
Qui doit gérer le corpus d’un RAG ?
La DSI gère l’indexation, les accès et la sécurité. Le choix des documents, la version qui fait foi et le retrait des documents périmés reviennent à la communication et aux métiers. Un responsable du corpus, nommé au lancement, tient ce travail dans la durée.
L’atelier Assistant éditorial IA du vendredi 20 novembre 2026 consacre une journée à configurer un assistant sur vos propres documents.