Le sujet d'aujourd'hui est quelque chose dont presque tout le monde a entendu parler mais que presque personne ne peut expliquer simplement. Le RAG, la génération augmentée par récupération. Vous avez vu cet acronyme partout, dans les annonces de Microsoft, lors de conférences sur l'IA, dans des articles de blog. Mais que signifie-t-il vraiment ? Plus important encore, pourquoi devriez-vous vous en soucis ? Voici la situation. Les grands modèles de langage comme GPT-4O sont puissants. Ils peuvent rédiger des essais, résumer des documents, voire générer du code. Mais ils posent deux problèmes majeurs. Premièrement, leurs connaissances sont figées dans le temps. Faisez une question à ChatGPT sur un événement survenu hier et il n'en aura aucune idée. Deuxièmement, ces modèles n'ont jamais vu les données internes de votre entreprise, vos politiques, vos détails produits, vos emails clients. Ainsi, lorsque vous posez une question sur votre activité à un LLM, ils devinent. C'est là qu'intervient la génération augmentée par récupération. Le RAG n'est pas un nouveau modèle, ce n'est pas un GPT plus gros ou meilleur. C'est une approche totalement différente. Au lieu de demander au LLM de puiser ses réponses dans sa mémoire d'entraînement, le RAG recherche d'abord les bonnes informations dans vos propres données et les fournit au modèle avec la question. Le modèle utilise alors ce contexte pour vous donner des réponses basées sur du contenu réel et à jour, et non sur des suppositions. Sans le RAG, votre IA travaille à partir d'une mémoire vieille de plusieurs mois ou années. Avec le RAG, elle travaille à partir de vos documents actuels. C'est la différence entre une IA qui semble confiante mais qui peut avoir tort, et une IA qui vous montre exactement d'où vient sa réponse. Voici ce que nous allons aborder aujourd'hui. D'abord, nous examinerons les deux problèmes qui rendent le RAG nécessaire. Ensuite, nous détaillerons ce qu'est réellement le RAG, la récupération, l'augmentation et la génération. Puis, nous passerons en revue les services Azure Clé, Azure AI Search, Azure Open AI et Azure AI Foundry. Et nous terminerons par un exemple concret pour que vous puissiez voir comment les pièces s'assemblent. Commençons par le problème lui-même. Une fois que vous l'aurez compris, la solution deviendra évidente. Les deux problèmes des LLM. Alors, quel est le problème avec les grands modèles de langage ? Deux choses, en vrai. Premièrement, leurs connaissances sont figées. Réfléchissez-y. Lorsque GPT-4O a été entraîné, il a appris à partir d'un instantané de l'Internet vieux de plusieurs mois ou années. Il ignore donc les nouveaux produits, les réglementations récentes ou l'actualité d'hier. Interrogez-le sur un changement de politique survenu la semaine dernière. Il n'a aucun moyen de le savoir. Cette information n'est tout simplement pas dans ces données d'entraînement. Deuxièmement, les LLM n'ont jamais vu vos données privées, vos documents internes, vos emails clients ou vos bases de données propriétaires. Le modèle n'a absolument aucun accès à tout cela. Donc, quand un employé pose une question sur vos processus métier spécifique, le modèle ne peut pas répondre. Il ne sait pas ce que vous savez. Certains pensent que le fine-tuning résout ce problème. Prenez le modèle de base et vous l'entraînez un peu plus sur vos propres données. Mais le fine-tuning a ses propres problèmes. C'est coûteux. Vous payez pour du temps GPU et des efforts d'ingénierie. Cela ne règle pas l'obsolescence. Une fois le fine-tuning effectué, le modèle reste figé à ce moment précis. Et il ne peut pas gérer les données qui changent fréquemment, comme les stocks ou les prix. Le fine-tuning, c'est comme apprendre un manuel par cœur. Utile, mais la personne ne pourra toujours pas consulter le journal du jour. La vraie solution est plus simple. Donnez au modèle accès à vos connaissances au moment où il doit répondre au lieu d'essayer de tout entasser dans sa mémoire. Ne le forcez pas à tout mémoriser. Laissez-le chercher des informations en temps réel, dans vos données réelles. C'est ce que fait la radio. Une idée simple, mais qui change tout. Ce qui est réellement le roge. Voici le RH en une seule phrase. Au lieu de demander au modèle de tirer une réponse de ces données d'entraînement, nous allons d'abord chercher l'information pertinente, puis nous la transmettons au modèle avec la question. C'est l'idée centrale. Trois étapes simples. Récupérer, augmenter et générer. Laissez-moi vous donner une analogie. Pensez à un bibliothécaire. Vous entrez dans une bibliothèque et vous posez une question. Vous n'attendez pas du bibliothécaire qu'il ait mémorisé chaque livre, n'est-ce pas ? Ce serait ridicule. Au lieu de cela, vous lui demandez de trouver le bon livre, de l'ouvrir à la bonne page et de vous lire la réponse. Le bibliothécaire ne mémorise rien. Il récupère d'abord et l'y est ensuite. Et c'est exactement ce que fait le RH. Récupération d'abord, génération ensuite. Voici comment cela fonctionne concrètement. Un utilisateur pose une question. Le système effectue alors une recherche dans une base de connaissances, vos documents, vos données, vos informations privées. Tout ce qu'il trouve est transmis au grand modèle de langage qui génère une réponse basée sur ce contexte. Et voici le point important. Le LLM ne voit jamais vos données brutes. Il ne voit que ce que le système de récupération lui transmet. Ce n'est pas un inconvénient. C'est même une fonctionnalité de sécurité. Vos documents sensibles restent dans votre propre stockage. Au moment de la requête, le modèle ne reçoit que les extraits nécessaires pour répondre à cette question précise. Pas d'entraînement sur vos données, pas de mémorisation, pas de fuite. Vos données restent là où elles doivent être. Si le RH résout les deux problèmes évoqués plus tôt, données obsolètes, ce n'est plus un problème. Votre base de connaissances reste à jour. Données privées. Le modèle ne voit que ce que vous choisissez de récupérer. C'est comme donner aux bibliothécaires accès à votre armoire à dossier, mais en ne laissant sortir que le dossier dont vous avez besoin, au moment précis dont vous avez besoin, au moment précis où vous en avez. Plongement vectoriel et recherche sémantique. Maintenant, vous vous demandez peut-être comment cette recherche fonctionnerait-là. Il ne s'agit pas de faire correspondre des mots-clés ou d'effectuer un contrôle F sur le document. Quelque chose de bien plus intelligent. Cela s'appelle la recherche sémantique et elle repose sur des plongements vectoriels. Laissez-moi vous expliquer son plongement. Un plongement vectoriel est une longue liste de nombres qui capture le sens d'un texte comme des coordonnées sur une carte. Chaque document obtient sa propre coordonnée sur cette carte de sens. Lorsque vous posez une question, le système transforme aussi votre question en coordonnées, puis trouve les documents qui en sont les plus proches. La clé ici, c'est le terme sémantiqueux. Il ne s'agit pas de trouver les mots exacts, mais de comprendre des concepts. Si vous recherchez d'économique Iker, le système peut trouver des documents sur des hébergements abordables, même si ces mots exacts n'apparaissent jamais. Pourquoi ? Parce que le sens est proche. Les plongements pour économiques et qu'abordables qu'elle se trouvent juste à côté l'un de l'autre, sur cette carte. Un petit modèle spécial, comme le kexte en bedding, trois larges queues d'azur, crée ses plongements. Ce n'est pas un modèle linguistique géant, c'est donc un outil ciblé qui fait une seule chose. Transformer du texte en ces coordonnées numériques, c'est ce qui rend le RAG si puissant. Vos documents sont convertis en plongements une seule fois lors de l'indexation. Ensuite, lorsqu'une requête arrive, le système trouve le contenu le plus pertinent en quelques millisecondes, même si les mots exacts de l'utilisateur n'apparaissent nulle part dans les documents. Comprends l'intention, pas seulement les mots-clés que vous tapez. Azure AI Search, le moteur de récupération. Donc maintenant vous comprenez le concept. Récupérer d'abord, puis générer. Mais où toute cette récupération se produit-t-elle réellement ? C'est là qu'Azure AI Search entre en jeu. Azure AI Search est le service qui stocke, indexe et récupère votre contenu. Considérez-le comme le système de classement de votre application RAG. Il gère deux tâches principales. Et passons-les en revue. D'abord l'indexation. C'est préparer vos données pour qu'elles puissent être recherchées. Ensuite la recherche. C'est le fait de trouver le bon contenu quand quelqu'un pose une question. Commençons par examiner le processus d'indexation. Vous commencez par pointer Azure AI Search vers votre source de données qui pourrait être un conteneur de stockage blob rempli de PDF, une base de données SQL avec des dossiers clients ou tout autre type de source. Le service fisse et documents, les découpes en petits morceaux appelés Kungsmecha, crée des plongements vectoriels pour chaque morceau en utilisant le modèle d'embedding dont nous avons parlé plus tôt et stocke le tout dans un index de recherche. Voyez l'index comme un immense catalogue parfaitement organisé. Chaque contenu reçoit un identifiant unique, un bloc de texte et d'écho, coordonnées sur cette carte du sens. Passons maintenant au processus de recherche. Lorsqu'un utilisateur pose une question, AI Search la convertit en vecteur via le même modèle d'embedding, puis scanne l'index pour trouver les blocs dont les coordonnées sont les plus proches. Il renvoie les meilleurs résultats. Généralement les 5 à 10 plus pertinents. Et ce, en quelques millisecondes, vous disposez ici de plusieurs options. La recherche vectorielle pure trouve le contenu par son sens, donc des concepts similaires apparaissent même sans correspondance exacte des mots. La recherche par mots-clés fonctionne comme un moteur de recherche classique, en trouvant des correspondants exacts. Vous pouvez aussi utiliser la recherche hybride qui combine les deux approches et c'est généralement le meilleur choix. Il existe également le re-ranking sémantique qui reprend les résultats initiaux et les reclasse selon leur pertinence réelle pour répondre à la question. C'est comme un second passage qui rattrape ce que le premier aurait pu manquer. Une chose à savoir, Azure AI Search peut coûter cher. Le niveau de base commence autour de 75 dollars par mois et augmente ensuite. Si vous faites simplement des tests, utilisez le niveau gratuit ou assurez-vous de supprimer vos ressources une fois terminées. Pour une utilisation en production, toutefois, le coût est généralement justifié. Vous achetez de la vitesse et de la fiabilité à grande échelle. Azure Open AI et AI Foundry, génération et orchestration. Vos données sont maintenant indexées et prêtes à être récupérées, mais le LLM doit encore comprendre votre question et générer une réponse solide. C'est là qu'interviennent Azure Open AI et Azure AI Foundry. Azure Open AI fournit le modèle de langage lui-même, GPT-4O, GPT-4.1 ou tout autre modèle de votre choix. C'est le moteur de génération. Il reçoit une invite incluant la question originale de l'utilisateur et le contexte récupéré par Azure AI Search. Le modèle lit ce contexte et produit une réponse basée sur ce qu'il y trouve. Cependant, vous ne pouvez pas simplement tout mélanger et espérer que ça fonctionne. Il vous faut une invite système, un ensemble d'instructions données au préalable au modèle sur la façon de se comporter. Vous lui demandez d'utiliser uniquement le contexte fourni, de citer ses sources et surtout de dire qu'à, je ne sais pas, Agir, si les informations pertinentes ne se trouvent pas dans les documents récupérés. C'est ce qui garantit l'honnêteté du modèle. Sans une bonne invite système, le modèle pourrait se rabattre sur ses données d'entraînement ou pire, inventer des choses. Alors comment relier concrètement tous ces éléments ? C'est là qu'intervient Azure AI Foundry. C'est le portail où vous créez un projet, déployez vos modèles, connectez vos sources de données et testez votre agent. Considérez-le comme le centre de contrôle de toute votre configuration RH. Dans Fondry, vous pouvez ajouter votre index Azure AI Search comme source de connaissances pour votre agent sans écrire de code personnalisé pour la configuration de base. Il vous suffit de créer une connexion, de sélectionner votre index et l'agent peut commencer à l'interroger automatiquement. Le portail gère l'orchestration. Lorsqu'un utilisateur pose une question, l'agent sait appeler AI Search récupérer les segments pertinents et les transmettre au LLM avec la question originale avec la question originale. Voici un exemple concret. Dans un tutoriel que j'ai trouvé, quelqu'un a créé un agent de recommandation de film en utilisant un jeu de données Netflix. Ils ont téléchargé un fichier CSV avec les titres, descriptions et informations sur le casting vers Azure Blob Storage, puis ont utilisé Azure AI Search pour indexer ces données. Dans Azure AI Foundry, ils ont créé un agent avec GPT-4O et l'ont connecté à l'index AI Search. Lorsqu'un utilisateur a demandé « Caca, j'aime les thrillers, donne-moi quelques recommandations ». L'agent a interrogé l'index, trouvé des thrillers dans ce jeu de données spécifiques et a renvoyé, des recommandations et a renvoyé des recommandations. Et voici le point clé, il n'a recommandé que des films présents dans ce jeu de données. Il n'a rien inventé, n'a rien puisé dans ces données d'entraînement et a travaillé exclusivement à partir du contenu fourni. C'est ça la puissance du RAC. RAC classique contre RAC antique. Maintenant, parlons de la mise en place. Il existe deux modèles principaux, le RAC classique et le RAC antique. Celui que vous choisissez dépend de ce que vous construisez. Le RAC classique est l'approche la plus directe. Une requête est envoyée, une recherche est effectuée, une réponse est générée. Simple, rapide, prévisible. Imaginez que vous vous présentez à la réception d'un immeuble de bureau pour demander un dossier spécifique. La réceptionniste le prend, vous le donne, c'est terminé. Le RAC classique fonctionne très bien pour les questions-réponses factuelles sur un sujet unique, comme « Quelle est la politique de l'entreprise sur le télétravail ? » ou « Montre-moi les étapes de dépannage pour ce code d'erreur. » C'est fiable, peu coûteux et facile à corriger en cas de problème, car le flux est linéaire. Le RAC antique est différent. L'agent IA décide lui-même comment récupérer les informations. Il peut poser plusieurs sous-questions, rechercher dans différents index, itérer sur les résultats et synthétiser les sources avant de répondre. C'est comme avoir un gestionnaire d'immeubles qui coordonne différents services pour assembler toutes les pièces. Il ne se contente pas de prendre un seul dossier. Il parle au RH, vérifie les dossiers, croise les politiques, puis revient, avec une réponse complète. Microsoft a effectué ses propres tests et a constaté que le RAC antique améliore d'environ 40% la pertinence des réponses pour les questions complexes. C'est significatif, mais cela utilise de 3 à 10 fois plus de jetons et ajoute de la latence. Pour des questions simples, ce travail supplémentaire est inutile. Le RAC classique les traite très bien. Alors quand utiliser l'un ou l'autre ? Le classique pour les requêtes routinières à haut volume où la vitesse et le coût primant. L'agentique pour les questions multi-étapes ambigües ou transversales où la précision justifie le surcoût de calcul. Section de connexion, exemple de bout en bout. Voyons comment tous ces éléments s'articulent avec un exemple concret. Imaginez que vous construisez un agent de support client pour une agence de voyage appelée Marigold Travels. Vous avez des brochures de voyage, des avis d'hôtel et des documents de politique dispersés dans votre organisation. Vous voulez que les clients posent des questions et obtiennent des réponses précises basées sur votre contenu réel, pas des suppositions génériques. Première étape, stockez tout ce contenu dans Azure Blob Storage. Les brochures dans un dossier, les avis dans un autre, les politiques dans un troisième, juste des fichiers dans un conteneur. Deuxième étape, utilisez Azure AI Search pour indexer ces données en lançant l'assistant d'importation de données, en le pointant vers votre blob storage et en le laissant travailler. Le service lit chaque document, les segmentes, crée des vecteurs d'embedding et construit un index interrogeable. L'ensemble du processus prend quelques minutes. Troisième étape, allez dans Azure AI Foundry pour créer un agent. Déployez GPT-4O comme modèle, rédigez un prompt système lui ordonnant d'utiliser uniquement le contexte fourni et de citer ses sources, puis connectez votre index Azure AI Search comme source de connaissances. Quelques clics et c'est terminé. Maintenant, un client demande, quel est l'hôtel le mieux noté à Dubaï à moins de 300 dollars ? L'agent prend cette question et l'envoie à Azure AI Search. Azure AI Search l'a converti en vecteur et trouve les segments les plus pertinents dans vos avis et brochures. Ces segments sont transmis à GPT-4O avec la question originale. Le modèle des parcours identifie la meilleure correspondance et génère une réponse avec des citations pointant vers vos documents sources. Voici le point important. Le LLM n'a jamais memorisé ses données. Il n'a jamais été entraîné sur vos avis d'hôtel. Il travaille à partir de votre contenu spécifique à chaque fois. Ajoutez nouveaux avis demain et les réponses se mettront à jour automatiquement. Supprimez une brochure obsolète et elle cessera d'apparaître. Le modèle n'a pas besoin d'être entraîné. Il a juste besoin de la bonne couche de récupération. Alors, comment commencer réellement à construire du RAJ sur Azure ? Décomposons cela en trois étapes. Première chose à faire, connaissez vos données. Avant même de choisir un service, déterminez où se trouve votre contenu, comment il est organisé et qui doit y avoir accès. Le succès du RAJ dépend entièrement de la qualité de vos données. Ensuite, restez simple. Ne compliquez pas inutilement la configuration. Utilisez l'assistant d'importation de données d'Azure AI Search pour indexer un seul ensemble de documents. Testez avec des requêtes basiques. Assurez-vous que votre recherche fonctionne parfaitement avant d'ajouter le LLM. La plupart des échecs du RAJ ne viennent pas du modèle. Ce sont des problèmes de recherche. Dernière étape, ajoutez le LLM. Une fois que votre recherche renvoie les bons résultats, vous y intégrez la génération. C'est à ce moment-là que vous connectez Azure OpenAI et rédigez votre prompt système. Voici le point essentiel. Le RAJ n'est pas quelque chose que l'on achète. C'est un modèle que vous construisez. Azure vous fournit les composants, le stockage, la recherche, les modèles et le liant pour les connecter. Il vous suffit d'assembler le tout correctement. Si cela vous a aidé à y voir plus clair, abonnez-vous pour d'autres explications simples. Laissez un commentaire sur votre cas du Zadjarg. J'aimerais beaucoup savoir ce que vous construisez. Merci.