RAG pour entreprise : une IA qui répond à partir de vos documents
Vos équipes ou vos clients posent leurs questions en langage courant et obtiennent des réponses tirées uniquement de vos manuels, contrats, procédures et bases documentaires, avec la source de chaque réponse. Chez Yeeply, nous trouvons l'entreprise certifiée la mieux placée pour votre cas et nous supervisons le projet jusqu'à ce que le système tourne sur vos documents.
Le RAG, et pourquoi ChatGPT seul ne suffit pas
RAG signifie retrieval-augmented generation, ou génération augmentée par la recherche. Avant de répondre, le système cherche dans vos documents, sélectionne les passages utiles et les transmet au modèle de langage avec une consigne claire : réponds uniquement à partir de ce texte. Mettre en place un RAG pour entreprise consiste donc surtout à connecter vos sources, à les tenir à jour et à garantir que chacun n'obtient des réponses qu'à partir de ce qu'il a le droit de consulter.
Un chatbot généraliste
Répond à partir de ce qu'il a appris pendant son entraînement. Il ne connaît ni vos tarifs, ni vos procédures, ni le contrat signé le mois dernier, et quand il ne sait pas, il lui arrive d'inventer.
Réentraîner un modèle
Le modèle est réentraîné avec vos données. Coûteux, à refaire à chaque changement et incapable de citer sa source. Utile pour un ton ou un format, beaucoup moins pour des faits.
RAG
Cherche la réponse dans vos documents à chaque question. Une mise à jour est prise en compte tout de suite, la source est citée, et quand l'information n'existe pas, le système le dit.
Ce qu'un système RAG apporte à votre entreprise
Voici les cas que nous voyons le plus souvent. La plupart des projets démarrent avec une équipe et un fonds documentaire, puis s'étendent quand les réponses ont gagné la confiance des utilisateurs.
Des réponses pour toute l'équipe
Procédures RH, process, fiches produit et documents d'intégration au même endroit, au lieu de cinq lecteurs partagés et de la collègue qui sait où tout se trouve.
Un self-service qui ne devine pas
Vos clients obtiennent des réponses tirées de votre centre d'aide et de vos manuels, et ce que le système ne sait pas traiter part vers un humain. Pour les boutiques en ligne, voir notre assistant IA e-commerce.
Des tickets traités plus vite
L'équipe support voit, à côté de chaque ticket, le bon passage du manuel et une proposition de réponse à vérifier avant envoi.
Fouiller contrats et réglementation
Retrouver une clause, une échéance ou une obligation dans des centaines de contrats ou de dossiers, avec un lien vers la page exacte.
Des propositions à partir de l'existant
Les anciennes propositions, références et fiches techniques servent à répondre aux appels d'offres en une fraction du temps.
La documentation technique sur site
Les techniciens interrogent depuis leur téléphone la documentation d'une machine ou d'une installation, y compris les fiches scannées et les plans.
Comment nous mettons en place votre RAG
Le modèle de langage est la partie facile. Ce qui décide de l'adoption, c'est la qualité des documents, les droits d'accès et les tests avec de vraies questions.
Audit documentaire
Quelles sources, combien de documents, dans quel format, à quelle fréquence ils changent et qui a le droit de voir quoi.
Entreprise certifiée
Nous vous présentons des propositions d'entreprises de notre réseau qui ont déjà construit des systèmes similaires. Vous choisissez.
Préparation et indexation
Extraire le texte (y compris des scans et des tableaux), le découper en passages et l'indexer avec ses droits d'accès.
Tests sur de vraies questions
Un jeu de questions que votre équipe pose réellement, avec les bonnes réponses, pour mesurer la précision avant le lancement.
Lancement et suivi
Suivre les questions sans réponse, les erreurs et le coût par requête, et garder l'index synchronisé avec vos documents.
Branché là où vos documents se trouvent déjà
Personne ne devrait avoir à déplacer ses fichiers vers un nouvel outil. Le système lit vos sources existantes, en respecte les droits et répond là où vos équipes travaillent déjà.
- Sources : SharePoint, OneDrive, Google Drive, Confluence, Notion et votre GED
- Données métier : CRM, ERP, outil de ticketing et bases de données internes
- Où l'on pose les questions : Microsoft Teams, Slack, intranet, site web ou dans votre propre application
- Recherche : Azure AI Search, Elasticsearch, OpenSearch, pgvector ou Pinecone
- Modèles : OpenAI, Anthropic, Google, Mistral AI ou des modèles open source dans votre propre cloud
Combien coûte un système RAG ?
Ce qui fait le prix, c'est rarement le modèle d'IA. C'est le nombre de documents et leur état, le nombre d'endroits où ils sont stockés et la nécessité de respecter qui peut voir quoi. Voici les fourchettes que nous observons sur le marché européen.
| Type de projet | Périmètre | Mise en place | Coûts récurrents |
|---|---|---|---|
| Pilote | Une équipe, une source, des documents propres et une interface web simple | 5 000 – 15 000 € HT | 150 – 600 € HT/mois |
| Système de service | Plusieurs sources, droits par service, citation des sources, Teams ou Slack | 15 000 – 35 000 € HT | 600 – 2 000 € HT/mois |
| Toute l'entreprise | Nombreuses sources, documents scannés, droits par personne, données sensibles | 35 000 – 60 000 € HT et plus | à partir de 2 000 € HT/mois |
Fourchettes indicatives du marché. Les coûts récurrents couvrent le modèle d'IA, la recherche et l'hébergement, et dépendent du nombre de questions posées. Le prix ferme est fixé par l'entreprise sélectionnée dans sa proposition, une fois votre cas connu.
Calculez votre propre estimation
Dix questions sur vos documents, leur stockage et les personnes qui doivent y accéder. Deux minutes suffisent.
Ce qui donne confiance dans les réponses
Un système RAG qui se trompe lourdement une fois n'est plus utilisé. Ces garde-fous font partie de chaque projet dès le départ.
- Chaque réponse respecte les droits du document d'origine : ce que quelqu'un ne peut pas ouvrir dans SharePoint, il ne le voit pas non plus via l'IA
- Le document, et la page si besoin, derrière chaque réponse
- « Je ne trouve pas cette information dans la documentation » quand la réponse n'y est pas
- Vos données restent sur des serveurs européens et ne servent jamais à entraîner le modèle
- Une mention claire quand on s'adresse à une IA, comme l'exige le règlement européen sur l'IA
Un projet récent de notre réseau : un système RAG avec chatbot sur mesure et accès par rôle, utilisé aujourd'hui par le support technique et le service client d'une entreprise pour répondre à partir de sa propre documentation. Si vous voulez auditer l'IA que votre entreprise utilise déjà, notre service de conformité AI Act inclut un test gratuit.
RAG pour entreprise : questions fréquentes
Combien de temps faut-il pour mettre en place un RAG ?
Un pilote avec une équipe et une source de documents propres est généralement en ligne en quatre à huit semaines. Un système qui couvre plusieurs sources, respecte des droits par personne et traite des documents scannés demande trois à cinq mois. Ce sont les droits d'accès qui rallongent le plus souvent un projet.
Quelle différence entre RAG et fine-tuning ?
Le fine-tuning modifie le modèle lui-même avec vos données : c'est coûteux et il faut recommencer à chaque changement. Le RAG laisse le modèle tel quel et lui fournit, au moment de chaque question, les bons passages de vos documents. Les mises à jour sont immédiates et chaque réponse peut citer sa source. Pour répondre sur l'information de l'entreprise, le RAG est presque toujours le meilleur choix.
Nos documents serviront-ils à entraîner l'IA ?
Non. Avec les contrats professionnels des principaux fournisseurs, vos données ne servent pas à l'entraînement et peuvent être traitées sur des serveurs européens. Pour les informations les plus sensibles, le système peut fonctionner avec des modèles open source déployés dans votre propre cloud, sans que rien ne sorte de votre infrastructure.
Un système RAG peut-il encore inventer ?
Beaucoup moins qu'un chatbot généraliste, car il ne répond qu'à partir des passages trouvés et a pour consigne de le dire quand il ne trouve rien. Le risque n'est pas nul, c'est pourquoi chaque projet est testé sur de vraies questions avant le lancement et chaque réponse affiche sa source pour pouvoir la vérifier.
Comment l'information reste-t-elle à jour ?
Le système relit les sources selon un calendrier ou dès qu'un document change, selon la fréquence de mise à jour de vos informations. Quand une procédure est modifiée dans SharePoint ou Drive, la réponse suivante utilise déjà la nouvelle version.
Qui réalise le projet ?
L'une des plus de 150 entreprises technologiques certifiées de notre réseau, choisie parce qu'elle a déjà construit des systèmes similaires. Nous vous présentons plusieurs propositions à comparer et, une fois votre choix fait, Yeeply supervise le projet et reste votre interlocuteur unique jusqu'à la livraison.
Ces pages peuvent aussi vous intéresser
Des documents que personne ne retrouve ?
Dites-nous quels documents vous avez, où ils se trouvent et qui a besoin d'y trouver des réponses. Nous revenons vers vous sous 24 heures avec les prochaines étapes.