« Qu’est-ce que la génération augmentée par récupération (RAG)? »

Si l’IA doit devenir de plus en plus « intelligente » et fournir des réponses utiles, elle doit disposer de plus grandes quantités d’informations contextuelles lors de la réponse aux questions des utilisateurs. C’est là que de nouvelles approches telles que la génération augmentée par récupération (RAG) commencent à prendre de l’importance, s’intégrant dans de grands modèles de langage (LLM) – dont ChatGPT de OpenAI est maintenant l’un des plus populaires et des plus connus. Ellen Brandenberger, directrice principale de l’innovation produit chez Stack Overflow, explique : « Les technologies d’IA générative sont puissantes, mais elles sont limitées par ce qu’elles ‘savent’, ou les données sur lesquelles elles ont été formées. « RAG est une stratégie qui associe la récupération d’informations à un ensemble de consignes système soigneusement conçues qui permettent aux LLM de fournir des informations pertinentes, contextuelles et up-to-date à partir d’une source externe. » Des exemples d’utilisation du RAG en coulisses comprennent les interactions des gens avec des chatbots qui ont connaissance des événements récents, des informations spécifiques aux utilisateurs ou une compréhension approfondie de sujets spécifiques. Cela est rendu possible en le reliant à des sources telles que des bases de connaissances internes, des publications scientifiques de grands journaux, ou d’autres documents faisant autorité.