Cette page vous aide à mettre en place une base de connaissances dans une petite structure : l'hébergement, le RGPD, les outils. Pour le détail du fonctionnement du RAG, étape par étape, voyez Le RAG pas à pas.
Module 6 · Bases de connaissance
Construire sa base de connaissances
Vous savez ce que fait le RAG : il retrouve les bons passages dans vos documents. Voyons comment il repère le sens d'un texte, en le traduisant en nombres. Et surtout : où ranger vos documents pour qu'ils restent en sécurité.
Le sens, en nombres
Qu'est-ce qu'un embedding ?
Un embedding, c'est la traduction d'un texte en une liste de nombres qui résume son sens (on dit aussi un « vecteur »). Deux textes qui veulent dire la même chose ont des listes proches, même s'ils n'emploient pas les mêmes mots.
Texte A
« Comment résilier mon abonnement ? »
[0.82, -0.13, 0.44, …]
Texte B
« Je veux arrêter mon contrat »
[0.79, -0.10, 0.47, …]
Texte C
« Quels sont vos horaires ? »
[-0.21, 0.65, 0.08, …]
A et B parlent de la même chose, mettre fin à un contrat : leurs listes de nombres sont proches. C parle d'autre chose : sa liste est éloignée. C'est ce qui permet la recherche par le sens, vue dans la page Le RAG pas à pas.
Le rangement
La base vectorielle, mémoire de la connaissance
On découpe les documents en morceaux, on traduit chacun en nombres, et on range le tout dans une base faite pour cela : la base vectorielle. À chaque question, elle retrouve les morceaux dont le sens est le plus proche.
Des morceaux
Les documents sont découpés en passages qui se tiennent : un paragraphe, une partie. En anglais, un morceau s'appelle un chunk.
Le sens de chaque morceau
Chaque passage devient une liste de nombres, rangée avec le nom du document d'où il vient.
La recherche
La question est traduite en nombres à son tour. La base remonte les passages les plus proches, et on les donne à lire à l'IA.
Un exemple en TPE
Cabinet comptable : la fin du « c'est où déjà ? »
Un cabinet de six personnes entasse procédures, conventions collectives et notes internes dans des dossiers partagés. Trouver la bonne information était une chasse au trésor. Une base de connaissances a tout changé.
Avant : chercher dans 200 documents
5 à 15 minPour chaque question. On fouille les dossiers, on demande au collègue, on tombe sur une version périmée. Et on interrompt tout le monde.
Après : on pose la question, la base répond
~ 10 sLa réponse arrive en phrases claires, avec sa source (« convention X, art. 4 »). On vérifie la source d'un clic, et on ne tombe plus sur une version périmée.
On ne gagne pas que du temps : on gagne en fiabilité. Une réponse qui cite sa source vaut mieux qu'un souvenir approximatif. À condition que la base soit propre et à jour (voir les erreurs plus bas).
Sécurité des données
Cloud ou sur vos serveurs ?
La question qui compte le plus pour une petite structure : où sont rangés vos documents, et qui peut y accéder ?
| En ligne (cloud) | Sur vos propres serveurs (on-premise) | |
|---|---|---|
| Mise en place | Rapide, rien à installer | Plus lourde ; il faut des compétences techniques |
| Coût | Un abonnement, peu de frais au départ | Un investissement au départ, des coûts maîtrisés ensuite |
| Données sensibles | Elles sortent de chez vous : vérifiez qu'elles sont hébergées en Europe, et ce que le fournisseur s'engage à faire au titre du RGPD | Elles restent chez vous : vous contrôlez tout |
| Adapté quand | Les données sont peu sensibles, et vous voulez aller vite | Santé, droit, dossiers du personnel, secrets de fabrication |
Rendre anonyme (anonymiser) avant d'envoyer. Si vous utilisez un service en ligne, retirez ou remplacez ce qui permet de reconnaître une personne (les noms, les numéros de client, les données de santé) avant de transmettre un document. Avoir une base de connaissances ne dispense pas de respecter le RGPD : voir le module Cyber-risques.
Les outils
Avec quels outils démarrer ?
Du plus simple, sans aucune technique, au mieux maîtrisé.
Un assistant avec vos fichiers
Vous déposez des documents dans un projet de votre outil d'IA, et vous lui posez vos questions. Idéal pour essayer avec quelques fichiers.
Des outils prêts à l'emploi
Ils lisent vos documents et créent l'assistant pour vous. Beaucoup se branchent sur vos espaces de fichiers en ligne.
Votre propre base
Pour beaucoup de documents, ou des données sensibles : vous choisissez où elle est hébergée, en Europe ou sur vos serveurs.
Pièges & erreurs fréquentes
5 erreurs qui abîment une base de connaissances
De mauvais documents au départ
Des documents faux ou qui se contredisent donnent des réponses fausses, dites avec assurance. La qualité de la base fait la qualité des réponses.
Une base qui vieillit
Une procédure périmée continue d'être citée comme vraie. Désignez une personne chargée de la mise à jour : sinon, la base ment poliment.
Des données sensibles en ligne
Confier des dossiers du personnel ou de santé à un service en ligne sans vérifier où il les héberge. On les rend anonymes, ou on choisit un hébergement qu'on maîtrise.
Vouloir tout y mettre
Tout déverser noie l'information utile dans la masse. Une petite base bien tenue vaut mieux qu'un énorme fourre-tout.
Ne pas exiger les sources
Sans source, impossible de vérifier. Préférez les outils qui montrent d'où vient chaque réponse.
Petite, propre, sourcée, à jour
Commencez avec peu de documents fiables, vérifiez les réponses et leurs sources, puis agrandissez. Une base, cela s'entretient.
Outils pratiques
Liste de contrôle & vocabulaire
Une bonne base de connaissances…
- contient des sources fiables et validées ;
- est à jour : quelqu'un en est chargé, et la relit régulièrement ;
- écarte les données sensibles, ou les rend anonymes ;
- cite ses sources dans chaque réponse ;
- répond à un besoin précis, et n'est pas un fourre-tout ;
- a été essayée sur de vraies questions de votre métier.
Le vocabulaire en 5 mots
- Embedding
- La traduction d'un texte en une liste de nombres qui résume son sens : deux textes au sens proche ont des nombres proches.
- Base vectorielle
- La mémoire qui range ces listes de nombres et retrouve très vite les passages dont le sens est le plus proche d'une question.
- Chunk / chunking
- Un morceau de document (un paragraphe, une page), découpé pour que l'IA retrouve vite le bon passage. En savoir plus
- RAG
- Une technique qui va chercher les bons passages dans vos documents et les donne à l'IA juste avant qu'elle réponde. En savoir plus
- Source / citation
- La référence du passage utilisé pour répondre : elle permet de vérifier.
Atelier
Créer ma base de connaissances
- Rassemblez 5 à 10 documents de référence de votre activité : procédures, questions fréquentes, fiches produits.
- Repérez les données sensibles : à rendre anonymes, ou à écarter.
- Déposez-les dans un projet de votre outil d'IA, et posez vos questions de travail.
- Jugez les réponses : les sources sont-elles justes ? Manque-t-il un document ?
Ce que vous emportez : une première base de connaissances qui fonctionne, à qui l'on pose ses questions avec ses propres mots.
La dernière brique
Une base de connaissances, plus la capacité d'agir : c'est un agent IA. Direction le module 7.