GraphRAG léger : entités, relations et questions multi-sauts

« Qui dirige les projets qui intègrent les cartes NC-7 ? » Pour répondre, il faut lire un document qui dit que les cartes NC-7 sont dans les projets Lynx et Altaïr, puis deux autres documents qui disent qui dirige Lynx et qui dirige Altaïr. Un RAG vectoriel classique cherche les passages qui ressemblent à la question : il trouve le premier document, rarement les deux autres, et répond « l'information n'est pas présente ».

Un GraphRAG (RAG sur graphe de connaissances) extrait d'abord des documents les entités (personnes, projets, entreprises…) et les relations entre elles (« dirige », « fournit », « filiale de »). Au moment de la question, il part des entités citées et suit les relations, de proche en proche. Ce lab en construit une version légère, en Python et networkx, et la compare chiffres à l'appui à un RAG vectoriel.

Pour qui ?

• Vous avez déjà construit un RAG vectoriel et vous savez obtenir une sortie JSON d'un LLM.
• Vous connaissez les bases de Python ; aucune connaissance préalable en théorie des graphes n'est nécessaire.
• Vos questions métier portent sur des liens : organigrammes, fournisseurs, dépendances, enquêtes, conformité.

Ce que vous construisez

flowchart LR
  D["24 documents"] -->|"Gemini, sortie structurée"| X["entités + relations<br/>(avec doc source)"]
  X --> G["graphe networkx<br/>27 nœuds, 35 arêtes"]
  G --> C["communautés Louvain<br/>+ résumés Gemini"]
  Q["Question"] --> L["entités citées"]
  L --> V["voisinage à 2 sauts"]
  G --> V
  V --> R["réponse avec [doc_id]"]
  C --> R

Le corpus décrit une organisation fictive (projets Héron, Lynx, Corail, Altaïr ; fournisseurs Ilex Capteurs, Nordhaven Composants… ; tous les noms sont inventés).

Le résultat, en un tableau

Mesuré le 2026-10-15 avec python evaluate.py sur 15 questions de 1 à 3 sauts (détails et limites dans la leçon 4) :

Prérequis

• Python 3.10 ou plus récent, une clé d'API Gemini dans GOOGLE_API_KEY (ou .env, voir .env.example).
• pip install -r requirements.txt (requirements.txt) : google-genai, networkx, numpy, pydantic.

Programme

En local ou sur GCP ?

Code complet : graphrag.py, evaluate.py, corpus.jsonl, questions.json, test_graphrag.py.