حالة استخدام

Interroger ses documents

Poser une question en langage naturel et obtenir une réponse sourcée à partir de vos documents internes (Drive, SharePoint, PDF).

مبتدئ

Le besoin

L'information existe, mais elle est éparpillée dans des centaines de documents. Plutôt que de chercher par mots-clés, on veut demander : « quelle est la procédure de retour pour un client pro ? » et obtenir la réponse, avec le lien vers le document.

La technique : le RAG

flowchart LR
  Q["Question"] --> S["Recherche des passages pertinents"]
  D[("Vos documents")] --> S
  S --> M["Modèle : rédige la réponse"]
  M --> R["Réponse + sources"]

Par où commencer

Les fondamentaux de l'IA générative (comprendre les embeddings et la recherche sémantique).
RAG sur vos documents Google Drive : quatre kits prêts à déployer, testés en vrai.
Évaluer et fiabiliser une application LLM : vérifier que les réponses citent les bonnes sources.

#rag
#recherche-documentaire

محتويات مرتبطة 17

دورة
بناء نظام RAG على Google Cloud
من استيعاب المستندات إلى وكيل في بيئة الإنتاج: Vertex AI RAG Engine وGemini وCloud Run.
متوسط 5 دروس 4h
الذكاء الاصطناعي التوليدي
دورة
RAG sur vos documents Google Drive (puis OneDrive, SharePoint) — sur Google Cloud
Quatre kits RAG testés en vrai sur vos documents Drive, SharePoint et OneDrive : RAG Engine + synchro, Gemini Enterprise natif, hybride, et 100 % local avec Claude.
متوسط 29 دروس 8h
الذكاء الاصطناعي التوليدي
مقال
EdgeQuake : un Graph-RAG en Rust prêt pour la production
Fiche de lecture : ce qu'apporte EdgeQuake (LightRAG en Rust sur Postgres), ses modes de requête, ses chiffres face à LightRAG et comment l'essayer en 5 minutes.
متوسط 4 دقائق قراءة
الذكاء الاصطناعي التوليدي
دورة
Évaluer et fiabiliser une application LLM
Construire un jeu de données doré, mesurer un assistant RAG avec des métriques et un LLM-juge, le protéger en production et bloquer les régressions en CI.
متقدم 11 دروس 7h
الذكاء الاصطناعي التوليدي
دورة
Embeddings et recherche sémantique
Construire un moteur de recherche sémantique sur 60 fiches produit avec gemini-embedding-2, numpy et sqlite : recherche multilingue, produits similaires, dédoublonnage, clustering, et rappel@5 mesuré pour de vrai.
متوسط 10 دروس 4h
Académie IA › Pratiquer
دورة
Recherche web et synthèse sourcée avec Google Search
Construire avec Google ADK un agent de veille qui interroge Google Search (ancrage), découpe une question d'actualité, cite ses sources réelles et livre un rapport Markdown structuré.
متوسط 4 دروس 2h30
Labs Google ADK › Sans projet Google Cloud
دورة
Lab ADK : un agent de veille concurrentielle sourcée
Construire avec Google ADK un agent qui cherche sur le web l'actualité de vos concurrents, en extrait des signaux (prix, lancements, recrutements, partenariats) reliés à leurs sources, et produit chaque semaine une synthèse Markdown planifiée.
متقدم 4 دروس 3h
Labs Google ADK › Sans projet Google Cloud
دورة
RAG sur PDF en local avec SQLite
Construire en 200 lignes de Python un RAG qui lit des PDF, les indexe dans SQLite avec les embeddings Gemini, répond en citant la page et ne réindexe que les fichiers modifiés.
مبتدئ 4 دروس 2h30
Labs RAG › En local
دورة
FAQ de SAV : citations obligatoires et refus
Construire un assistant de service client qui répond avec la FAQ en citant ses sources, dit « je ne sais pas » hors périmètre grâce à un seuil calibré, et journalise les questions non couvertes ; version chaîne simple et version agent ADK.
متوسط 4 دروس 3h
Labs RAG › En local
دورة
Contrats : découpage par structure et métadonnées
Construire un RAG sur des contrats qui découpe par articles et clauses, filtre par type, partie et date, répond aux questions comparatives par un tableau cité et produit un récapitulatif des contrats en sortie structurée.
متقدم 4 دروس 3h30
Labs RAG › En local
دورة
RAG sur du code source
Construire un assistant qui répond aux questions sur une base de code Python avec des liens fichier:ligne vérifiés : découpage par fonction et classe avec le module ast, recherche hybride embeddings + BM25, et « où est géré X ? » sans appel de génération.
متقدم 4 دروس 3h30
Labs RAG › En local
دورة
RAG hybride : BM25, fusion RRF et reranking par LLM
Combiner recherche par mots-clés (BM25) et recherche vectorielle, fusionner les classements avec RRF, les retrier avec Gemini, puis mesurer le gain de rappel@5 et de MRR sur 25 questions de référence.
متقدم 4 دروس 3h
Labs RAG › En local
دورة
RAG multimodal : interroger les graphiques, tableaux et schémas d'un PDF
Faire décrire les figures d'un PDF par Gemini à l'indexation, indexer descriptions et texte avec gemini-embedding-2, joindre l'image elle-même à la réponse, et mesurer le gain face à un RAG texte seul : 0/10 contre 10/10 sur les questions dont la réponse est dans une figure.
خبير 4 دروس 3h30
Labs RAG › En local
دورة
GraphRAG léger : entités, relations et questions multi-sauts
Extraire entités et relations avec une sortie structurée Gemini, les ranger dans un graphe networkx, détecter et résumer des communautés, puis répondre aux questions relationnelles (« qui est lié à… ») mieux qu'un RAG vectoriel, mesuré sur 15 questions de 1 à 3 sauts.
خبير 4 دروس 3h30
Labs RAG › En local
دورة
Vertex AI RAG Engine : corpus, recherche ancrée et agent ADK
Alimenter un corpus Vertex AI RAG Engine depuis Cloud Storage, régler le découpage, obtenir des réponses Gemini ancrées avec leurs sources, brancher le corpus dans un agent ADK, puis tout supprimer sans laisser de facture.
متقدم 4 دروس 2h30
Labs RAG › Sur Google Cloud
دورة
Vertex AI Search : data store, recherche filtrée et réponses citées
Créer par l'API un data store Vertex AI Search alimenté depuis Cloud Storage, une application de recherche, obtenir des réponses résumées avec citations et des filtres sur les métadonnées, comprendre le lien avec Gemini Enterprise, puis tout supprimer.
متقدم 4 دروس 2h30
Labs RAG › Sur Google Cloud
دورة
RAG agentique avec ADK et BigQuery VECTOR_SEARCH
Stocker morceaux et embeddings dans une table BigQuery, chercher avec VECTOR_SEARCH combiné à des filtres SQL paramétrés, et confier à un agent ADK la décision de chercher, la reformulation et le choix des filtres, avec un budget de recherches et un nettoyage vérifié.
خبير 5 دروس 3h
Labs RAG › Sur Google Cloud

Le besoin

La technique : le RAG

Par où commencer

محتويات مرتبطة 17

بناء نظام RAG على Google Cloud

RAG sur vos documents Google Drive (puis OneDrive, SharePoint) — sur Google Cloud

EdgeQuake : un Graph-RAG en Rust prêt pour la production

Évaluer et fiabiliser une application LLM

Embeddings et recherche sémantique

Recherche web et synthèse sourcée avec Google Search

Lab ADK : un agent de veille concurrentielle sourcée

RAG sur PDF en local avec SQLite

FAQ de SAV : citations obligatoires et refus

Contrats : découpage par structure et métadonnées

RAG sur du code source

RAG hybride : BM25, fusion RRF et reranking par LLM

RAG multimodal : interroger les graphiques, tableaux et schémas d'un PDF

GraphRAG léger : entités, relations et questions multi-sauts

Vertex AI RAG Engine : corpus, recherche ancrée et agent ADK

Vertex AI Search : data store, recherche filtrée et réponses citées

RAG agentique avec ADK et BigQuery VECTOR_SEARCH