Introduction au RAG

Un grand modèle de langage (LLM) comme Gemini connaît énormément de choses… mais rien de vos documents internes. Le Retrieval-Augmented Generation (RAG) résout ce problème en récupérant, au moment de la question, les passages pertinents d'une base documentaire pour les injecter dans le prompt¹.

L'architecture en un coup d'œil

flowchart LR
    U["Utilisateur"] -->|question| A["Agent ADK (Cloud Run)"]
    A -->|requête de recherche| R["RAG Engine"]
    subgraph Ingestion
        GCS[("Cloud Storage")] --> P["Parsing et chunking"]
        P --> E["Embeddings text-embedding-005"]
        E --> V[("Index vectoriel")]
    end
    R --> V
    V -->|top-k passages| A
    A -->|prompt + contexte| G["Gemini 2.5 Flash"]
    G -->|réponse citée| U

Le même schéma, version illustrée :

Deux flux coexistent :

1. L'ingestion (hors ligne) : les documents sont découpés en chunks, transformés en vecteurs puis indexés.
2. La requête (en ligne) : la question est vectorisée, les chunks les plus proches sont récupérés et fournis au modèle.

RAG, fine-tuning ou long contexte ?

Les composants à maîtriser

• Le chunking : taille et recouvrement des passages.
• Les embeddings : la représentation vectorielle du sens (voir la leçon suivante).
• Le retrieval : top-k, seuil de distance, filtres par métadonnées.
• La génération : instructions au modèle pour citer et refuser de répondre hors contexte.

Votre progression

• Comprendre le principe du RAG
• Identifier les deux flux ingestion / requête
• Calculer une similarité cosinus
• Créer son premier corpus
• Déployer l'agent sur Cloud Run