Application, réponses citées et filtres

1. L'application (engine)

files/vais_lab.py

eng = eng_client.create_engine(
    parent=COLLECTION, engine_id=ENGINE_ID,
    engine=de.Engine(
        display_name=ENGINE_ID, solution_type=de.SolutionType.SOLUTION_TYPE_SEARCH,
        industry_vertical=de.IndustryVertical.GENERIC, data_store_ids=[DATA_STORE_ID],
        search_engine_config=de.Engine.SearchEngineConfig(
            search_tier=de.SearchTier.SEARCH_TIER_ENTERPRISE,
            search_add_ons=[de.SearchAddOn.SEARCH_ADD_ON_LLM]))).result(timeout=600)

Réglage	Ce qu'il apporte
`SEARCH_TIER_STANDARD`	recherche classée, extraits
`SEARCH_TIER_ENTERPRISE`	+ recherche sémantique avancée, extraits plus riches
`SEARCH_ADD_ON_LLM`	+ réponses générées (résumé) avec citations

Les deux derniers sont facturés à la requête : on ne les active que parce que le lab veut des réponses rédigées.

2. Deux appels, deux usages

sequenceDiagram
  participant C as vais_lab.py ask
  participant S as SearchService
  participant A as ConversationalSearchService
  C->>S: search(query, filter)
  S-->>C: documents classés (id, titre, annee)
  C->>A: answer_query(query, search_params.filter)
  A-->>C: answer_text + citations + references

files/vais_lab.py

def answer_request(query: str, filtre: str = "") -> de.AnswerQueryRequest:
    R = de.AnswerQueryRequest
    return R(
        serving_config=f"{ENGINE}/servingConfigs/default_search", query=de.Query(text=query),
        search_spec=R.SearchSpec(search_params=R.SearchSpec.SearchParams(max_return_results=3, filter=filtre)),
        answer_generation_spec=R.AnswerGenerationSpec(
            include_citations=True, answer_language_code="fr",
            ignore_non_answer_seeking_query=True, ignore_adversarial_query=True, ignore_low_relevant_content=True))

Les options ignore_* font refuser la génération dans certains cas (question hors sujet, tentative de détournement, contenu peu pertinent). Le motif revient dans answer_skipped_reasons.

3. Lire les citations

Chaque citation donne une plage de caractères de la réponse (start_index, end_index) et des reference_id vers answer.references. Sur nos fichiers .txt, les références sont des morceaux (chunk_info) : le titre est dans chunk_info.document_metadata.title, pas dans unstructured_document_info.title (vide, vérifié).

files/vais_lab.py

def ref_title(ref) -> str:
    if ref.chunk_info.content:
        meta = ref.chunk_info.document_metadata
        return meta.title or meta.uri.rsplit("/", 1)[-1]
    info = ref.unstructured_document_info
    return info.title or info.uri.rsplit("/", 1)[-1]

def parse_answer(ans) -> dict:
    titres = [ref_title(r) for r in ans.references]
    citations = [{"passage": ans.answer_text[c.start_index:c.end_index].strip()[:80],
                  "sources": sorted({titres[int(x.reference_id)] for x in c.sources if int(x.reference_id) < len(titres)})}
                 for c in ans.citations]
    return {"reponse": ans.answer_text, "citations": citations,
            "sources": list(dict.fromkeys(t for c in citations for t in c["sources"])), ...}

Comme dans le lab RAG Engine, references contient tout ce qui a été lu ; on n'affiche comme sources que les documents cités.

4. Les filtres

Filtre	Effet
`annee >= 2026`	seulement les versions récentes
`categorie: ANY("rh")`	seulement la catégorie RH
`categorie: ANY("rh", "finance") AND annee >= 2025`	combinaison

Pour une interface, ne laissez jamais l'utilisateur taper un filtre : construisez-le à partir de valeurs contrôlées.

files/vais_lab.py

def build_filter(categorie: str | None = None, annee_min: int | None = None) -> str:
    parts = []
    if categorie:
        if not categorie.isalnum():
            raise ValueError(f"catégorie invalide : {categorie!r}")
        parts.append(f'categorie: ANY("{categorie}")')
    if annee_min is not None:
        parts.append(f"annee >= {int(annee_min)}")
    return " AND ".join(parts)

Sans filtre, la réponse sur le télétravail mentionne la v3 ET l'ancienne v2. Avec annee >= 2026, que se passe-t-il ?

Question sur l'hôtel à Paris avec le filtre categorie: ANY("rh") : que renvoie answer_query ?

Exercice : facettes

Le schéma déclare categorie comme dynamicFacetable. Écrivez la modification de search_request qui demande le nombre de documents par catégorie.

Voir la solution

de.SearchRequest(
    serving_config=..., query=query, page_size=5, filter=filtre,
    facet_specs=[de.SearchRequest.FacetSpec(facet_key=de.SearchRequest.FacetSpec.FacetKey(key="categorie"))],
)

La réponse contient alors resp.facets[0].values : chaque valeur (rh, finance…) avec son count. Une interface affiche ces compteurs à côté des résultats, et un clic ajoute categorie: ANY("…") au filtre via build_filter.

Résultat obtenu

Exécutions réelles du 2026-10-15 (location eu) :

$ python vais_lab.py wait
   1 s : 5 documents trouvés

== Combien de jours de télétravail par semaine ? | filtre: (aucun)
DOCS ['politique-teletravail', 'politique-teletravail-2024', 'onboarding']
REPONSE Selon la politique de télétravail actuellement en vigueur (Version 3, applicable à partir du 1er mars 2026) […]
  *(Pour rappel, l'ancienne version de la politique […] limitait le télétravail à 2 jours par semaine […])*

== Combien de jours de télétravail par semaine ? | filtre: annee >= 2026
DOCS ['politique-teletravail']
SOURCES ['Politique de télétravail (v3)']       (4 citations)

== Que faire si j'ai cliqué sur un e-mail suspect ? | filtre: categorie: ANY("securite")
REPONSE […] signaler l'incident dans l'heure qui suit […] securite@nimbus.example ou en appelant le poste 4444 […]
SOURCES ['Charte de sécurité informatique']

== Quel est le plafond d'un hôtel à Paris ? | filtre: categorie: ANY("rh")
"documents": [], "ignoree": ["OUT_OF_DOMAIN_QUERY_IGNORED"]

== Quel est le budget formation par salarié ?
"ignoree": ["NO_RELEVANT_CONTENT"]

Je sais faire

Choisir l'édition et le module LLM d'une application
Appeler search et answer_query, et savoir lequel sert à quoi
Extraire les sources réellement citées d'une réponse
Construire un filtre sûr sur des métadonnées indexables