Génération augmentée par récupération (RAG)

La génération augmentée par récupération (RAG) est un pipeline de traitement du langage naturel introduit par Lewis et al. en 2020 qui renforce un grand modèle linguistique (LLM) avec des preuves récupérées au moment de l'inférence à partir d'une base de connaissances externe. Au lieu de s'appuyer uniquement sur ce qu'un modèle a mémorisé pendant l'entraînement, la RAG récupère d'abord les passages les plus pertinents d'un index de documents, puis transmet ces passages au LLM comme contexte, ancrant la réponse générée dans des informations vérifiables et à jour. L'approche réduit les hallucinations et permet d'injecter des connaissances spécifiques à un domaine ou sensibles au temps sans réentraîner le modèle.