RAG (génération augmentée par récupération)

Le RAG (retrieval-augmented generation, ou génération augmentée par récupération) est une technique dans laquelle un modèle d'IA récupère d'abord des documents pertinents, par exemple des pages web, puis rédige sa réponse à partir de ces informations au lieu de s'appuyer uniquement sur ses données d'entraînement.

RAG, abréviation de retrieval-augmented generation (génération augmentée par récupération), est la méthode utilisée par la plupart des outils d'IA qui citent leurs sources. Un modèle de langage seul ne peut utiliser que ce qu'il a appris pendant son entraînement, qui devient obsolète et comporte des lacunes. Avec le RAG, le système va d'abord chercher des informations pertinentes dans une source externe, les ajoute au prompt, puis laisse le modèle rédiger une réponse à partir de ce matériau.

Comment fonctionne le RAG

  1. Requête. L'utilisateur pose une question. Le système peut la reformuler ou la décomposer en plusieurs requêtes de recherche.
  2. Récupération. Il interroge un index, comme un moteur de recherche web ou la base documentaire d'une entreprise, et choisit les pages ou passages les plus pertinents.
  3. Augmentation. Les passages sélectionnés sont ajoutés au contexte du modèle, avec la question d'origine.
  4. Génération. Le modèle rédige une réponse à partir du texte récupéré et, dans la plupart des produits grand public, ajoute des citations des sources utilisées.

Google AI Overviews et AI Mode, la recherche de ChatGPT, Perplexity et Microsoft Copilot utilisent tous une forme de cette approche sur le web ouvert. Les entreprises utilisent la même technique en interne, par exemple pour des chatbots qui répondent aux questions à partir de manuels ou d'articles du centre d'aide.

Pourquoi le RAG compte pour le SEO et le GEO

Le RAG explique pourquoi le SEO classique compte toujours pour la visibilité dans l'IA. Si l'étape de récupération repose sur des résultats de recherche, une page qui ne se positionne pas ou n'est pas indexée n'atteint tout simplement jamais le modèle. Une fois une page récupérée, le modèle a tendance à utiliser les passages qui répondent à la question clairement et de manière autonome. En résumé, le RAG récompense deux choses : être trouvé, et être facile à citer.

Cela explique aussi pourquoi les réponses d'IA peuvent changer d'un jour à l'autre. Le modèle peut rester le même, mais les pages récupérées diffèrent selon l'index, la formulation de la requête et la fraîcheur.

Conseils pratiques

  • Assurez-vous que les pages importantes sont explorables à la fois par les moteurs de recherche et par les crawlers d'IA.
  • Découpez les contenus longs en sections claires avec des intertitres descriptifs, pour que chaque passage ait du sens hors contexte.
  • Placez la réponse ou la définition clé au début de chaque section.
  • Tenez vos informations à jour. Les systèmes de récupération privilégient souvent les sources récentes pour les questions liées à l'actualité.
  • Faites-vous mentionner sur des sites qui se positionnent déjà bien sur vos sujets. Ce sont ces pages qui sont récupérées.

Erreurs courantes

Cacher du contenu derrière des scripts, des onglets ou des connexions que les crawlers ne peuvent pas lire, et rédiger des passages qui n'ont de sens que si l'on lit toute la page. Autre idée reçue : le RAG éliminerait complètement les erreurs. Il réduit les hallucinations, mais un modèle peut toujours mal interpréter ou confondre des sources récupérées.

Questions sur le RAG (retrieval-augmented generation)

Qu'est-ce que le RAG, en termes simples ?

Le RAG signifie qu'une IA va chercher l'information avant de répondre. Elle récupère d'abord des documents pertinents, puis rédige une réponse à partir de ceux-ci.

ChatGPT utilise-t-il le RAG ?

Lorsque ChatGPT effectue une recherche sur le web, il utilise une étape de récupération pour aller chercher des pages et fonde sa réponse sur celles-ci, ce qui est une forme de RAG. Sans recherche, il répond à partir de ses données d'entraînement.

Pourquoi le RAG est-il important pour le SEO ?

De nombreux moteurs de réponse IA récupèrent des pages via la recherche. Si votre page n'est pas indexée ou ne se positionne pas, elle a moins de chances d'être récupérée et citée.

Termes associés