Aller au contenu

Le RAG Yisin : chercher avant de répondre

Le RAG relie le langage du modèle à la mémoire contrôlée du corpus. Son travail n'est pas de rendre une réponse plus longue, mais de sélectionner les preuves qui autorisent cette réponse.

Le parcours d'une question

Question de l'utilisateur
        ↓
Recherche lexicale + vectorielle
        ↓
Filtrage par admission et métadonnées
        ↓
Reranking des passages
        ↓
Contexte transmis au LLM
        ↓
Réponse citée — ou abstention

La recherche lexicale protège les références exactes, numéros d'articles et formulations rares. La recherche vectorielle rapproche des formulations différentes portant sur la même idée. Le reranking réordonne ensuite un petit ensemble de candidats avec davantage de précision.

Le contrat d'une réponse

Une réponse exploitable doit :

  1. répondre uniquement à partir des passages fournis ;
  2. distinguer le texte de son interprétation ;
  3. citer les unités qui soutiennent chaque affirmation importante ;
  4. exposer les limites de complétude ou de statut ;
  5. s'abstenir lorsque les preuves sont absentes, contradictoires ou insuffisantes.

L'abstention est une bonne réponse

Si le corpus ne contient pas le texte demandé, Yisin doit le dire et proposer une reformulation ou une recherche complémentaire. Inventer une disposition pour paraître utile est précisément le comportement que le système cherche à éliminer.

Ce qui est prêt, ce qui reste à mesurer

Préparé

27 855 chunks versionnés avec leur lignée ; 19 933 sont admissibles à l'index.

Indexé ✅

19 933 chunks publiés dans Qdrant Docker (alias yisin_chunks_active) avec le modèle sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 (384 dimensions).

Benchmarké ✅

Recall@8 = 1,0 — MRR = 1,0 sur 6 cas DCC réels (seuil minimal 0,85 dépassé).

Le premier lot de 6 cas valide le mécanisme de retrieval de bout en bout. Le benchmark sera enrichi avec davantage de requêtes sémantiques pour mesurer la qualité au-delà des références exactes.

État B4 — Indexation et benchmark validés (2026-08-22)

L'index Qdrant est opérationnel : 19 933 chunks publiés sous l'alias yisin_chunks_active, modèle paraphrase-multilingual-MiniLM-L12-v2 (384d). Le benchmark retrieval retourne Recall@8 = 1,0 et MRR = 1,0 sur 6 requêtes DCC réelles. Le seuil de 0,85 est dépassé. La prochaine étape est le raccordement du service de génération (Jalon B → Jalon C).

Où vit le RAG ?

yisin-ia fabrique le corpus et les artefacts. yisin-api vérifie leur manifeste, interroge l'index et orchestre le LLM. Les interfaces publiques et administratives passent uniquement par cette API : elles n'accèdent jamais directement à Qdrant ni aux fichiers sources.