En bref : L’ancrage appuie une réponse générée sur des contenus récupérés. Le RAG, ou génération augmentée par récupération, recherche les contenus pertinents avant la génération et les fournit au modèle comme contexte.
Comment j’utilise l’ancrage et le RAG en pratique
Je définis la décision que le terme doit améliorer, les données ou observations utilisées et la personne qui changera quelque chose en conséquence. Je sépare la récupération des sources de la génération et je vérifie que le résultat correspond réellement à ce que disent les contenus cités. Je note la situation de référence, la date de mesure et les limites d’interprétation afin de distinguer une évolution réelle des changements liés à l’outil, à l’échantillon ou à la formulation de la requête.
Points de vigilance
Même une source de qualité ne peut empêcher une erreur si le système la sélectionne mal, la retire du contexte ou la combine avec des contenus contradictoires. Je compare les résultats dans le temps, sur un échantillon stable et avec le contexte commercial. Si le terme ne mène à aucune prochaine étape concrète, ce n’est qu’une étiquette.
Questions pour décider
- Dans quel corpus le système sélectionne-t-il ses sources ?
- Pouvons-nous relier une affirmation à sa source ?
- Comment les conflits et les informations obsolètes sont-ils gérés ?
- Où une vérification humaine est-elle nécessaire ?