Qu'est-ce que Génération augmentée par récupération (RAG) ?
Combiner une étape de recherche avec un modèle de langage pour que les réponses soient ancrées dans des données récupérées.
Définition formelle
La génération augmentée par récupération (RAG) associe un système de recherche d'information à un modèle génératif : les documents pertinents sont d'abord récupérés, puis fournis au modèle pour que sa sortie soit ancrée dans des données actuelles et spécifiques plutôt que dans la seule mémoire. Elle améliore l'exactitude et la fraîcheur. Le schéma reflète la façon dont un modèle de marché raisonne à partir d'actualités et de fondamentaux fraîchement récupérés.
En termes simples
C'est donner à une IA un livre ouvert avant qu'elle ne réponde. Plutôt que de s'appuyer uniquement sur ce qu'elle a mémorisé à l'entraînement, le système recherche des faits pertinents et à jour et les lui transmet pour que la réponse soit ancrée.
Exemple
Fournir à un modèle les derniers titres et données de prix de ses positions avant qu'il ne décide est une approche augmentée par récupération : la décision repose sur des preuves fraîches, pas sur une mémoire périmée.