Project Oxygen & Ideo-LabIDEO LAB Dashboard 2026

🔎 Découverte – RAG

Analyse & Conception10 briques

13 cartes pédagogiques pour expliquer un RAG à des néophytes (entretien, kick-off projet).

1 Intro

C’est quoi un RAG ?

Recherche sémantique sur tes données + LLM génératif → réponses appuyées par des sources.

2 Pipeline

Architecture de référence

Sources → Ingestion → Index → Retrieval → LLM → Post-process → Évaluation & Observabilité.

2B Pipeline

Ingestion & parsing

Transformer du code & des schémas DB en objets structurés + chunks textuels.

3 Pipeline

Stratégies RAG

Stratégies RAG qui comptent lors d'un Entretien ou d'un Audit.

3 Data

Sources & Données

PDF, web, Confluence, bases internes. Nettoyer, normaliser et enrichir (métadonnées).

4 Data

Chunking simplifié

Couper les documents en « morceaux » utiles (titres, overlaps) pour mieux retrouver.

5 Concepts

Embeddings expliqués

Transformer du texte en vecteurs → mesurer la similarité entre questions et passages.

6 Search

Indexation & Recherche

Index vecteur + mots-clés (hybride). Filtrer par tags/métadonnées pour plus de précision.

7 Flux

Orchestration du pipeline

Query → retrieve → rerank → prompt → génération → post-process (citations, format).

8 Prompting

Prompts adaptés au RAG

Fournir le contexte, imposer les sources/citations, gabarits Q/A multilingues.

9 Quality

Évaluation

Vérifier la justesse et la couverture avec des jeux de questions « or ».

10 Use cases

Exemples concrets

FAQ interne, support client, recherche de procédures, lecture de contrats, IT ops.

11 Bénéfices

Avantages du RAG

Moins d’hallucinations, connaissances à jour, réponses traçables par sources.

12 Limites

Limites & Défis

Qualité des données, coûts/latence, sécurité/PII, maintenance de l’index.

13 MVP

Démarrer un projet RAG

MVP en 4 étapes : cadrage, data, index, UI Q/A. Choisir embeddings, stockage & LLM.