RAG en entreprise : un assistant IA qui répond à partir de vos documents

Le RAG en entreprise, en trois phrases

Le RAG, pour « génération augmentée par la recherche », est la technique qui permet à un assistant IA de répondre à partir de vos documents (notices, contrats, procédures, anciens devis, comptes rendus) plutôt qu’à partir de ce qu’il a appris sur Internet. L’assistant cherche d’abord les passages utiles dans vos documents, puis un modèle d’IA rédige la réponse à partir de ces seuls passages, et cite la source pour que vous puissiez vérifier. z.ax construit ces assistants sur mesure : préparation des documents, droits d’accès, tests de fiabilité et hébergement adapté à vos données.

Cette page explique ce qui se passe sous le capot. Elle sert de base technique à trois usages, chacun décrit sur sa propre page :

• l’assistant IA interne, qui répond aux questions de vos salariés ;
• le chatbot pour site internet, qui répond aux visiteurs à partir de réponses validées ;
• l’assistant téléphonique IA, qui fait la même chose à la voix.

Pour qui, et pour qui ce n’est pas utile

Un RAG pour entreprise est utile quand :

• l’information existe, mais personne ne la retrouve : des centaines de PDF dans un dossier partagé, des classeurs, des emails ;
• une seule personne sait où chercher, et tout s’arrête quand elle est absente ;
• la réponse doit être exacte et vérifiable : une valeur technique, une clause de contrat, une règle interne.

C’est le cas d’un menuisier agenceur qui jongle avec les notices de quincaillerie de ses fournisseurs, d’une entreprise du BTP qui rédige des mémoires techniques à partir des précédents, ou d’un viticulteur qui doit retrouver vite une règle de son cahier des charges.

Ce n’est pas la bonne solution :

• si vous avez une vingtaine de documents. Un bon classement et une recherche par mots suffisent, ou un outil grand public où l’on dépose quelques fichiers ;
• si vos documents sont faux ou périmés. L’assistant répétera les erreurs, plus vite ;
• si la réponse demande un calcul ou une décision. Le RAG retrouve et résume, il ne remplace pas un bureau d’études.

Le chemin d’une question, étape par étape

Exemple type, pas un cas client : dans une menuiserie de huit personnes, un poseur demande sur son téléphone « combien de charnières pour une porte de placard de 2,20 m en chêne massif ? ».

1. La question est transformée en « empreinte ». Un programme convertit la phrase en une suite de nombres qui représente son sens. Deux phrases qui disent la même chose avec des mots différents (« charnières », « paumelles », « fixations de porte ») ont des empreintes proches.
2. La recherche. L’empreinte est comparée à celles de tous les passages de vos documents, calculées à l’avance. Le système ramène les cinq à dix passages les plus proches, en ne gardant que ceux que ce poseur a le droit de voir. On combine souvent cette recherche par le sens avec une recherche par mots exacts, utile pour les références produit et les numéros d’article.
3. Le tri. Les passages sont classés. Si deux versions d’une même notice existent, la plus récente passe devant, grâce à la date enregistrée avec chaque document.
4. La rédaction. Le modèle d’IA reçoit la question et ces seuls passages, avec une consigne stricte : répondre uniquement à partir d’eux, citer la source, dire « je ne trouve pas » sinon.
5. La réponse. L’assistant répond que la notice du fabricant donne le nombre de charnières selon la hauteur et le poids de la porte, recopie la ligne du tableau qui correspond à 2,20 m, et ajoute : « Source : notice des charnières, page 14, version la plus récente. » Le lien ouvre la page.
6. La vérification humaine. Le poseur clique sur la source, regarde la colonne des poids, tient compte du fait que le chêne massif est lourd, et choisit le nombre de charnières. L’IA a retrouvé l’information ; c’est lui qui l’applique.

Si la notice n’avait pas été dans la base, la bonne réponse de l’assistant aurait été : « Je ne trouve pas cette information dans vos documents. » C’est cette discipline, plus que le choix du modèle, qui fait un RAG fiable.

Préparer vos documents : là où se joue la qualité

Un assistant RAG vaut ce que vaut sa base. Le travail le plus utile se fait avant la première question :

• Faire le tri. Retirer les doublons et les versions périmées, ou les marquer comme archivées. Deux procédures contradictoires produisent des réponses contradictoires.
• Rendre lisibles les scans. Un PDF scanné est une image : il faut une reconnaissance de caractères (OCR) pour en tirer du texte, et la vérifier sur les documents importants. Notre guide sur l’OCR des factures fournisseurs montre les mêmes difficultés sur un autre usage.
• Découper intelligemment. Chaque document est coupé en passages de quelques paragraphes, en respectant les titres. Un tableau coupé en deux perd son sens ; on le traite à part.
• Ajouter des étiquettes. Date, version, service, niveau de confidentialité, produit concerné. Ce sont elles qui permettent de filtrer par droits et de privilégier la version récente.
• Vérifier les droits de réutilisation. Les normes et documents achetés sous licence ne peuvent être intégrés que si la licence le permet.

Mesurer la fiabilité avant d’ouvrir

On ne juge pas un assistant RAG sur trois questions posées en réunion. On écrit avec vos équipes une liste de trente à cinquante questions réelles, avec leur bonne réponse et le document qui la contient, dont quelques questions sans réponse dans vos documents. On mesure ensuite :

1. la justesse : la réponse est-elle correcte ?
2. la source : cite-t-il le bon document, la bonne page ?
3. le refus : sur les questions sans réponse, dit-il bien qu’il ne sait pas ?

On améliore (découpage, étiquettes, consignes, choix du modèle) jusqu’à un niveau convenu avec vous, puis on refait le test à chaque changement important : nouveau modèle, nouvelle famille de documents.

Choisir l’hébergement

Le comparatif des modèles et de leurs tarifs est sur notre page intégrer l’IA dans vos outils.

Comment se passe un projet

1. Inventaire des documents : où, combien, quels formats, qui les met à jour.
2. Liste de questions de test, écrite avec vos équipes.
3. Choix de l’hébergement et du modèle, selon la sensibilité des documents.
4. Préparation, construction et mesure sur la liste de test.
5. Ouverture progressive à un groupe pilote, puis à toute l’équipe.
6. Mise à jour automatique : un document déposé ou modifié dans le dossier est réindexé.

Ce que ça ne fait pas, et ce que coûtent les outils tiers

Les limites

• Il peut mal choisir les passages. Si la recherche ramène un mauvais extrait, la réponse sera fausse, même bien citée. D’où l’importance de cliquer sur la source pour les sujets importants.
• Les scans, plans et grands tableaux sont difficiles. Le résultat n’est pas toujours parfait, même avec un traitement spécifique.
• Il ne tranche pas entre deux documents contradictoires. Il peut signaler la contradiction, pas décider lequel a raison.
• Il ne fait que répondre. Pour qu’une réponse déclenche une action (créer une commande, envoyer un email), il faut un agent IA avec validation humaine.

Les données, le RGPD et l’AI Act

Avec un RAG, vos documents ne servent pas à « entraîner » une IA : ils restent dans votre base et ne sont consultés qu’au moment de la question. En revanche, les passages retenus sont envoyés au modèle d’IA avec chaque question. S’ils contiennent des données personnelles, le RGPD s’applique : contrat de traitement avec le fournisseur, limitation des données, information des personnes, et encadrement des transferts si le modèle traite les données hors de l’Union européenne (CNIL : transférer des données hors de l’UE). Voir notre page IA et RGPD. Si l’assistant est ouvert à vos clients, l’AI Act impose de leur dire qu’ils échangent avec une IA : voir notre page AI Act.

Les coûts tiers

Trois postes récurrents, payés directement aux fournisseurs : l’hébergement de la base documentaire, le modèle d’IA facturé à l’usage (par exemple 0,25 $ par million de tokens en entrée et 2,00 $ en sortie pour OpenAI gpt-5-mini, selon la page tarifs OpenAI consultée le 11/11/2026), et la reconnaissance de caractères si vous avez beaucoup de documents scannés.

Comment le prix est établi

z.ax n’affiche pas de prix : tout dépend de vos documents. Les facteurs sont le volume et l’état des documents (texte propre ou scans), le nombre de sources à relier (dossier partagé, messagerie, logiciel métier), la gestion des droits d’accès, le niveau de fiabilité attendu et le temps de test qu’il demande, et l’hébergement choisi. Le devis sépare notre travail et vos coûts mensuels.

Si vous hésitez entre un outil grand public et un assistant sur mesure, l’audit IA permet d’y voir clair. Sinon, dites-nous quels documents vous consultez le plus sur la page contact.