Pipeline RAG : de l’ingestion à la génération (sprint)
Parcours : Data, RAG & Vector Databases · Avancé
≈ 15 min
Contexte
Un RAG n’est pas un appel API : c’est une chaîne de six maillons.
Au programme de ce module
- 01Contexte≈ 15 min
- 02Explication≈ 35 min
- 03Démonstration≈ 35 min
- 04Use Case≈ 30 min
- 05Case Study≈ 30 min
- 06Exercice≈ 35 min
- 07Quiz≈ 5 min
Un RAG en production n’est pas « un appel au modèle » : c’est une chaîne de six maillons — ingestion, découpage, indexation, récupération, ré-ranking, génération. La qualité finale est celle du maillon le plus faible : un document mal extrait ou un découpage brutal ruinent la meilleure génération du monde.
Indexer un document de 50 pages comme un seul bloc rend la récupération imprécise : on récupère tout, dont 90 % d’hors-sujet. On découpe donc le corpus en « chunks » (morceaux) plus petits, chacun indexé séparément, pour ne remonter que les passages réellement pertinents. Ce module est un sprint : on construit le pipeline complet, maillon par maillon, jusqu’à un RAG minimal qui tourne sur 10 documents.
Objectifs d'apprentissage
À l’issue de ce module, vous saurez *Comprendre* les six étapes du pipeline RAG, *Appliquer* trois stratégies de chunking (taille fixe, par section, par frontière sémantique), *Analyser* un échec en localisant le maillon fautif (rappel vs précision), et *Créer* un RAG minimal de bout en bout sur 10 documents.