Architecture
RAG (Retrieval-Augmented Generation)
Technique qui connecte un LLM à vos propres données pour des réponses plus précises.
Entree de glossaire
Contexte de la definition
Notes de reference
RAG (Retrieval-Augmented Generation)
Technique qui connecte un LLM à vos propres données pour des réponses plus précises.
Architecture
Categorie
2
Exemples
3
Cas d'utilisation
Technique qui connecte un LLM à vos propres données pour des réponses plus précises.
La Retrieval-Augmented Generation (RAG) est une architecture qui améliore les LLM en leur permettant de consulter une base externe de connaissances avant de répondre. Au lieu de se fier uniquement à ce que le modèle a « mémorisé » pendant l’entraînement, le RAG recherche des données dans des PDF, des bases de données ou sur le web et utilise ces informations actualisées et vérifiées pour composer la réponse.
Comment Interlinked l’utilise
Dans Interlinked, la récupération est ancrée à des sources structurées et éditables : votre catalogue produit, vos points de vente, vos horaires, vos politiques et la définition du workflow. Quand un client pose une question sur la disponibilité, le prix ou une politique, l’agent récupère depuis la configuration que vous contrôlez dans la Config IA — pas depuis un vector store monté à votre insu. Mettre à jour la réponse, c’est éditer le champ.