Projets / rag-knowledge-assistant
Assistant de connaissances d'entreprise (RAG)
Un assistant conversationnel qui répond à partir des bibliothèques documentaires internes et d'une recherche web optionnelle, cite ses sources et peut renvoyer un rapport Word.
- Période
- 2025–2026
- Rôle
- Ingénieur GenAI
- Contexte
- Grand groupe industriel
- Cloud
- Azure
[ Architecture ]
Comment ça marche
Lancez un scénario pour suivre une requête à travers le système. Sélectionnez un composant pour lire son rôle et ses flux.
un collaborateur
Quelles sont les étapes de la procédure d'inspection ?
Une question sur une procédure interne, posée dans le chat de l'entreprise.
- Appuyez sur Poser une question sur une procédure pour suivre la requête à travers le système.
- 01EmployéPose la question dans le chat
- 02Chat entrepriseMessage relayé à l'assistant
- 03Assistant RAGConversation chargée · plan - chercher dans les documents internes
- 04Hybrid searchRecherche par mots-clés et vectorielle · meilleurs passages renvoyés
- 05Assistant RAGPassages classés et conservés
- 06LLMRéponse rédigée à partir des passages · sources citées
- ✓Le collaborateur reçoit une réponse dans le chat avec ses sources, documents internes en premier.
- 01EmployéDemande un rapport dans la même conversation
- 02Chat entrepriseMessage relayé à l'assistant
- 03Assistant RAGRéponse et sources précédentes rechargées · document Word construit
- 04Chat entrepriseDocument remis dans le chat
- ✓Le rapport revient dans la même conversation, construit à partir de la réponse précédente et de ses sources.
Problème
Les collaborateurs avaient besoin d’interroger en conversation des connaissances dispersées dans des bibliothèques documentaires internes hétérogènes. L’assistant devait aussi proposer une recherche web optionnelle, produire un document en sortie, tourner dans l’environnement Azure existant et afficher ses sources.
Données
Des documents internes de plusieurs natures, des pages web publiques lorsque l’option web est utilisée, et l’historique des conversations. L’accès suit les droits déjà en place sur les bibliothèques.
Approche
- La recherche par mots-clés et la recherche vectorielle s’exécutent dans la même base PostgreSQL, ce qui permet de retrouver aussi bien les termes exacts que les paraphrases.
- Les documents internes passent d’abord, la recherche web ensuite, et la réponse cite l’origine de chaque partie.
- Les étapes forment un graphe LangGraph, avec une mémoire par conversation et un générateur de rapports Word pour les questions de suivi.
Évaluation
Aucun jeu d’évaluation formel n’a été consigné pour ce projet. La conception rend plutôt les réponses vérifiables : chaque réponse cite les passages sur lesquels elle s’appuie.
Résultat
L’assistant est intégré à l’application de chat de l’entreprise, et ses réponses citent leurs sources.
Mon rôle
Ingénieur GenAI sur toute la chaîne : cadrage du cas d’usage, architecture RAG, backend, retrieval, orchestration, intégration au chat, décisions de déploiement Azure et accompagnement des utilisateurs.