Retrieval-Augmented Generation (RAG)
Le Retrieval-Augmented Generation (RAG) est l'architecture derrière la majorité de la recherche IA : le système récupère un ensemble de documents ou passages pertinents au moment de la requête, puis génère sa réponse en s'appuyant sur ce contenu récupéré, plutôt que sur ce qu'il a appris uniquement pendant son entraînement.
Pourquoi c'est important
Le RAG est le mécanisme que le GEO cherche réellement à optimiser. Être récupérable lors de la première étape, c'est-à-dire figurer parmi les documents que le système extrait pour une requête donnée, est une condition préalable pour être cité à la deuxième étape. Une page peut être bien écrite et perdre quand même si elle n'est jamais récupérée en premier lieu.
Termes associés
- Ancrage (grounding)
L'ancrage, ou grounding, désigne le moment où un système d'IA appuie sa réponse générée sur une source précise récupérée, une page web en direct, un document, un enregistrement de base de données, plutôt que de s'appuyer uniquement sur les schémas appris pendant l'entraînement. C'est ce qui distingue une réponse citée d'une réponse non étayée.
- Recherche sémantique
La recherche sémantique est une récupération fondée sur le sens et l'intention derrière une requête, plutôt que sur la correspondance exacte de mots-clés. Elle utilise des représentations vectorielles du texte pour trouver du contenu conceptuellement lié même quand le vocabulaire employé est complètement différent.
- Moteur génératif
Un moteur génératif est un système d'IA, comme ChatGPT, Perplexity ou les AI Overviews de Google, qui répond à une requête en synthétisant une réponse unique et directe à partir de plusieurs sources récupérées, plutôt qu'en renvoyant une liste classée de liens que l'utilisateur doit parcourir lui-même.