Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) est une architecture d'IA dans laquelle un modèle récupère des documents pertinents dans une base de connaissances externe et les utilise comme base contextuelle pour générer une réponse — plutôt que de s'appuyer uniquement sur ses données d'entraînement.
Le RAG combine deux composants : un module de récupération (qui cherche et extrait des textes pertinents) et un modèle génératif (qui produit des réponses sur la base des textes récupérés). Perplexity est un système RAG pur où la source de récupération est le web ouvert.
Pour les créateurs de contenu, comprendre l’architecture RAG est important : un contenu clairement structuré, facilement accessible aux crawlers et suffisamment concis pour être pertinent dans l’étape de récupération a davantage de chances d’être inclus dans la réponse IA.
Questions fréquentes
Qu'est-ce que le RAG en pratique ?
Perplexity cherche sur le web (retrieval), trouve des textes pertinents et laisse un LLM rédiger une réponse fondée sur ces textes (generation). Le résultat est une réponse informée à la fois par les données d'entraînement et par des sources web à jour.
Explorez le glossaire de la recherche IA
AI Search Academy est un glossaire indépendant sur la recherche IA et la visibilité.
Voir tous les termesTermes associés
KR
AI Search & Growth Strategist avec plus de 25 ans d'expérience en marketing digital. Lire plus →