<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Rag on IA Robotik</title><link>https://ia-robotik.com/tags/rag/</link><description>Recent content in Rag on IA Robotik</description><generator>Hugo</generator><language>fr-FR</language><lastBuildDate>Mon, 29 Jun 2026 22:00:45 +0000</lastBuildDate><atom:link href="https://ia-robotik.com/tags/rag/index.xml" rel="self" type="application/rss+xml"/><item><title>RAG : comment fonctionne la génération augmentée par récupération</title><link>https://ia-robotik.com/informatique/rag-generation-augmentee-recuperation-fonctionnement/</link><pubDate>Mon, 29 Jun 2026 18:52:46 +0000</pubDate><guid>https://ia-robotik.com/informatique/rag-generation-augmentee-recuperation-fonctionnement/</guid><description>&lt;p&gt;La &lt;strong&gt;génération augmentée&lt;/strong&gt;, ou RAG, fait chercher à une IA des documents fiables avant de répondre. Le modèle ne puise plus dans sa seule mémoire interne : il s&amp;rsquo;appuie sur des textes retrouvés en temps réel dans une base. Résultat, des réponses ancrées dans des faits vérifiables. Les analyses publiées en 2025 mesurent une baisse du taux d&amp;rsquo;hallucination pouvant atteindre 50 pour cent face à un modèle classique.&lt;/p&gt;
&lt;h2 id="le-problème-que-le-rag-vient-résoudre"&gt;Le problème que le RAG vient résoudre&lt;/h2&gt;
&lt;p&gt;Un modèle de langage classique répond à partir de ce qu&amp;rsquo;il a appris pendant son entraînement. Cette connaissance est figée à une date, parfois incomplète, et le modèle ne sait pas dire « je ne sais pas ». Il &lt;strong&gt;invente&lt;/strong&gt; alors une réponse plausible mais fausse, le fameux phénomène d&amp;rsquo;hallucination.&lt;/p&gt;</description></item></channel></rss>