---
title: "Un RAG en production"
description: "Le découpage, les métadonnées, les droits, la mise à jour et la mesure d'un RAG qui sert tous les jours."
url: https://meridal.fr/apprendre/rag-en-production/
language: fr
written: 2026-10-08
verified: 2026-10-08
license: CC BY 4.0
---

[Apprendre](https://meridal.fr/apprendre/) › [Construction et programmation](https://meridal.fr/apprendre/dossier/construire/)

Faire · Niveau 3, Construire · 18 minutes

# Un RAG en production

Le RAG qui sert une équipe tous les jours : des documents préparés, un découpage qui garde le contexte, une recherche par le sens et par les mots, les droits de chacun respectés, une mise à jour qui ne casse pas, et une mesure avant chaque changement.

Écrit le 8 octobre 2026 · Vérifié le 8 octobre 2026

## Vous saurez

- Préparer, découper et indexer des documents pour un usage quotidien
- Combiner la recherche par le sens et par les mots, puis reclasser
- Ne servir à chacun que ce qu'il a le droit de lire
- Tenir l'index à jour, et mesurer avant de changer

## Dans le parcours

[Développement d'applications d'IA](https://meridal.fr/apprendre/parcours/dev-avance/)

Étape 2 sur 10

- [← Avant Un RAG minimal en Python](https://meridal.fr/apprendre/rag-minimal-python/)
- [↓ Plus concret Premier appel à un modèle](https://meridal.fr/apprendre/premier-appel/)
- [→ Ensuite Bibliothèques d'agents](https://meridal.fr/apprendre/bibliotheques-d-agents/)

Rappel de la page précédente

Répondez de tête, puis ouvrez. [Embeddings et bases vectorielles](https://meridal.fr/apprendre/embeddings-et-bases-vectorielles/)

**1 Pourquoi la question doit-elle passer par le même modèle que les passages ?**

Parce que les vecteurs de deux modèles ne vivent pas dans le même espace : leurs distances ne veulent rien dire. Changer de modèle oblige à tout réindexer.

**2 Qu'apporte une base vectorielle par rapport à une liste de vecteurs en mémoire ?**

Elle range les vecteurs avec leur texte et leurs métadonnées, les garde d'un lancement à l'autre, et retrouve vite les plus proches parmi des millions, grâce à un index approché.

L'essentiel

1. La qualité d'un RAG tient d'abord aux documents : une version en vigueur, datée, tenue par quelqu'un.
2. Chaque passage garde son contexte : le titre du document et de sa section, ou une phrase qui le situe.
3. La recherche combine le sens et les mots exacts, puis un reclassement ; Anthropic mesure deux tiers d'échecs en moins avec les trois.
4. Les droits se filtrent avant la recherche : un passage qu'une personne ne peut pas ouvrir ne doit jamais lui être servi.
5. Chaque changement se mesure sur un jeu de questions dont on connaît le passage attendu, avant de partir en service.

## Prérequis

- Le mécanisme de [un RAG minimal](https://meridal.fr/apprendre/rag-minimal-python/), et le choix d' [un modèle d'embeddings et d'une base](https://meridal.fr/apprendre/embeddings-et-bases-vectorielles/).
- Des documents passés par [la liste de contrôle](https://meridal.fr/apprendre/avant-de-brancher-un-assistant/) : à jour, uniques, lisibles, bien partagés, tenus.
- Un jeu d'au moins vingt questions réelles, chacune avec le passage où se trouve la réponse.

## Étapes

![Chaque nuit : des documents en une seule version en vigueur, datée, avec son responsable ; des passages qui gardent en tête le titre du document et de sa section ; un index où chaque passage porte son vecteur, son texte, sa date, le nom du modèle et qui peut le lire. À chaque question : les droits filtrés avant la recherche, la recherche par les mots et par le sens, le reclassement, puis une réponse qui cite ses passages, ou « je ne trouve pas » sous le seuil. Dans les mesures d'Anthropic de 2024, les échecs de recherche passent de 5,7 % à 1,9 %.](https://meridal.fr/assets/apprendre/medias/apprendre-rag-production.svg)

*La chaîne en service : chaque nuit l'index, à chaque question la réponse.*

1. Préparer les documents Une seule version en vigueur, des titres clairs, un résumé en tête, et des métadonnées : responsable, date d'effet, date de revue. Microsoft les conseille pour qu'un agent s'en tienne au contenu à jour. Le reste suit [la base de fiches](https://meridal.fr/apprendre/base-de-fiches/). **Ce qu'on voit :** chaque document avec son titre, sa date et son responsable, et plus aucune ancienne version dans ce que lira l'index.
2. Découper en gardant le contexte Un passage par section, de quelques centaines de tokens : OpenAI coupe par défaut à 800 tokens avec 400 de recouvrement, Mistral conseille d'essayer plusieurs tailles, les petits passages retrouvant souvent mieux. Chaque passage reçoit le titre de son document et de sa section ; Anthropic va plus loin et fait écrire par un modèle une phrase qui situe le passage, pour 50 à 100 tokens de plus par passage. **Ce qu'on voit :** des passages qui se comprennent lus seuls, avec leur titre en tête.
3. Indexer, avec les droits Chaque passage part avec son vecteur, son texte, le document, la date, le nom du modèle, et la liste des personnes ou des groupes qui peuvent le lire. Les métadonnées servent ensuite à filtrer avant la recherche, comme le conseille Mistral. **Ce qu'on voit :** un index où chaque passage porte ses droits d'accès. **À vérifier :** une personne qui perd l'accès à un dossier doit le perdre aussi dans l'index, à la mise à jour suivante.
4. Chercher par le sens et par les mots La recherche par le sens rate les termes exacts : un numéro de contrat, un nom de produit. La recherche hybride lance les deux, par les mots (BM25) et par les vecteurs, puis fusionne les deux classements. La recherche dans les fichiers d'OpenAI le fait déjà, avec un poids réglable entre les deux. **Ce qu'on voit :** les passages qui contiennent le terme exact remontent, même quand le sens est loin.
5. Reclasser Un modèle de reclassement relit la question et chaque passage trouvé, et les remet en ordre. Dans les mesures d'Anthropic, le contexte ajouté, la recherche hybride et le reclassement réduisent de 67 % les échecs de recherche parmi les vingt premiers passages, de 5,7 % à 1,9 %. Vingt passages donnés au modèle y faisaient mieux que dix ou cinq. **Ce qu'on voit :** une liste plus courte et mieux ordonnée de passages, prête pour la réponse. **À vérifier :** ces mesures datent de 2024 et portent sur les corpus d'Anthropic (code, fiction, articles scientifiques) : elles disent un sens, pas un gain sur vos documents.
6. Répondre en citant, ou refuser La réponse cite ses passages ; en dessous d'un seuil de proximité, aucun passage n'est donné, et l'assistant dit qu'il ne sait pas. OpenAI propose ce seuil dans sa recherche dans les fichiers. **Ce qu'on voit :** chaque réponse avec ses sources ; « je ne trouve pas » quand rien ne correspond.
7. Tenir l'index à jour Un document modifié se réindexe ; un document remplacé sort de l'index, sinon il trompe : dans une étude de 2025, un seul passage périmé fait baisser de plus de 24 % le score d'ensemble d'un grand modèle ouvert. La mise à jour tourne chaque nuit, et prévient quand elle échoue. **Ce qu'on voit :** une mise à jour datée chaque nuit, et un message quand elle n'a pas tourné. **À vérifier :** une mise à jour qui échoue en silence laisse l'index vieillir sans que personne le sache.
8. Mesurer avant chaque changement Sur le jeu de questions, la part des passages attendus retrouvés parmi les vingt premiers, puis la justesse des réponses. Ragas propose ces mesures (rappel du contexte, fidélité de la réponse) ; Anthropic conseille beaucoup de questions notées automatiquement plutôt que quelques-unes notées à la main. **Ce qu'on voit :** deux chiffres datés, à comparer avant et après chaque changement de modèle, de découpage ou de réglage.

Réalisation · cabinet de cession d'une trentaine de personnes, 2026

Une base de savoir que l'assistant consulte avant de répondre

Des fiches reliées, servies à toute l'équipe par un connecteur hébergé en France ; les fiches confidentielles exclues avant toute réponse ; chaque nuit, une passe qui complète ce que l'équipe a signalé comme manquant. Sa limite rejoint l'étape 7 : les passes partaient d'un poste personnel et s'arrêtaient en silence.

Du 26 août au 2 septembre 2026 : 6 nuits sur 8 de passe en échec, sans que personne le sache Source : inventaire des réalisations de Meridal, d'après le compte rendu de mission. La cause et le remède sont dans la réalisation « Faire tourner les automatismes sans aucun poste ».

[Lire la réalisation](https://meridal.fr/realisations/base-de-savoir/)

## Contrôle du résultat

- Aucune ancienne version dans l'index
- Chaque passage porte son titre, sa date, son modèle et ses droits
- Une personne sans accès à un dossier n'en reçoit aucun passage à tester avec un compte de test
- Un terme exact, comme un numéro de contrat, retrouve son passage
- Une question hors des documents reçoit « je ne trouve pas »
- La mise à jour de la nuit a tourné, et un échec préviendrait quelqu'un
- Le jeu de questions a sa mesure datée

## Problèmes fréquents

**Le bon passage n'est pas trouvé**

**Cause**Un découpage qui coupe la règle de son titre, ou un terme exact que le sens ne voit pas.

**À faire**Garder le titre dans chaque passage ; ajouter la recherche par les mots ; reclasser.

**La réponse cite une ancienne règle**

**Cause**Une ancienne version est encore dans l'index.

**À faire**La retirer ; ne garder que la version en vigueur, avec sa date.

**Une personne lit un passage qu'elle ne devrait pas voir**

**Cause**Les droits ne sont pas filtrés, ou pas mis à jour.

**À faire**Filtrer par les droits avant la recherche ; recalculer les droits à chaque mise à jour.

**Le coût monte avec l'usage**

**Cause**Trop de passages envoyés au modèle, ou un stockage hébergé facturé au jour.

**À faire**Moins de passages après reclassement ; chez OpenAI, le stockage se paie 0,10 $ par Go et par jour au-delà du premier Go.

**Les tableaux répondent mal**

**Cause**Un tableau découpé perd ses en-têtes.

**À faire**Répéter les en-têtes dans chaque passage, ou écrire le tableau en phrases.

## Retour en arrière

- **Garder deux index** : le nouveau se construit à côté de l'ancien, et ne le remplace qu'après une mesure meilleure sur le jeu de questions.
- **Garder le nom du modèle** avec chaque vecteur : revenir à l'ancien modèle n'est possible qu'avec l'ancien index.

## Variantes par outil

OpenAI Google Microsoft 365 Mistral Votre chaîne

La recherche dans les fichiers d'OpenAI fait le découpage (800 tokens, 400 de recouvrement par défaut, réglables de 100 à 4 096), la recherche hybride et le seuil ; chaque fichier peut porter des attributs pour filtrer. Stockage : 0,10 $ par Go et par jour au-delà du premier Go ; 2,50 $ les mille recherches.

La recherche dans les fichiers de l'API Gemini stocke et calcule les vecteurs de la question gratuitement ; l'indexation se paie au prix des embeddings. Jusqu'à 100 Mo par document ; Google conseille de rester sous 20 Go par magasin.

Un agent SharePoint ne montre que le contenu que la personne peut ouvrir : les droits viennent de SharePoint, sans les recopier. Les limites et les droits : [Copilot Studio](https://meridal.fr/apprendre/copilot-studio/).

Les bibliothèques de Mistral Vibe gardent des documents pour l'assistant ; Document AI lit les PDF scannés en nombre.

Votre propre chaîne : pgvector dans PostgreSQL pour les vecteurs, avec la recherche plein texte de PostgreSQL pour les mots, fusionnées par rang ; un modèle de reclassement par API (Cohere, Voyage) ou open weight. Tout reste réglable, et tout est à tenir.

## Vérification

**1 Comprendre Pourquoi combiner la recherche par le sens et par les mots ?**

Parce que le sens rate les termes exacts, comme un numéro de contrat, et que les mots ratent les reformulations ; ensemble, puis reclassés, ils retrouvent plus souvent le bon passage.

**2 Appliquer Où se filtrent les droits d'accès dans un RAG ?**

Avant la recherche, sur les métadonnées de chaque passage : un passage qu'une personne ne peut pas ouvrir ne doit jamais lui être servi.

**3 Appliquer Vous changez de modèle d'embeddings. Que faire avant de basculer ?**

Construire un nouvel index à côté de l'ancien, le mesurer sur le jeu de questions, et ne basculer que si la mesure est meilleure.

## Lectures suivantes

↑ Plus général

Rien avant : c'est un point de départ.

← Avant [Un RAG minimal en Python S'exercer · Niveau 3 · 25 minutes](https://meridal.fr/apprendre/rag-minimal-python/) [Embeddings et bases vectorielles Comprendre · Niveau 3 · 14 minutes](https://meridal.fr/apprendre/embeddings-et-bases-vectorielles/)

Vous êtes ici

Un RAG en production

→ Ensuite [Bibliothèques d'agents Choisir · Niveau 3 · 14 minutes](https://meridal.fr/apprendre/bibliotheques-d-agents/)

Développement d'applications d'IA · étape 3 sur 10

↓ Plus concret [Premier appel à un modèle S'exercer · Niveau 3 · 15 minutes](https://meridal.fr/apprendre/premier-appel/) [Une base de savoir que l'assistant consulte avant de répondre Réalisation](https://meridal.fr/realisations/base-de-savoir/)

[Tout le dossier « Construction et programmation »](https://meridal.fr/apprendre/dossier/construire/)

Les pages qui renvoient ici

- [Embeddings et bases vectorielles](https://meridal.fr/apprendre/embeddings-et-bases-vectorielles/)

**Limites et sources**

Les gains cités viennent des mesures publiées par Anthropic en 2024 et d'une étude de 2025, sur leurs corpus : sur vos documents, seule votre mesure tranche.

Les prix et limites des solutions hébergées sont ceux du 7 octobre 2026.

1. [Anthropic, Introducing Contextual Retrieval](https://www.anthropic.com/news/contextual-retrieval) ; [OpenAI, Retrieval](https://platform.openai.com/docs/guides/retrieval) ; [Google, File search](https://ai.google.dev/gemini-api/docs/file-search) ; [Ragas, metrics](https://docs.ragas.io/en/stable/concepts/metrics/available_metrics/).
2. Les relevés : `apprendre/recherches/2026-10-07-rag-technique.json` et `…-preparer-documents.json`.

Écrit par Meridal, avec l'aide de l'IA ; chaque fait vérifié à sa source et relu avant publication. Texte et schémas sous licence [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/deed.fr) : reprenez-les en citant Meridal. Le code sous licence MIT.

Service correspondant

Un assistant qui connaît votre entreprise

3 300 € à 10 200 €, puis sur devis

[Voir le service](https://meridal.fr/offre/#assistant)

## Un premier échange de 30 minutes

En visio et sans frais : vous décrivez votre situation, nous vous indiquons ce qui est réalisable, avec quels outils et pour quel ordre de prix. Vous pouvez aussi nous écrire ; chaque message reçoit une réponse écrite.

[Réserver 30 minutes](https://meridal.fr/contact/#reserver) [Écrire un message](https://meridal.fr/contact/)