RAG (Retrieval-Augmented Generation)

Définition

Le RAG (Retrieval-Augmented Generation) est une architecture d'IA combinant un LLM avec une base de connaissances externe interrogée dynamiquement pour chaque requête. Le pipeline RAG se décompose en trois phases : indexation (découpage en chunks, encodage en embeddings, stockage en base vectorielle), retrieval (la question de l'utilisateur est encodée, les chunks les plus similaires sont récupérés par recherche ANN), et génération (le LLM génère une réponse en s'appuyant sur les chunks récupérés comme contexte). Le RAG élimine les hallucinations sur les connaissances récentes et permet la citation de sources. Les variantes avancées incluent HyDE (Hypothetical Document Embeddings), RAG Fusion, Corrective RAG et Agentic RAG avec reranking. En cybersécurité, le RAG alimente les assistants SOC sur des bases de threat intelligence actualisées, les systèmes de recherche sur les CVE/exploits et les outils d'analyse de malwares basés sur des signatures vectorisées.