Narrathèque
Testez gratuitement
Français (Canada)
FrançaisEnglishFrançais (Canada)
Sous le capot de Narratheque

Chercher dans vos sources.
Construire des liens entre elles.

RAG vectoriel et LLM Wiki : deux façons de donner du contexte à l’IA. Le premier retrouve des passages utiles, le second relie les notions entre elles.

Le principe

Le RAG vectoriel nourrit la réponse
par votre propre savoir.

Un modèle de langage possède des connaissances acquises pendant son entraînement. Pour répondre sur vos procédures, vos projets ou vos clients, il lui faut aussi les informations que vous détenez.

Le RAG — génération augmentée par la récupération — apporte des éléments documentaires au moment de répondre. Le LLM Wiki ajoute une couche de fiches rédigées et reliées en amont.

Dans les deux cas, les sources restent indispensables : un résumé ou une réponse ne remplace pas le document qui permet de vérifier une information.

Votre question

« Quelle procédure s’applique à ce client ? »

Votre contexte documentaire

Extraits de sources · Fiches du wiki

Le modèle prépare une réponse

À partir de la question, des consignes et du contexte sélectionné.

On fournit du contexte au modèle ; on ne le réentraîne pas à chaque document.
La différence essentielle

RAG vectoriel ou wiki : quand le savoir est-il préparé ?

Le RAG vectoriel assemble les passages au moment de la question. Le wiki réalise une partie du rapprochement dès l’arrivée des sources. Dans les deux approches, le modèle peut encore synthétiser une réponse à la demande.

01 · Retrouver

RAG vectoriel

Un index pour chercher par le sens.

À l’import

  1. Extraire le contenu

    Le texte est récupéré ; un média peut être transcrit et une image analysée.

  2. Découper en passages

    Des portions de texte conservent leur référence au document d’origine.

  3. Créer l’index vectoriel

    Un modèle d’embedding traduit le sens des passages en représentations numériques.

À chaque question

  1. Rechercher les passages proches

    La question est comparée aux éléments de l’index pour sélectionner un contexte.

  2. Rédiger à partir des extraits

    Le LLM reçoit la question et les passages retenus pour construire sa réponse.

Ce qui persiste

Les sources et leur index. Une synthèse ne devient pas automatiquement une nouvelle connaissance durable.

02 · Organiser

LLM Wiki

Des fiches pour relier les connaissances.

À l’import

  1. Lire la nouvelle source

    Le LLM repère les sujets, personnes, projets et informations à retenir.

  2. Créer ou enrichir les fiches

    Il prépare des résumés et complète les pages déjà consacrées à ces sujets.

  3. Relier et confronter

    Les fiches renvoient aux sources et entre elles ; les désaccords peuvent être signalés.

À chaque question

  1. Consulter les fiches pertinentes

    La recherche s’appuie sur une organisation du savoir déjà préparée.

  2. Synthétiser et vérifier

    Le modèle combine les fiches utiles et peut revenir aux documents d’origine.

Ce qui persiste

Les sources, les fiches et leurs relations. Les mises à jour demandent un suivi de leur qualité et de leur actualité.

Un exemple concret

Le RAG vectoriel sur trois documents,
deux questions différentes.

Exemple fictif : votre base contient les documents du projet Atlas. Les valeurs ci-dessous servent uniquement à illustrer les parcours.

Document 01

Contrat initial

Livraison prévue : 30 juin.

Document 02

Compte rendu du 12 juin

Un retard de validation est signalé.

Document 03

Avenant signé

Nouvelle échéance : 15 juillet.

Recherche d’un fait

« Quelle date figure dans l’avenant ? »

  1. Le RAG retrouve le passage

    La demande vise une information dans un document identifié.

  2. Réponse attendue : le 15 juillet

    Le passage de l’avenant sert de preuve ; le contrat initial n’est pas la référence de cette question.

Compréhension transversale

« Comment le calendrier a-t-il évolué ? »

  1. Le wiki rassemble l’historique

    La fiche Atlas peut relier le contrat, le compte rendu et l’avenant.

  2. Une chronologie à vérifier

    30 juin prévu → retard signalé → 15 juillet signé. Les trois sources permettent de contrôler cette lecture.

Pourquoi combiner ? La fiche donne la vue d’ensemble ; le passage original permet de confirmer la date exacte et les conditions qui l’accompagnent.

Dans Narratheque

RAG vectoriel et wiki :
deux chemins sur un même corpus.

L’architecture présentée par Narratheque combine recherche dans les sources et connaissances structurées. Le schéma décrit le rôle de chaque brique, sans figer les détails d’une configuration technique.

Vos sources

Documents · Pages web · Audio · Vidéo · Images

Préparation des contenus

Extraction du texte, transcription ou OCR selon le format

Recherche

L’index du RAG vectoriel

Passages et références aux sources

Structuration

Wiki de connaissances

Fiches, synthèses et relations

Votre question guide la recherche

Un détail précis, une synthèse, une comparaison : mobiliser les extraits, les fiches ou les deux.

Une réponse à confronter aux références

Le modèle choisi prépare la réponse avec les éléments sélectionnés.

À chaque nouvel import, l’index et les fiches concernés doivent être actualisés. Une analyse utile peut ensuite être conservée, après vérification.
Comparer les approches

RAG vectoriel et wiki :
des forces différentes, des limites à connaître.

Comparaison des mécanismes de base ; les implémentations peuvent les enrichir.
CritèreRAG vectorielLLM Wiki
Éléments conservésSources, passages et vecteurs.Sources et pages structurées reliées.
Travail avant la questionExtraction, découpage, indexation.Lecture, synthèse, rapprochements et rédaction.
Travail à la questionRecherche d’extraits puis génération.Recherche de fiches puis génération, avec retour aux sources si nécessaire.
Recherche cibléeAdapté à la recherche d’un passage dans un grand corpus.Utile pour retrouver le contexte déjà regroupé autour d’un sujet.
Vue transversaleÀ reconstruire à partir des passages retrouvés.En partie préparée dans les fiches et leurs relations.
Mises à jourRéindexer les passages ajoutés ou modifiés.Revoir les fiches affectées, leurs liens et leurs synthèses.
Coût à surveillerIndexation, recherche et contexte transmis au LLM.Rédaction et entretien du wiki, puis consultation.
Limite principaleUn extrait manquant ou isolé peut produire une réponse incomplète.Une synthèse erronée ou périmée peut influencer plusieurs réponses.
Quel chemin pour quel besoin ?

RAG vectoriel : partez de la question.

Retrouver une information

Un passage de formation, une condition contractuelle ou une valeur technique : commencez par les sources et leurs extraits.

Comprendre un sujet

L’historique d’un projet, les décisions autour d’un produit ou des positions à comparer : les fiches peuvent fournir une première vue structurée.

Vérifier une synthèse

Reliez la vue d’ensemble aux passages originaux. Contrôlez les dates, les versions et les éventuelles divergences.

Le cadre compte aussi

La recherche n’est qu’une partie
de votre environnement IA.

Choix des modèles

Les modèles servent à analyser et à rédiger. Leurs capacités, leurs coûts et leur lieu de traitement comptent dans la configuration.

Découvrir

Préparation des sources

Une transcription ou un OCR de qualité facilite la recherche et réduit les erreurs reprises dans les fiches.

Découvrir

Accès et protection

Les droits sur les sources et leurs dérivés doivent rester cohérents. Le RAG ou le wiki ne remplace pas la gestion des autorisations.

Découvrir
Questions fréquentes

Ce que vous voulez savoir sur le RAG vectoriel.

Le RAG empêche-t-il les hallucinations ?

Il apporte des références à la réponse, mais ne garantit pas son exactitude. La sélection des passages, les consignes et la qualité des sources restent déterminantes. Vérifiez les informations importantes dans les documents cités.

Le wiki remplace-t-il mes documents ?

Non. Les fiches constituent une couche de lecture et de synthèse. Les originaux permettent de vérifier une formulation, une date ou une interprétation.

Le wiki apprend-il automatiquement de chaque conversation ?

Une conversation et une connaissance validée sont deux choses différentes. Pour conserver une analyse dans le wiki, il faut un mécanisme explicite de réintégration et de contrôle ; toute réponse ne doit pas devenir une référence.

Comment gérer des sources contradictoires ?

Conservez leurs dates et leurs références. Le système peut aider à repérer les divergences, mais il faut décider quelle version fait autorité. Signaler une contradiction ne revient pas à la résoudre.

Pour approfondir

Les idées derrière les mécanismes.

RAG — Lewis et al., 2020LLM Wiki — proposition d’Andrej Karpathy

Le LLM Wiki est un principe d’organisation du savoir, pas un standard imposant une implémentation unique.

Voyons ce que vos sources
peuvent vous apprendre.

Un corpus concret et quelques questions suffisent pour cadrer une démonstration.

Prendre RDV

RDV démo

Ouvrir l’agenda dans un nouvel onglet ↗
Besoin d'aide ?