Formation RAG et agents IA pour automatiser le travail documentaire
Objectifs
Expliquer le fonctionnement général des LLM et identifier leurs limites (hallucinations, absence de contexte, connaissances figées).
Distinguer les différences entre recherche classique, recherche sémantique et assistant RAG, en identifiant leurs usages respectifs en contexte métier.
Formuler des requêtes pertinentes (factuelles, de synthèse, comparatives) pour interroger efficacement un corpus documentaire via un assistant RAG.
Analyser de manière critique les réponses générées par un assistant RAG en évaluant la qualité des sources, la complétude et les éventuelles incertitudes.
Evaluer la pertinence et la fiabilité d’un processus documentaire automatisé (RAG + agent) au regard des critères de qualité, de traçabilité et de confidentialité.
Concevoir un workflow documentaire agentique intégrant recherche, extraction, synthèse et contrôle qualité, adapté à un cas d’usage métier.
Pré-requis
Participants
Programme de formation
Comprendre les limites des LLM et le rôle du RAG
-
Fonctionnement général d’un assistant d’IA générative
-
Pourquoi connecter l’IA aux documents de l’entreprise
-
Principe du Retrieval-Augmented Generation
-
Différence entre recherche classique, recherche sémantique et assistant documentaire
-
Réponses sourcées, citations et traçabilité de l’information
-
Cas d’usage métier : recherche documentaire, support interne, analyse de procédures, conformité, veille et aide à la décision
Utiliser efficacement un assistant RAG documentaire
-
Notion de corpus documentaire
-
Qualité, fraîcheur et périmètre des documents
-
Importance des droits d’accès et de la confidentialité
-
Formulation de questions efficaces
-
Questions factuelles, questions de synthèse et questions comparatives
-
Lecture critique des réponses et des sources retournées
-
Identification des informations manquantes ou incertaines
-
Bonnes pratiques pour réduire les erreurs d’interprétation
Comprendre les systèmes agentiques côté utilisateur
-
Différence entre chatbot, assistant documentaire et agent IA
-
Objectif, contexte, outils, mémoire et plan d’action
-
Principe d’un agent capable d’utiliser plusieurs outils
-
Exemples d’outils : recherche documentaire, extraction d’informations, résumé, génération de tableau, création de compte rendu, préparation d’e-mail
-
Automatisation de tâches multi-étapes
-
Niveaux d’automatisation : assistance, exécution supervisée, exécution semi-autonome
-
Rôle de la validation humaine dans les processus documentaires
-
Limites pratiques des agents : erreurs, boucles, ambiguïtés et actions non souhaitées
Concevoir un workflow agentique documentaire fiable
-
Décomposition d’un workflow documentaire en étapes
-
Recherche d’informations dans les documents
-
Extraction de données clés
-
Synthèse et reformulation
-
Comparaison de documents ou de versions
-
Production d’un livrable structuré
-
Contrôle qualité, vérification des sources et validation humaine
-
Confidentialité, traçabilité et gouvernance des usages IA
-
Critères de succès : gain de temps, exactitude, complétude, qualité des sources et adoption utilisateur