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