AI & RAG

IA et RAG

Avant que l'IA ne rédige sa réponse, le RAG lui fournit une base issue de vos connaissances internes.

Le RAG (génération augmentée par récupération) est un mécanisme par lequel l'IA recherche dans vos documents internes avant de répondre et reçoit ce qu'elle trouve comme base de sa réponse. Dans Kanata, les connaissances internes issues de votre travail, comme les comptes rendus de réunion et les supports de formation, sont enregistrées dans Library et gérées par dossiers et droits de consultation. L'agent IA répond et réalise des tâches en s'appuyant sur les documents de Library.

Vidéo : IA et RAG

Présentation du fonctionnement du RAG, des raisons d'échec des projets de RAG interne et de la construction d'un RAG dans Kanata.

Les entreprises et personnes présentées sont fictives.

Roles

Le lien entre IA et RAG

L'IA générative répond avec des connaissances générales arrêtées à la date de son entraînement. Elle ne connaît ni vos règles internes ni les décisions de la réunion de la semaine dernière. Le RAG (génération augmentée par récupération) est un mécanisme par lequel l'IA recherche dans vos documents internes avant de répondre et reçoit ce qu'elle trouve comme base de sa réponse. Voici les rôles de l'IA et du RAG, et leur traitement dans Kanata.

ÉlémentRôleDans Kanata
Modèle d'IA (IA générative)Comprend les questions et rédige réponses et textesAu choix : GPT, Claude ou Gemini
RAG (génération augmentée par récupération)Recherche dans les documents internes et fournit le résultat à l'IA comme baseConsulte les connaissances internes stockées dans Library, dans la limite des droits
Connaissances internesLes informations sur lesquelles reposent réponses et travailComptes rendus, supports de formation, règles internes et documents stockés dans Library

IA générative seule ou combinée au RAG

CritèreIA générative seuleCombinée au RAG
Base des réponsesConnaissances générales jusqu'à l'entraînementDocuments internes et connaissances générales
Informations internes récentesNon prises en comptePrises en compte dès la mise à jour des documents, sans réentraîner le modèle
Affichage des sourcesDifficilePeut afficher le nom des documents consultés
Réentraînement du modèle—Inutile

Why it fails

Trois raisons pour lesquelles un RAG interne échoue

Documents dispersés et anciennes versions mélangées

L'IA risque de répondre avec des informations obsolètes.

Droits de consultation mal conçus

Le contenu de documents que l'utilisateur n'a pas le droit de voir peut apparaître dans les réponses.

Aucun mécanisme d'amélioration

La qualité des réponses ne progresse pas et l'outil cesse d'être utilisé.

Kanata répond à ces problèmes par la gestion des versions et des sources dans Library, des droits par projet et par dossier, et un mécanisme qui accumule dans Library les comptes rendus et les documents créés par l'IA.

How it works

Comment le RAG est construit dans Kanata

Vos connaissances internes deviennent une base de données qui travaille automatiquement avec l'IA.

Les connaissances internes issues de votre travail, comme les comptes rendus et les supports de formation, s'accumulent dans Library, et vous définissez les dossiers de référence et le modèle d'IA de chaque agent. Vous examinez les résultats des réponses et des actions, puis mettez à jour ou ajoutez des documents.

01

Collecter et organiser les données

Collect & Organize

Les comptes rendus de l'Enregistrement IA, les supports d'e-Learning et les données des applications AppStudio sont enregistrés dans Library au fil du travail quotidien. Les règles et procédures internes sont créées sous forme de documents et gérées avec des droits de consultation et des versions par dossier.

Enregistrements et comptes rendus de réunionVidéos et supports de formationDocuments et PDFDroits de consultation et versions par dossier

02

Connecter applications et IA

Connect Apps & AI

Lorsque vous définissez les dossiers consultés par chaque agent IA, leur contenu devient une source candidate. L'agent IA répond en consultant les documents dans la limite des droits de consultation de l'utilisateur et, après validation du plan selon le niveau d'autonomie, utilise les applications et fonctions de Studio autorisées par ses droits d'exécution.

Dossiers consultés par l'IAUtilisation des applications et de StudioChoix entre GPT, Claude et GeminiSources limitées aux droits de consultation

03

Améliorer les données

Improve

Vérifiez les réponses et les sources à partir des questions internes fréquentes, puis mettez à jour les documents obsolètes et ajoutez ceux qui manquent. Les comptes rendus et documents créés par l'agent IA s'accumulent aussi dans Library.

Vérifier réponses et sourcesMettre à jour les documents obsolètes et ajouter les manquantsAccumuler comptes rendus et documents créés par l'IA

Les résultats d'usage deviennent la base de la réponse suivante

How to build

Construire un RAG dans Kanata

Les étapes pour créer, avec un agent IA, un assistant qui répond à partir des connaissances internes. Tout se règle à l'écran, sans conception de base de données ni programmation.

  1. Enregistrer les documents
    Créez des documents dans Library pour y inscrire vos supports. Les comptes rendus de réunion proviennent de l'Enregistrement IA, et les contenus de formation de l'e-Learning.
  2. Organiser et définir les droits
    Classez les documents dans des dossiers et définissez qui peut les consulter. Les règles internes peuvent être versionnées sous forme de documents composés d'une couverture, de catégories et de pages.
  3. Créer un agent IA
    Créez un agent IA et définissez son nom, son icône et des instructions personnalisées décrivant son rôle et sa façon de répondre.
  4. Définir le périmètre de consultation et les droits d'exécution
    Définissez les dossiers de référence, les droits d'exécution (recherche seule, jusqu'à la création de documents, jusqu'à l'utilisation d'applications), le niveau d'autonomie et le modèle utilisé.
  5. Vérifier et améliorer les réponses
    Posez dans le chat les questions internes fréquentes et vérifiez les réponses. Mettez à jour les documents obsolètes et continuez d'accumuler dans Library les comptes rendus et documents créés par l'IA.

Reference scope

Définir le périmètre de consultation

Définissez pour chaque agent IA ce sur quoi l'IA peut fonder ses réponses.

RéglageRôleOù le régler
Dossiers de référenceLes dossiers que l'agent IA consulte comme base. Tout leur contenu est candidat : inutile de sélectionner les fichiers un par unParamètres de l'agent IA
Droits de consultationSeuls les documents que l'utilisateur de la conversation peut consulter servent de baseDroits des dossiers
Recherche webLit des pages externes. À activer ou non pour chaque agentDroits d'exécution de l'agent IA
Instructions personnaliséesPrécisez comment répondre aux questions non couvertes par les documents et ce à quoi il ne doit pas répondre (sujets interdits) (jusqu'à 8 000 caractères)Paramètres de l'agent IA

Settings

Paramètres de l'agent IA

Pour chaque agent IA, décrivez son rôle et sa façon de répondre dans les instructions personnalisées, puis définissez ses dossiers de référence et ses droits d'exécution. Vous pouvez créer des agents par service, comme un « guichet administratif » ou un « support commercial », et les partager dans le projet.

RéglageCe que vous pouvez définir
Nom et icôneLe nom et l'icône de l'agent (association d'un pictogramme et d'une couleur de fond)
Instructions personnaliséesDécrivez son rôle, sa façon de répondre et les règles à suivre en un seul texte (jusqu'à 8 000 caractères). Par exemple : « Réponds en tant que guide de la formation interne », « Affiche toujours les documents sources », « Ne réponds pas aux questions sur les évaluations individuelles »
Dossiers de référenceLes dossiers consultés comme base. Seul ce que l'utilisateur demandeur peut consulter est utilisé
Droits d'exécutionRecherche seule, jusqu'à la création de documents, jusqu'à l'utilisation d'applications, ou réglages détaillés par outil
Niveau d'autonomieSuggestion seule, validation du plan puis exécution, ou exécution automatique (seuls les administrateurs du projet peuvent choisir l'exécution automatique)
ModèlesLe modèle par défaut dans le chat et les modèles disponibles

Enregistrez les consignes fréquentes comme prompts dans Library et partagez-les dans le projet.

Data

Données que vous pouvez intégrer

TypeExemplesMode d'inscription dans Library
DocumentsRègles internes, manuels, FAQCréation de documents
RéunionsEnregistrements Zoom, Google Meet et Microsoft Teams, comptes rendusCréés par l'Enregistrement IA
FormationVidéos et supports de formationCréés dans l'e-Learning
Données d'applicationsEnregistrements comme les rapports quotidiens ou le suivi des affairesSaisis dans les applications créées avec AppStudio

Les types de fichiers et les tailles maximales varient selon la fonctionnalité (par exemple, vidéos d'e-Learning jusqu'à 2 Go).

Tips

Conseils pour améliorer la précision du RAG

  1. Un thème par document
    Découper les documents longs en chapitres aide l'IA à trouver les passages utiles.
  2. Éliminer les anciennes versions
    Gérez les règles internes avec les versions de documents et identifiez clairement la plus récente.
  3. Restreindre les dossiers de référence de chaque agent
    Plus il y a de documents sans rapport, plus les réponses ont tendance à varier.
  4. Préciser la façon de répondre dans les instructions personnalisées
    Définissez pour chaque agent comment répondre aux questions non couvertes par les documents et le format des réponses.
  5. Tester avec les questions fréquentes
    Vérifiez réponses et sources avec de vraies demandes, et ajoutez les documents manquants.
  6. Choisir le modèle selon la tâche
    Utilisez un modèle léger pour les questions courantes et un modèle performant pour les analyses importantes. Le coefficient de consommation de crédits s'affiche lors du choix.

Security

Sécurité et droits

Use cases

Où le RAG est utilisé

Demandes RH et administratives

Apporte une première réponse fondée sur le règlement et les règles internes ; les questions sans base sont traitées par le personnel.

Guide des procédures informatiques

Accompagne la configuration et les demandes à partir du manuel de chaque système.

Préparation des propositions commerciales

Structure le plan et les points à vérifier d'une proposition à partir des propositions passées et des comptes rendus de rendez-vous commerciaux.

Support client

Rédige des projets de réponse à partir des FAQ et de la documentation produit, que le personnel vérifie avant envoi.

FAQ

FAQ

QQuelle est la différence entre l'IA générative et le RAG ?

L'IA générative (grands modèles de langage) est une IA qui comprend les questions et rédige réponses et textes. Le RAG est un mécanisme par lequel l'IA recherche dans les documents internes avant de répondre et reçoit ce qu'elle trouve comme base. Dans Kanata, le RAG recherche dans les connaissances internes stockées dans Library, dans la limite des droits, et le modèle d'IA choisi parmi GPT, Claude et Gemini répond sur cette base.

QQuelle est la différence entre le RAG et le fine-tuning ?

Le fine-tuning ajoute un entraînement au modèle d'IA lui-même. Le RAG laisse le modèle inchangé et recherche dans les documents internes au moment de répondre pour s'en servir de base. Comme les mises à jour de documents sont prises en compte sans réentraîner le modèle et que les noms des documents peuvent être cités comme sources, le RAG convient particulièrement à l'exploitation des connaissances internes. Kanata exploite les connaissances internes selon l'approche RAG.

QPeut-on utiliser nos comptes rendus et documents existants ?

Oui. Les supports existants peuvent être créés sous forme de documents et inscrits dans Library. Les comptes rendus créés avec l'Enregistrement IA servent directement de base à l'agent IA.

QPeut-on séparer les documents consultés par l'agent de chaque service ?

Définissez les droits par projet et par dossier, ainsi que les dossiers de référence de chaque agent IA. Par exemple, un agent RH peut ne consulter que les règles RH, et un agent commercial que les propositions et comptes rendus.

QQuels modèles d'IA sont disponibles ?

Vous avez le choix entre GPT d'OpenAI, Claude d'Anthropic et Gemini de Google. Même avec un seul agent, vous pouvez changer de modèle à chaque question depuis le champ de saisie des messages privés, parmi les modèles autorisés pour cet agent.

QEst-il sûr d'enregistrer des documents confidentiels ?

Kanata n'utilise pas vos données saisies pour entraîner des modèles d'IA. Les droits de consultation des documents et le périmètre consulté par l'IA sont cloisonnés par les droits des dossiers et les paramètres des agents. Pour en savoir plus, consultez Sécurité.

Dernière mise à jour :