Un chatbot qui répond sur vos documents — et cite sa source.

Des réponses ancrées dans vos propres données, la source affichée. Génération augmentée par récupération (RAG) sur la documentation et l’historique que vous détenez déjà.

Un assistant qui répond sur vos contrats, vos procédures, votre historique d’incidents ou votre catalogue produits. Chaque réponse porte le document dont elle est issue, pour que celui qui la lit puisse vérifier au lieu de croire.

Le problème des réponses sans origine

Un modèle de langage générique répond à tout avec la même assurance, qu’il sache ou non. Dans une conversation informelle c’est une gêne ; dans un contexte où quelqu’un va agir sur la base de la réponse, c’est un risque opérationnel.

La solution n’est pas un modèle plus gros. C’est de restreindre ce que le modèle peut utiliser comme source et de l’obliger à montrer d’où vient ce qu’il dit.

Comment nous construisons

• Ingestion. Documents, tableaux, e-mails ou journaux système sont découpés en unités interrogeables, l’origine conservée sur chacune.
• Récupération. La question va chercher les extraits pertinents ; eux seuls arrivent au modèle. Ce qui n’est pas dans le fonds n’entre pas dans la réponse.
• Citation obligatoire. La réponse identifie les documents utilisés. Sans source, pas de réponse.
• Permissions. La recherche respecte qui a le droit de voir quoi. Deux personnes aux profils différents reçoivent des réponses différentes à la même question — et c’est exactement ce qui doit se produire.
• Seuil de confiance. Quand la récupération ne trouve pas de base suffisante, le système dit qu’il ne sait pas plutôt que d’inventer.

Ce que vous recevez

• L’assistant intégré là où l’équipe travaille déjà — intranet, application interne, Teams ou API.
• Tableau de bord d’usage : questions les plus fréquentes, taux de réponses sans source suffisante et coût par période.
• Un processus de mise à jour du fonds, pour que la base ne vieillisse pas en silence.
• Journal complet des questions et réponses, pour l’audit et pour améliorer le système avec des données réelles.

Sur la confidentialité des données

Nous définissons dès le départ ce qui sort de votre infrastructure et ce qui n’en sort pas. Certains cas exigent un modèle hébergé en interne, d’autres se contentent d’une API commerciale avec accord de non-rétention. La décision vous revient, éclairée ; l’architecture est conçue pour que le modèle soit remplaçable sans réécrire le système.

Questions fréquentes

Nos documents vont-ils servir à entraîner le modèle ?

Non. Le fonds est consulté au moment de la question, il n’est pas utilisé en entraînement. Quand l’option retenue est une API commerciale, nous souscrivons la formule sans rétention de données.

Combien de documents faut-il ?

Cela fonctionne à partir de quelques dizaines. Ce qui compte davantage que la quantité, c’est qu’ils soient à jour et qu’on sache quelle est la version qui fait foi.

Et si l’assistant répond mal ?

Chaque réponse est traçable jusqu’à sa source, l’erreur est donc diagnosticable : soit la source était fausse, soit la récupération a ramené le mauvais extrait. Les deux se corrigent. C’est là toute la différence avec une réponse sans origine.

← Tous les services