Chatbot sur mesure : ce que le RAG change

Un chatbot sur mesure ne se juge pas à son interface, mais à ce qu’il a le droit de lire. Des projets peuvent se ressembler à l’écran et se comporter à l’opposé : l’un récite des réponses rédigées d’avance, l’autre cherche le passage utile dans vos documents avant de répondre. Cette différence porte un nom, le RAG (retrieval-augmented generation), et elle décide de la qualité des réponses comme du travail de préparation. Ce type d’assistant relève du développement d’applications web sur mesure aux Antilles.

Nous expliquons ici ce que la recherche documentaire change vraiment, quand elle ne sert à rien, et ce qui fait échouer ces projets. L’assistant qui répondrait à nos propres visiteurs reste un chantier interne. Nous le décrivons donc comme un travail en cours, avec ses exigences et ses limites.

Un chatbot qui récite ses réponses, et ses angles morts

La formule la plus répandue sur les sites d’entreprise reste la plus simple : une liste de questions préparées, une réponse rédigée pour chacune, et un visiteur qui choisit dans un menu. Ce chatbot ne cherche rien, il reconnaît une intention et sert le texte prévu. Sur son périmètre, la mécanique est fiable et rapide à produire.

Le problème vient du périmètre, pas de la mécanique. Dès qu’une question sort de la liste, l’outil renvoie vers un formulaire ou répond à côté. Or les questions qui font venir un client portent sur un détail précis de votre offre, rarement sur celui que l’on avait anticipé.

Quand cette version simple suffit

Elle suffit quand les demandes entrantes tiennent en quelques sujets stables. Un commerce qui reçoit surtout des questions d’horaires, d’adresse et de prise de rendez-vous n’a rien à gagner à financer une recherche documentaire. Nous le disons volontiers : dans ce cas, la version simple est la bonne réponse.

Les questions qui font sortir le script

Ces questions partagent un point commun : la réponse est écrite dans vos documents, pas dans une phrase type. Une fiche technique, un règlement intérieur ou un catalogue changent ce que l’entreprise doit répondre. Tant que le chatbot n’a accès qu’à un menu, il ne peut pas trancher entre des versions concurrentes.

Ce qu’un chatbot sur mesure va chercher dans vos documents

Un chatbot sur mesure, au sens où nous le construisons, sépare le modèle de langage, qui met la réponse en forme, de vos documents, qui la fondent. Avant de répondre, il cherche les passages les plus proches de la question et les ajoute au contexte du modèle. C’est le principe posé par l’article fondateur du RAG (Lewis et al., 2020) : un index documentaire interrogeable et corrigeable, ajouté au modèle.

Votre connaissance devient donc un ensemble de fichiers que l’on met à jour sans réentraîner le modèle. Les auteurs du papier motivent leur approche par l’accès à une connaissance précise et par la provenance des réponses. Des limites que la mémoire seule du modèle ne couvre pas.

Retrouver le bon passage avant de formuler la réponse

Tout se joue sur une étape invisible, la recherche. Le système doit retrouver les passages utiles dans un corpus volumineux, et cette étape se dégrade quand les documents sont découpés sans leur contexte. Une piste documentée est visible dans l’étude d’Anthropic sur le contextual retrieval : en enrichissant chaque segment de son contexte, cet éditeur a mesuré une réduction du taux d’échec de récupération de 35 % (5,7 % → 3,7 %), portée à 49 % (5,7 % → 2,9 %) avec la recherche lexicale, et jusqu’à 67 % avec un ré-ordonnancement.

Ces pourcentages sont les mesures d’un éditeur sur ses propres données : ils portent sur la récupération des bons passages, jamais sur la justesse des réponses. La même étude rappelle qu’en dessous de 200 000 tokens, soit environ 500 pages, la base entière peut être donnée au modèle sans mécanisme de recherche. Pour une documentation qui tient dans un dossier, cette solution plus simple suffit souvent.

Les documents que vous devez pouvoir fournir

Un assistant qui cherche dans vos documents ne vaut que ce que valent les documents. Les mêmes exigences reviennent partout : des fichiers à jour, un format exploitable, et une personne capable de dire lequel fait foi. Un catalogue imprimé il y a longtemps ou des versions contradictoires d’une même fiche produisent un assistant qui se contredit.

Les PDF scannés et les tableurs mal structurés demandent une reprise, souvent l’essentiel de l’effort. Nous demandons aussi les droits, car un assistant qui répondrait à tout le monde sur un dossier de ressources humaines est un défaut de conception. Ces points se règlent au cadrage, avant la première ligne de code.

Confidentialité, hébergement et transparence

Un assistant conversationnel traite presque toujours des données personnelles, ne serait-ce que parce qu’il conserve une trace des échanges, même sans compte utilisateur. Sur ce terrain, les conseils de la CNIL sur les chatbots restent le point de départ le plus sûr : durée de conservation liée à la finalité, information des personnes concernées, garanties si une décision automatisée devait en découler. Publiée en 2021, elle précède l’IA générative grand public, mais ses principes tiennent.

Le règlement sur l’IA, adopté le 13 juin 2024 et applicable depuis le 2 août 2026, va dans le sens de cette transparence. Sa portée est simple : le règlement européen sur l’IA oblige les fournisseurs à informer les personnes qu’elles dialoguent avec un système d’IA. Cette obligation ne demande pas de citer chaque document utilisé, et il serait malhonnête de la présenter comme une garantie d’exactitude.

Reste la question que nos clients posent en premier : où vont les documents, et où passent les questions. Le corpus peut rester dans votre infrastructure, transiter par un service hébergé en Europe ou ne jamais quitter votre réseau. Nous appliquons la même exigence à nos propres pages. Nos règles sont publiques dans notre politique d’usage des contenus par l’IA.

Où l’assistant répond, et sur quels canaux

Nous partons toujours de l’endroit où les clients écrivent déjà. Votre assistant répond sur les canaux qui vendent déjà, WhatsApp compris, mais aussi dans l’espace client d’une boutique ou dans un outil interne réservé à vos équipes. Le support choisi change la forme des réponses : WhatsApp demande des textes courts et un passage rapide à un humain. Un chatbot entreprise destiné aux équipes n’obéit pas aux mêmes contraintes qu’un assistant public, puisqu’il travaille sur des documents sensibles et doit respecter les droits de chacun. Une création de chatbot se cadre donc avant de s’écrire : le périmètre et les accès se décident avec vous, pas après la mise en service.

Ce qui fait échouer un projet de chatbot

Les échecs que nous observons viennent rarement du modèle, et presque toujours du cadrage. Le premier cas est le projet sans question identifiée : on veut un assistant sans savoir à quelle demande il doit répondre ni qui le lira. Le deuxième est le corpus fantôme, cette documentation que personne ne sait retrouver.

Le troisième est l’attente de garantie, car aucune méthode ne garantit des réponses exactes en toutes circonstances. Ce que la recherche documentaire apporte, c’est une réponse fondée sur un document identifié, que l’on peut corriger à la source. Le quatrième est l’absence de responsable interne : sans quelqu’un pour valider les documents et arbitrer les cas ambigus, l’assistant se fige sur des versions périmées.

Ce qui continue après la mise en ligne

Un assistant documentaire est un objet vivant. Chaque nouveau document, chaque correction de procédure, chaque changement de gamme demande une mise à jour de l’index, faute de quoi les réponses se dégradent sans bruit. Nous prévoyons ce suivi dès le départ : notre forfait de maintenance et de supervision couvre ce suivi, sauvegardes et surveillance comprises. Les questions restées sans réponse disent aussi ce qui manque au corpus, et nous les traitons comme une liste de travail.

La bonne réponse n’est pas toujours un assistant

Parfois, aucun chatbot n’est la bonne réponse, et nous le disons en réunion de cadrage. Une équipe qui perd du temps à chercher une information dispersée a d’abord besoin d’un espace documentaire rangé, pas d’un dialogue. Un commerce qui reçoit peu de questions n’a rien à automatiser. Et quand le besoin consiste à produire un devis, planifier des interventions ou suivre des dossiers, la bonne réponse reste un outil métier développé sur mesure.

La décision se prend sur des faits vérifiables : des questions réelles et répétées, des documents exploitables, un responsable identifié pour les tenir à jour. Ces critères se vérifient en une réunion, sans engagement de votre part. Un chatbot sur mesure n’est donc pas un objet à la mode, mais un choix qui se justifie par vos questions et par la qualité de vos documents.