Connecter un modèle à vos documents — souvent via une approche RAG — peut améliorer la pertinence des réponses. Mais un assistant n’est fiable que si les sources, les accès et la validation sont conçus comme un produit interne.
Réduisez le corpus avant de l’indexer
Supprimez les doublons, versions obsolètes et documents sans propriétaire. Ajoutez une date, un statut, un périmètre et une personne responsable. Un petit corpus propre produit souvent de meilleurs résultats qu’un disque partagé aspiré en bloc.
Exigez des réponses traçables
Chaque réponse importante doit pointer vers le document et le passage utilisés. Lorsque la source manque ou se contredit, l’assistant doit le dire. Le message “je ne sais pas” est une fonctionnalité de qualité.
- Citation du document et de sa version
- Lien vers la source originale
- Date de dernière mise à jour
- Signalement clair d’une confiance insuffisante
Reproduisez les droits d’accès
L’index ne doit pas rendre visible un document qu’un utilisateur ne pouvait pas consulter auparavant. Testez les rôles, les départs de collaborateurs et les documents contenant des données personnelles ou stratégiques.
Évaluez avec de vraies questions
Constituez un jeu de questions fréquentes, ambiguës et impossibles. Vérifiez la fidélité aux sources, la qualité des citations et le comportement en absence de réponse. Répétez ces tests à chaque changement de corpus ou de modèle.
La formulation des questions influence directement la qualité de l’évaluation : une demande imprécise produit un mauvais résultat même avec un corpus parfait.
À faire maintenant
- 1Choisir un corpus limité
- 2Nommer un propriétaire par source
- 3Ajouter citations et refus de répondre
- 4Tester les accès avec plusieurs profils