Services
Une génération augmentée par la recherche fondée sur la mesure : retrieval hybride BM25 plus dense, reranking qui fait réellement bouger le recall, jeux d'évaluation notés par vos experts métier, et index tenant compte des permissions qui respectent les frontières de tenants et d'ACL. Nous dimensionnons les vector stores pour 18 mois de croissance du corpus, choisissons les embeddings sur des données et non sur des plaquettes de fournisseurs, et refusons de livrer un RAG qui n'a pas survécu à une évaluation de régression. Audits à partir de 8 500 EUR, pilotes opérationnels jusqu'à 10 000 documents à partir de 35 000 EUR, forfaits de production à partir de 14 000 EUR par mois.
La plupart des systèmes RAG d'entreprise échouent au même goulot d'étranglement : le retrieval. Le LLM va bien. Le prompt va bien. Mais le recall@5 stagne à 40 %, l'utilisateur ne voit jamais le bon chunk et la réponse est plausiblement fausse. Nous commençons par le profilage du corpus et un jeu d'évaluation de 200 à 500 questions noté par vos experts — pas par intuition. Nous évaluons les embeddings, les tailles de chunks et les stratégies de retrieval comme des paramètres, pas comme des opinions. Le retrieval hybride avec reranking est la valeur par défaut, car le dense seul rate les requêtes sur les références produit et les numéros de clauses. Le filtrage tenant compte des permissions est appliqué au moment de la requête, car un RAG mal configuré est la cause la plus fréquente d'exposition accidentelle de données. À la semaine 8, vous disposez d'un RAG que vous pouvez défendre devant une revue de sécurité.
Connecteurs pour SharePoint, Confluence, Google Drive, S3, Slack, Notion et extractions de bases de données. Splitters récursifs ajustés à la distribution de vos documents — prose juridique, documents techniques avec du code, transcriptions — avec un chevauchement calibré sur votre jeu d'évaluation.
Benchmark d'OpenAI, Cohere multilingual et BAAI bge sur votre jeu d'évaluation. Nous choisissons sur le recall@k mesuré et le coût par million de tokens à la taille de votre corpus, pas sur le classement de modèles du trimestre dernier.
pgvector sous quelques millions de vecteurs quand la simplicité ops l'emporte, Qdrant ou Weaviate pour l'auto-hébergement à grande échelle, Pinecone pour le managé, OpenSearch lorsque l'hybride est déjà l'ossature de votre recherche. Dimensionné pour 18 mois de croissance.
Reciprocal rank fusion du BM25 et du retrieval dense pour que les requêtes à correspondance exacte (références produit, numéros de clauses, identifiants de tickets) et les requêtes en paraphrase fonctionnent toutes. Ajusté sur votre jeu d'évaluation, pas sur un mélange par défaut.
Reranking par cross-encoder avec Cohere Rerank 3 ou bge-reranker-v2-m3, augmentant le recall@5 de 15 à 30 % par rapport au dense seul. Grilles de fidélité et de pertinence des réponses exécutées en CI à chaque changement de prompt ou d'index.
Métadonnées d'ACL attachées à l'ingestion, appliquées au moment de la requête. Isolation d'index par tenant pour les corpus très sensibles. Audité explicitement, car un RAG mal configuré est de loin la source la plus fréquente d'exposition accidentelle de données.
Semaines 1–2 : profil du corpus, évaluation de l'état actuel, jeu d'évaluation de 200 à 500 questions construit avec vos experts métier, recommandation d'architecture écrite avec ADR.
Semaines 3–4 : connecteurs, stratégie de découpage, benchmark d'embeddings, vector store mis en place, métadonnées d'ACL mappées, index initial construit et rempli.
Semaines 5–7 : retrieval hybride ajusté, reranking intégré, prompt de génération versionné dans git, harnais d'évaluation exécuté en CI, déploiement customer-zero derrière un flag.
Semaine 8+ : observabilité active (Phoenix, TruLens, LangSmith), audit des permissions validé, runbook rédigé, votre équipe formée à ajouter des corpus et à enrichir le jeu d'évaluation.
Deux semaines. Profil du corpus, conception du jeu d'évaluation, évaluation de l'état actuel si vous avez déjà un RAG, recommandation d'architecture avec ADR. Idéal quand vous ne savez pas encore si c'est votre RAG ou votre prompt qui pose problème. 8 500 EUR forfait.
6 à 8 semaines pour jusqu'à 10 000 documents. Pipeline d'ingestion, vector store, retrieval hybride, reranking, harnais d'évaluation en CI, application des ACL, déploiement customer-zero. 35 000 EUR forfait.
Mensuel. Extension du corpus, montées de version des embeddings, enrichissement des évaluations, ajustement du retrieval, astreinte pour les incidents propres au RAG. Idéal après la mise en production du pilote, quand le corpus continue de croître. À partir de 14 000 EUR/mois.
Toutes les missions débutent par un NDA mutuel, une cession de PI et un DPA. Durée minimale de trois mois sur le forfait de production, puis renouvellement mensuel avec préavis de 30 jours.
Applications de signature électronique natives iOS et Android avec un CRM Symfony + React pour un cabinet juridique transfrontalier — onboarding KYC et piste probante défendable pour les dossiers aux États-Unis et en Europe.
E-commerce B2B et configurateur de produits pour un fabricant mondial de polymères, avec tarification multi-régions, gestion des stocks et flux concessionnaires.
Plateforme sociale en production — App Store + Google Play, en ligne aux États-Unis et en Europe — avec Radar géolocalisé, messagerie chiffrée et économie virtuelle.
Conforme au RGPD · prêt pour ISO 27001 · SOC 2 Type II en cours · compatible HIPAA · CCPA pris en compte
Chaque taille de chunk, chaque embedding, chaque mélange de retrieval est choisi sur le recall@k mesuré sur votre jeu d'évaluation. Aucune bonne pratique importée d'un article de blog. Nous pouvons vous montrer les chiffres derrière chaque choix.
L'application des ACL au moment de la requête est intégrée dès la première semaine, pas rajoutée lors de la revue de sécurité. Nous l'auditons explicitement, car un RAG mal configuré est de loin l'incident de sécurité GenAI le plus fréquent.
Nos référents RAG ont exploité des pipelines de pertinence de recherche et d'embeddings avant que les LLM ne soient la réponse. Ils débattent du recall@5 et de la latence du reranker, pas du dernier article paru la semaine dernière.
Nous traitons le RAG comme un système de recherche avec une étape de génération par-dessus — et non l'inverse. C'est dans le retrieval que réside la valeur et que se cachent les bugs.
Un moteur de décision de crédit qui approuve dix fois plus vite n'arrive pas par hasard. YuSMP a construit le pipeline de scoring, l'intégration aux bureaux de crédit et un back-office que nos analystes prennent réellement plaisir à utiliser. Le délai d'approbation est passé de deux jours à moins de quatre heures.
Nous publions des dizaines d'articles sportifs par jour. YuSMP a construit un pipeline éditorial utilisant un bot Telegram comme CMS — les rédacteurs publient une seule fois et le contenu apparaît instantanément sur le web, iOS et Android. L'architecture ne demande aucune maintenance quotidienne.
Le découpage est empirique, pas théorique. Nous profilons d'abord votre corpus : longueur médiane des documents, distribution des paragraphes, structure des sections, densité des tableaux, présence de blocs de code. Pour la prose dense (juridique, politiques internes), nous démarrons généralement à 400-600 tokens avec 15 % de chevauchement ; pour les documents techniques avec du code, nous passons à des splitters récursifs qui respectent les limites des blocs de code et des titres ; pour les transcriptions, nous découpons aux tours de parole avec un plafond de tokens. Ensuite, nous menons une évaluation de retrieval sur trois tailles de chunks et retenons celle qui maximise le recall@10 sur le jeu d'évaluation réel. Aucune règle empirique ne bat la mesure sur vos propres données.
Embeddings : nous comparons OpenAI text-embedding-3-large, Cohere embed-multilingual-v3 et BAAI bge-large sur votre jeu d'évaluation ; le gagnant dépend du mélange linguistique et du domaine. Vector store : pgvector si vous avez déjà Postgres et que le corpus reste sous quelques millions de vecteurs (la simplicité opérationnelle l'emporte) ; Qdrant ou Weaviate pour l'auto-hébergement à grande échelle avec filtrage par métadonnées ; Pinecone quand le budget ops est serré et que vous voulez du managé ; OpenSearch lorsque l'hybride BM25 plus dense est déjà l'ossature de votre recherche. Nous dimensionnons l'index pour 18 mois de croissance du corpus, pas pour l'instantané d'aujourd'hui.
Presque toujours. Le retrieval purement dense rate les requêtes à correspondance exacte (références produit, numéros de clauses contractuelles, identifiants de tickets) ; le BM25 pur rate les paraphrases. Nous combinons BM25 et dense par reciprocal rank fusion, puis re-classons le top 50 avec un cross-encoder (Cohere Rerank 3 ou bge-reranker-v2-m3) jusqu'au top 5 à 10 qui entre dans le prompt. Le reranking augmente généralement le recall@5 de 15 à 30 % par rapport au dense seul sur les corpus d'entreprise — nous le mesurons sur votre jeu d'évaluation avant de le recommander en production.
Trois couches d'évaluation. Retrieval : recall@k, MRR et un juge notant la pertinence sur un jeu d'évaluation de 200 à 500 questions construit avec vos experts métier. Génération : fidélité (Ragas) plus une grille de pertinence des réponses pour détecter les hallucinations et la dérive thématique. Bout-en-bout : un échantillon de 50 à 100 requêtes proches de la production, noté par des humains chaque semaine pendant le pilote. Les trois s'exécutent en CI à chaque changement de prompt ou d'index. Toute régression de tier 1 bloque le merge. L'observabilité en production via Phoenix, TruLens ou LangSmith journalise chaque retrieval et chaque génération pour analyse hors ligne.
Oui, et c'est de loin l'exigence la plus fréquente que nous rencontrons. Le retrieval tenant compte des permissions applique les ACL au moment de la requête, pas au moment de l'indexation. Nous attachons des métadonnées d'accès (identifiants d'utilisateurs, de groupes, de tenants, étiquettes de sensibilité) à chaque chunk lors de l'ingestion, puis filtrons la recherche vectorielle selon les permissions effectives de l'utilisateur qui interroge, avant le reranking. Pour les corpus très sensibles, nous ajoutons une isolation d'index par tenant. Les connecteurs SharePoint, Confluence, Google Drive et Slack le prennent tous en charge quand ils sont configurés correctement — un RAG mal configuré est une source fréquente d'exposition accidentelle de données, c'est pourquoi nous l'auditons explicitement.
Trois formules. L'audit RAG est à 8 500 EUR sur deux semaines : profil du corpus, évaluation de l'état actuel si vous avez déjà un RAG, recommandation d'architecture et conception d'un jeu d'évaluation. Le pilote RAG est à 35 000 EUR sur 6 à 8 semaines pour jusqu'à 10 000 documents : pipeline d'ingestion, vector store, retrieval hybride, reranking, harnais d'évaluation et un déploiement customer-zero. Le forfait RAG en production démarre à 14 000 EUR par mois et couvre l'extension du corpus, les montées de version des embeddings, l'enrichissement des évaluations et l'astreinte. Le délai typique du lancement à un RAG de qualité production est de 8 à 12 semaines.
Guides pratiques et analyses de nos ingénieurs pour 2026.
Partagez quelques détails et un consultant senior vous répondra sous un jour ouvré.
