RAG agentique · Magic Pulpo
Des réponses tirées de vos données, pas de la mémoire du modèle.
Des systèmes RAG agentiques qui interrogent votre base par des outils typés, récupèrent dans un corpus qui vous appartient et sont mesurés sur un jeu de questions avant que quiconque ne les déploie à l’échelle. Nous en construisons un pour Dosemojo, notre propre produit, selon le même standard.
Notre point de vue
Les démos impressionnent. La production doit tenir.
- Sait quelles questions il doit refuser
- Note la récupération et les réponses séparément
- A un responsable nommé quand il dérive
Le standard
Comment un système RAG gagne la confiance.
01
Les outils d’abord, la récupération ensuite
Les questions structurées vont à votre base de données par des outils typés, pas à une recherche par similarité : « moulins à moins de 200 euros », c’est du SQL, pas une distance cosinus. La récupération ne tourne que sur les tours qui en ont besoin, ce qui est moins cher et plus précis que de bourrer chaque prompt de contexte.
02
Récupération hybride, puis un reclasseur
Recherche par mots-clés et recherche vectorielle fusionnées en un seul classement, parce que les termes exacts comptent autant que le sens. Un seul modèle d’embedding pour les documents, les requêtes et les traitements, un index dimensionné pour le corpus, des questions de suite reformulées avant d’être vectorisées, et un reclasseur une fois le corpus assez grand pour en avoir besoin.
03
Évalué avant de monter en charge
Un jeu de questions de référence avec les sources censées y répondre, exécutable en script. La qualité de récupération et la qualité de réponse sont notées séparément, pour savoir quelle moitié défaille. Aucun travail sur le corpus n’est financé tant que ces chiffres ne bougent pas.
La mission
Comment ça se passe
Une mission structurée, du premier appel aux résultats mesurables.
- 01
Cas d’usage et garde-fous
Quelles questions le système traite, lesquelles il doit refuser, et où une personne approuve avant que quoi que ce soit ne sorte. Écrit avant tout code, parce que cela décide de l’architecture.
- 02
Corpus et permissions
Ce que vous possédez ou licenciez, comment c’est découpé, et qui peut voir quelle partie. Les règles d’accès sont appliquées dans la récupération, pas demandées dans le prompt. Nous n’ingérons pas de sources aspirées ou piratées : c’est un dossier de droits d’auteur en attente, et le modèle connaît déjà le contenu public.
- 03
Construction de la récupération
Un seul modèle d’embedding, figé, partout. Recherche par mots-clés et vectorielle fusionnées, un index construit pour la taille du corpus, une reformulation des requêtes tenant compte de la conversation, et un reclassement par-dessus. Les niveaux et les permissions sont des filtres, pas des multiplicateurs de score.
- 04
Banc d’évaluation
Trente à cinquante questions de référence avec leurs sources attendues, exécutées en script dans l’intégration continue. Il attrape les pannes silencieuses : un modèle d’embedding changé, un traitement d’ingestion cassé, un index jamais construit.
- 05
Durcissement pour la production
Points d’accès authentifiés et limites de débit par utilisateur, cache de prompts, traitements d’ingestion et de vectorisation planifiés, tableaux de bord de coût et de latence, et un repli déterministe pour chaque agent qui peut dépasser son délai.
Ce que vous obtenez
Chaque mission est cadrée et chiffrée à l'avance. Pas de surprise sur la facture.
- 01Définitions d’outils d’agent avec entrées et sorties typées, dans votre dépôt
- 02Récupération hybride : recherche par mots-clés et vectorielle fusionnées, avec reclassement
- 03Un modèle d’embedding figé, et le chemin de migration pour quand il change
- 04Index vectoriel et migrations de schéma, versionnés avec l’application
- 05Jeu de questions de référence et le script qui l’exécute en intégration continue
- 06Politique de garde-fous : ce qui est refusé, ce qui escalade, qui approuve
- 07Tableaux de bord de coût, de latence et de qualité des réponses
- 08Traitements d’ingestion et de vectorisation planifiés, sans étape manuelle
- 09Manuel d’exploitation et session de transmission avec vos ingénieurs
Ce que ça coûte
Indicatif : la fourchette finale se fixe pendant l'appel. Honoraires seulement ; les dépenses média ne sont jamais majorées. Montants en EUR.
Nous l'utilisons nous-mêmes
Nous en construisons un pour Dosemojo.
Dosemojo est notre propre produit autour du café. Son assistant répond à partir d’un catalogue soigné et du matériel, de la réserve et de l’historique d’infusion de chaque utilisateur : les questions structurées vont au SQL par des outils, le reste à une récupération hybride sur un corpus que nous possédons ou licencions, avec des agents spécialisés qui reviennent à des valeurs déterministes quand ils traînent. Le jeu d’évaluation vient avant le travail sur le corpus, pour la même raison que nous vous dirions d’en construire un.
Voir la ventureLa preuve
