<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by SAFIA AIT HAMMOUD on Medium]]></title>
        <description><![CDATA[Stories by SAFIA AIT HAMMOUD on Medium]]></description>
        <link>https://medium.com/@aithammouds?source=rss-e061a94b0c1a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Go-PdK8ZIQ_T_v-uoh30cQ.png</url>
            <title>Stories by SAFIA AIT HAMMOUD on Medium</title>
            <link>https://medium.com/@aithammouds?source=rss-e061a94b0c1a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 21:59:54 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@aithammouds/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[C’est quoi un RAG ? Simple explication]]></title>
            <link>https://medium.com/@aithammouds/cest-quoi-un-rag-simple-explication-2236dd49c0f0?source=rss-e061a94b0c1a------2</link>
            <guid isPermaLink="false">https://medium.com/p/2236dd49c0f0</guid>
            <category><![CDATA[rags]]></category>
            <category><![CDATA[nlp]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[llm]]></category>
            <dc:creator><![CDATA[SAFIA AIT HAMMOUD]]></dc:creator>
            <pubDate>Tue, 14 Jul 2026 15:12:08 GMT</pubDate>
            <atom:updated>2026-07-14T15:12:08.383Z</atom:updated>
            <content:encoded><![CDATA[<blockquote><strong>Table des matières</strong></blockquote><p><em>Pourquoi le RAG ?</em></p><p><em>Définition</em></p><p><em>Architecture générale du RAG : Les 4 phases</em></p><p><em>RAG vs Fine-tuning vs Prompt Engineering</em></p><p><em>Types de RAG</em></p><p>Mise en pratique : ENSA-bot, un RAG appliqué</p><blockquote><strong>Pourquoi le RAG ?</strong></blockquote><p>La limite la plus reconnue dans un LLM (LLM = Large Language Model, ce sont des modèles entraînés sur des données massives, comme les modèles de Google (Gemini) ou d’OpenAI — à voir plus en détail dans un prochain article) c’est que leurs informations et réponses sont limitées à leurs données d’entraînement. Lorsqu’un user pose une question qui demande des données nouvelles ou récentes, ils donnent par exemple des réponses inexactes et presque fausses. La question qui se pose : comment peut-on résoudre ça ? On doit réentraîner tout le modèle ? Non, car ça va prendre beaucoup de temps et de ressources. C’est là où le RAG prend la main.</p><p>Grosso modo, le RAG est inventé pour résoudre le problème du <strong>knowledge cutoff</strong> (date limite des connaissances). Donc au lieu de réentraîner tout le LLM pour l’adapter à de nouvelles données ou à un contexte précis, on utilise un système RAG.</p><blockquote><strong><em>Définition</em></strong></blockquote><p>RAG<strong> (Retrieval-Augmented Generation)</strong> est une approche AI qui combine un retrieval system avec un LLM pour générer des réponses précises basées sur des documents externes.</p><p>Plus simplement, c’est un système qui se comporte comme un filtre entre la question de l’user et la réponse du LLM. Au lieu que le LLM réponde uniquement en se basant sur ses données et connaissances internes, le système RAG capture d’abord la question de l’user. Il crée ensuite un prompt enrichi, qui devient la nouvelle question envoyée au LLM.</p><p>Ce prompt enrichi est construit grâce à deux mécanismes clés — <strong>retrieval</strong> et <strong>augmented</strong> — qui donnent son nom au RAG.</p><p>Voici la signification de chaque terme :</p><ul><li><strong>Retrieval</strong> : récupérer les text chunks (des parties du texte, des blocs) les plus pertinents par rapport à la question de l’utilisateur, depuis notre base</li><li><strong>Augmented</strong> : les retrieved chunks sont ajoutés à la question pour construire un prompt enrichi</li><li><strong>Generation</strong> : le LLM lit cet augmented prompt et génère une réponse précise et contextuelle</li></ul><blockquote><strong>Architecture du RAG naïf : les 4 phases</strong></blockquote><p>Un système RAG « naïf » (la version la plus simple) repose sur 4 phases, réparties en deux temps : une phase offline (indexing) et trois phases online (déclenchées à chaque question posée).</p><p><strong>1 — Indexing (offline)</strong></p><p>C’est la seule phase qui se déroule <em>avant</em> toute requête utilisateur : on prépare et on stocke les données une bonne fois pour toutes. Elle comprend 4 étapes :</p><ul><li><strong>Upload</strong> : chargement des documents source (PDF, Word, HTML, etc.)</li><li><strong>Parsing &amp; preprocessing</strong> : extraction du texte brut et nettoyage</li><li><strong>Chunking</strong> : découpage des documents en petits morceaux (chunks)</li><li><strong>Embedding &amp; stockage</strong> : chaque chunk est transformé en vecteur (via un embedding model), puis stocké dans une vector database</li></ul><p><em>(On détaillera le chunking, l’embedding et les vector databases dans un prochain article.)</em></p><p>Les 3 phases suivantes, elles, se déclenchent en temps réel, à chaque question posée par l’utilisateur.</p><p><strong>2 — Retrieval</strong></p><p>But : retrouver, parmi tous les chunks stockés, ceux qui contiennent probablement la réponse. Pour cela, la question de l’utilisateur est elle-même transformée en vecteur (avec le même embedding model que pour l’indexing), puis comparée aux vecteurs de la base via une recherche par similarité — une recherche par <em>sens</em>, et non par mots-clés exacts. Les métriques les plus courantes pour mesurer cette similarité sont la cosine similarity et le dot product.</p><p><strong>3 — Augmentation</strong></p><p>Les chunks récupérés ne sont pas envoyés tels quels : on construit un prompt enrichi (« augmented prompt ») qui combine généralement trois éléments :</p><ul><li>une instruction (ex : « réponds uniquement à partir du contexte suivant »)</li><li>le contexte, c’est-à-dire les chunks récupérés</li><li>la question originale de l’utilisateur</li></ul><p><strong>4 — Generation</strong></p><p>Le LLM reçoit cet augmented prompt et génère la réponse finale — enrichie par les documents, et non plus basée uniquement sur ses connaissances internes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/515/1*yDywkTmphKf0Il-KUKbwJw.png" /></figure><blockquote><strong>RAG vs Fine-tuning vs Prompt Engineering</strong></blockquote><p>Ces trois techniques ont le même objectif : obtenir du LLM une réponse adaptée à un contexte précis. Ce qui les distingue, c’est <em>comment</em> ce contexte est transmis au modèle.</p><ul><li><strong>Prompt engineering</strong> — la méthode la plus simple et la moins coûteuse : on formule un prompt clair et détaillé qui décrit le besoin et le contexte, et on l’envoie tel quel au LLM. Celui-ci répond en s’appuyant uniquement sur les connaissances acquises pendant son entraînement.</li><li><strong>Fine-tuning</strong> — plutôt que de fournir le contexte à chaque requête, on réentraîne (partiellement) le modèle pour qu’il intègre durablement de nouvelles connaissances. Puissant, mais coûteux en temps et ressources de calcul.</li><li><strong>RAG</strong> — un compromis entre les deux : au lieu de modifier le modèle, on va chercher dynamiquement les informations pertinentes dans une base de connaissances externe, et on les injecte dans le prompt au moment de la requête. C’est souvent la solution la plus économique et la plus flexible, car elle évite de toucher aux paramètres du LLM.</li></ul><blockquote><strong>Types de RAG</strong></blockquote><p>Au-delà du Naive RAG (l’architecture de base), il existe plusieurs variantes, conçues pour répondre à des besoins spécifiques :</p><ul><li><strong>Simple RAG with memory</strong> : reprend l’architecture classique, en ajoutant une couche de mémoire qui conserve l’historique et le contexte de la conversation.</li><li><strong>Multimodal RAG</strong> : capable de traiter des données au-delà du simple texte (images, audio, tableaux, etc.).</li><li><strong>Advanced RAG</strong> : optimise chacune des 4 phases (indexing, retrieval, augmentation, génération) grâce à des techniques plus poussées.</li></ul><blockquote>Mise en pratique : ENSA-bot, un RAG appliqué</blockquote><p>Pour ancrer tout ce qu’on vient de voir dans du concret, j’ai construit <strong>ENSA-bot</strong> : un chatbot capable de répondre aux questions administratives des étudiants de l’ENSA Marrakech, en s’appuyant sur les documents officiels de l’école.</p><p>Le projet s’articule autour de deux scripts, qui séparent naturellement la phase offline de la phase online.</p><p><strong>store_index.py — Indexing</strong></p><p>C’est ici que les documents sont préparés une bonne fois pour toutes : chargement des PDF, découpage en chunks, embedding, puis création de l’index Pinecone (384 dimensions, similarité cosine) :</p><pre>extracted_data = load_pdf_file(data=&#39;data/&#39;)<br>text_chunks = text_split(filter_to_minimal_docs(extracted_data))<br>embeddings = download_hugging_face_embeddings()<br><br>pc.create_index(<br>    name=&quot;ensa-chatbot&quot;,<br>    dimension=384,<br>    metric=&quot;cosine&quot;,<br>    spec=ServerlessSpec(cloud=&quot;aws&quot;, region=&quot;us-east-1&quot;),<br>)<br><br>docsearch = PineconeVectorStore.from_documents(<br>    documents=text_chunks,<br>    index_name=&quot;ensa-chatbot&quot;,<br>    embedding=embeddings,<br>)</pre><p><strong>app.py — Retrieval + Augmentation + Generation</strong></p><p>Au moment où l’utilisateur pose une question, LangChain enchaîne automatiquement les 3 phases online grâce à create_retrieval_chain :</p><pre>retriever = docsearch.as_retriever(search_type=&quot;similarity&quot;, search_kwargs={&quot;k&quot;: 3})<br>chatModel = Ollama(model=&quot;phi3&quot;)  # LLM local<br><br>prompt = ChatPromptTemplate.from_messages([<br>    (&quot;system&quot;, system_prompt),<br>    (&quot;human&quot;, &quot;{input}&quot;),<br>])<br><br>question_answer_chain = create_stuff_documents_chain(chatModel, prompt)<br>rag_chain = create_retrieval_chain(retriever, question_answer_chain)<br><br>response = rag_chain.invoke({&quot;input&quot;: &quot;Quand commencent les inscriptions pour le semestre prochain ?&quot;})<br>print(response[&quot;answer&quot;])</pre><p>Ce qui est intéressant ici, c’est que <strong>LangChain abstrait tout le pipeline</strong> : create_retrieval_chain combine automatiquement le retriever (Pinecone) et la chaîne de génération (create_stuff_documents_chain), qui elle-même injecte les documents récupérés dans le prompt avant de l&#39;envoyer au LLM local. On n&#39;a pas besoin d&#39;écrire manuellement la logique de concaténation du contexte — LangChain s&#39;en charge.</p><p>Le choix d’un LLM local via <strong>Ollama</strong> plutôt qu’une API externe répond ici à deux besoins : d’une part, éviter les coûts d’API, puisqu’il s’agit avant tout d’un projet pédagogique pour mettre en pratique la notion de RAG ; d’autre part, garder le contrôle total sur les données traitées.</p><p>Le code complet du projet est disponible sur GitHub :<br> 👉 <a href="https://github.com/Safia-Ait-Hammoud/ENSA-bot"><strong>Safia-Ait-Hammoud/ENSA-bot</strong></a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2236dd49c0f0" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>