★
Menu
Accueil Comment c'est construit Watchlist La pile
Matériel PucesComparer les puces Serveurs & systèmesRéseau MémoireFonderies & Packaging Refroidissement
Infrastructures Data centersAlimentation ProjetsCloud et calcul GPU
Intelligence Modèles IALogiciels Produits IABenchmarks Articles de rechercheJeux de données Concepts
Écosystème EntreprisesActions PersonnesChronologie TendancesAvenir de l'IA
Formation Actualités Interroger les données Agents IA
À propos À propos de nous Méthodologie Données & API Avertissement
Options
DONNÉES & API

Accès JSON gratuit en lecture seule aux données en cache du site.

Mode sombre

Vue guidée
Nouveau dans l'univers des puces, des data centers et du jargon des modèles ? Nous expliquons les termes clés au fil de votre navigation, en langage clair. Les mêmes données, avec l'aide intégrée.

Vue expert
Vous connaissez déjà le sujet. Juste les données : claires, rapides et concises, sans explications superflues. Il s'agit de la vue par défaut.

Langue de l'interface
‹ Retour
Accueil › Concepts › Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG)

Concept Entraînement et inférence

Look it up, then answer — how enterprises ground models in their data.

Vous consultez une fiche concept : ce que ce terme signifie en langage clair, et les fiches qu'il relie.

RAG retrieves relevant documents (via embedding search) and feeds them into the model's context, giving current, citable, private knowledge without retraining. It is the default enterprise AI architecture and the reason vector databases and embedding models became infrastructure categories; long context windows compete with it, agents combine both.

Comment cela s'articule avec le reste de la chaîne

Related · 5 Retrieval-Augmented Generation (RAG)

Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.

Sources

RAG paper ↗

Fiche examinée au 2026-01-15 — voir Méthodologie.