« Est-ce qu’il peut apprendre mon site et mes PDF ? » C’est la première question posée en avant-vente, dans toutes les verticales. La réponse tient en trois lettres.
Le RAG, ou génération augmentée par la recherche, permet à un modèle de langage de répondre à partir de vos documents plutôt que de ses souvenirs d’entraînement. En France, rag ia génère 2 400 recherches par mois et rag chatbot 90, avec une difficulté nulle (DataForSEO, juillet 2026).
Le sujet intéresse, il est mal expliqué, et presque toujours raconté en langage d’ingénieur. Voici la version exploitant : quoi fournir, quelles erreurs dégradent les réponses, pourquoi les PDF coincent, et comment vérifier qu’un éditeur fait ce qu’il annonce.
Pour la mécanique générale d’un chatbot IA, voir notre guide chatbot IA : comment ça marche vraiment.
À retenir
- Le RAG ne réentraîne pas le modèle : il lui fournit les bons extraits au moment de la question
- Quatre étapes seulement : découpage, indexation, recherche, génération encadrée
- Face au fine-tuning, le RAG gagne : vos informations changent en cours de saison
- 12 sources couvrent l’essentiel des questions d’un hébergement
- 6 erreurs dégradent la qualité, la première étant les documents contradictoires
- Les PDF scannés ne s’indexent pas, mais le contournement est simple
- Une routine de 20 minutes par mois maintient la base à jour
Le problème que le RAG résout
Un modèle a été entraîné une fois, à une date donnée. Il ne connaîtra jamais l’heure de votre check-in ni le code de votre portail.
Ce qu’il possède, ce qu’il ne possédera jamais. Il a une connaissance générale du monde et une maîtrise remarquable du langage. Il n’a ni le prix de votre chambre familiale en août, ni votre politique animaux par type d’hébergement.
| Sans ancrage documentaire | Ce qui se passe | Exemple typique |
|---|---|---|
| Il répond avec la moyenne du secteur | Une réponse plausible construite sur des milliers de pages d’hôtels | Un petit-déjeuner inventé, proche du vôtre mais faux |
| Il ne sait pas ce qu’il ignore | Réponse exacte et réponse inventée sortent avec la même syntaxe soignée | Aucun signal d’alerte quand l’information manque |
| Il ne se met pas à jour | Le modèle ignore vos changements, aujourd’hui et pour toujours | Vous passez le check-in de 15h à 16h, il continue à dire 15h |
Le déplacement opéré par le RAG. Au lieu de demander au modèle ce qu’il sait, on lui demande de lire un extrait et de le reformuler. Il passe d’expert qui récite à rédacteur qui synthétise une source posée sous ses yeux.
Pourquoi c’est indispensable en 2026. L’enquête Évaneos/YouGov de mars 2026 montre que 74 % des voyageurs français ont ressenti le besoin de vérifier l’exactitude des informations générées par l’IA. Vos clients recoupent : une réponse fausse finit en avis.
Le pire terrain pour un modèle qui improvise. Selon Coach Omnium, les questions les plus fréquentes portent sur des informations factuelles — wifi, horaires, équipements — donc vérifiables en trois secondes. Ce risque est détaillé dans hallucination IA : pourquoi un chatbot invente.
Le mécanisme en quatre étapes
Tout le RAG tient dans ce tableau. Il n’y a rien de plus.
| Étape | Ce qui se passe | Ce que ça implique pour vous |
|---|---|---|
| 1. Découpage | Vos documents sont coupés en passages de quelques centaines de mots, sans casser une phrase ni séparer un titre de son contenu | Votre façon de rédiger conditionne la qualité du découpage |
| 2. Indexation | Chaque passage devient une représentation numérique qui capture son sens (vecteurs, ou embeddings) | Deux formulations différentes du même besoin retrouvent le même passage |
| 3. Recherche | La question est convertie de la même façon, puis comparée à l’index : les trois à huit passages les plus proches remontent | L’étape la plus déterminante, et la plus invisible |
| 4. Génération encadrée | Le modèle reçoit la question, les passages et des instructions strictes, puis rédige | Il reformule, il ne récite pas ; le périmètre reste fermé |
Le même parcours, sur une question réelle
| Étape | Ce qui se passe pour « acceptez-vous les chiens ? » |
|---|---|
| Découpage | Votre règlement intérieur a été coupé en sections ; celle sur les animaux forme un passage autonome |
| Indexation | Ce passage a été converti en représentation numérique, au même titre que tous les autres |
| Recherche | La question est convertie puis comparée à l’index : la section animaux remonte devant la page tarifs |
| Génération | Le modèle reformule ce passage en trois lignes, dans la langue du visiteur, avec le ton configuré |
Ce que chaque étape attend de vos textes
- Découpage : des titres clairs, un sujet par paragraphe, des informations complètes. On n’envoie pas votre livret d’accueil de 40 pages à chaque question, mais les trois paragraphes qui répondent. Un pavé de deux pages se découpe mal.
- Indexation : rien à faire de votre côté. « Avez-vous le wifi ? », « internet est compris ? » et « ist WLAN inklusive? » convergent vers le même passage.
- Recherche : les systèmes sérieux combinent recherche par le sens et recherche par mots exacts, indispensable pour un code, une référence ou un montant. Si les mauvais passages remontent, aucun modèle au monde ne produira une bonne réponse.
- Génération : l’instruction type est « réponds uniquement à partir des passages fournis ; si l’information n’y est pas, dis-le ; ne produis aucun chiffre absent ».
L’ensemble de ces représentations forme l’index, ou base de connaissances. Il est stocké, interrogeable en quelques millisecondes, et se met à jour document par document, sans jamais toucher au modèle.
Un agent Groomy exécute ces quatre étapes en moins de 3 secondes, en 27 langues, avec détection automatique dès le premier message.
Deux conséquences souvent mal comprises
Le multilingue est gratuit côté contenu. Vos documents peuvent rester en français : la recherche fonctionne par proximité de sens et la rédaction se fait dans la langue de la question. Vous maintenez une base, pas 27.
Corriger une erreur prend une minute. Vous modifiez le paragraphe fautif, l’outil réindexe, la réponse est juste au message suivant. Aucun réentraînement, aucun délai, aucun coût de calcul.
RAG contre fine-tuning : lequel choisir
Les deux termes sont présentés comme équivalents. Ils ne servent pas au même usage.
| Critère | RAG | Fine-tuning |
|---|---|---|
| Ce que ça change | Les faits fournis au modèle | La manière de répondre du modèle |
| Mise à jour d’un tarif | Modifier le document, réindexer, quelques minutes | Reconstituer un jeu d’exemples et réentraîner |
| Coût de mise en place | Faible, inclus dans un abonnement | Élevé, compétences techniques requises |
| Traçabilité de la réponse | La source est identifiable | Aucune source, le savoir est dilué dans les poids |
| Risque d’invention | Fortement réduit si le périmètre est fermé | Inchangé, voire aggravé par un ton plus assuré |
| Correction d’une erreur | Éditer un paragraphe | Nouveau cycle d’entraînement |
| Bon usage | Faits, procédures, informations changeantes | Style, format, vocabulaire métier très spécifique |
Pourquoi le fine-tuning convient mal à un hébergement
| La raison | Ce que ça donne en pratique |
|---|---|
| Vos informations changent en cours de saison | Tarifs, ouverture de la piscine, fermeture du restaurant le mardi, navette d’été, mobil-home retiré du parc : un modèle réentraîné fige cet état à une date. Le fine-tuning convient à des connaissances stables, pas à un établissement vivant |
| Le fine-tuning n’implante pas des faits de façon fiable | Il apprend surtout des régularités de forme ; il peut produire un tarif qui ressemble au vôtre sans être le vôtre |
| Vous perdez la traçabilité | Impossible de dire « cette information vient de votre règlement, section animaux », impossible de corriger chirurgicalement |
Ses cas d’usage légitimes existent. Format de sortie très strict, vocabulaire métier rare, réduction de coût sur un volume industriel. Aucun ne correspond à un hébergement de moins de 200 unités.
Le test qui tranche. Si un prestataire vous propose un modèle « entraîné sur vos données » à 5 000 €, demandez-lui ce qui se passe quand vous changez un horaire.
Deux lectures pour approfondir : LLM, GPT, RAG, fine-tuning : décrypter l’IA des chatbots tourisme détaille chaque notion, et LLM, fine-tuning, base de connaissances explique ce qui rend un chatbot vraiment intelligent.
Les 12 sources à fournir à votre agent
Ces douze sources couvrent la grande majorité des questions posées avant, pendant et après le séjour.
| # | Source | Ce qu’elle apporte |
|---|---|---|
| 1 | Le site web public | La source de départ, souvent la plus complète ; un agent Groomy se construit à partir de l’URL du site |
| 2 | La grille tarifaire | Prix par type d’hébergement et par saison, suppléments, taxe de séjour, options, avec dates de validité |
| 3 | Le règlement intérieur | Horaires de silence, animaux, fumeurs, visiteurs, piscine, barbecue, nombre d’occupants |
| 4 | Le livret d’accueil | La mine d’or sous-exploitée : électroménager, tri des déchets, chauffage, wifi, urgences |
| 5 | La FAQ existante | Déjà formulée dans les mots des clients, donc idéale pour la recherche |
| 6 | Les mails types | Vos réponses récurrentes avant et après séjour, avec des précisions écrites nulle part ailleurs |
| 7 | Les informations d’accès | Itinéraire, gare la plus proche, parking, gabarits camping-car, code du portail (avec prudence) |
| 8 | La liste des équipements | Par unité : ce qui est fourni, ce qui est en option payante, ce qui n’existe pas |
| 9 | La politique d’annulation | Mot pour mot, telle qu’elle figure dans vos conditions de vente, sans reformulation |
| 10 | Le plan du site ou de l’établissement | Numérotation des emplacements, étages, distances internes, localisation des services |
| 11 | Les informations sur les environs | Commerces, plages, marchés, activités, distances, temps de trajet, jours de fermeture |
| 12 | L’historique des conversations | Les questions réelles, y compris celles auxquelles votre documentation ne répond pas |
La douzième est la plus rentable. C’est elle qui vous dit où sont les trous, donc ce qu’il faut écrire en priorité.
La septième demande de la prudence. Un code d’accès ne se délivre pas à n’importe quel visiteur du site : il relève d’un envoi ciblé au client dont le séjour est confirmé.
| À ne jamais verser dans la base | Pourquoi |
|---|---|
| Les données personnelles de vos clients : noms, coordonnées, historiques individuels | Cadre RGPD |
| Vos documents internes : tarifs négociés avec un tour-opérateur, notes RH, marges, procédures de personnel | Bon sens commercial |
Les 6 erreurs qui dégradent les réponses
Quand un agent répond mal, la cause est rarement le modèle. C’est presque toujours l’une de ces six erreurs.
| Erreur | Le symptôme | Le correctif |
|---|---|---|
| 1. Documents contradictoires | Check-in à 15h sur le site, 16h dans le livret, « à partir de 14h » dans un vieux PDF : le modèle tranche mal ou reste flou | Un audit, pas un réglage : une seule source fait autorité par information sensible. Comptez une demi-journée |
| 2. PDF scannés non lisibles | L’extraction remonte du vide ou du charabia | Voir la section dédiée plus bas |
| 3. Informations périmées | Tarif 2024 jamais archivé, restaurant fermé depuis deux ans, promotion expirée, traités avec le même sérieux que le reste | Sortir le document de la base, plutôt qu’y ajouter une note « obsolète » |
| 4. Contenu long et non structuré | 30 pages sans titre : on ne sait plus si le tarif concerne le mobil-home 4 places ou le chalet 6 places | Un titre tous les deux ou trois paragraphes, un sujet par paragraphe, des passages autoportants |
| 5. Absence de dates | « Ouverture de la piscine le 15 mai » sans année, « nouveaux tarifs » sans période de validité | Toute information temporelle porte une année ou une période explicite |
| 6. Duplication | Le même contenu en cinq exemplaires sature la recherche et évince le passage utile | Une information, un endroit ; les autres documents y renvoient |
L’audit des contradictions est le meilleur investissement du projet. Il améliore votre site au passage, et il ne demande aucune compétence technique.
Le cas des PDF : pourquoi l’extraction échoue
Autant le dire franchement : tous les PDF ne s’indexent pas correctement.
| Type de PDF | Ce que la machine y trouve | Résultat |
|---|---|---|
| Texte natif, exporté d’un traitement de texte | Du vrai texte | Extraction fiable : le cas de la majorité des documents internes |
| Scanné ou photographié | Une image de texte, rien d’autre | Zéro texte sans reconnaissance de caractères ; un tampon en travers d’un tableau ne passe pas |
| Graphique complexe, plaquette mise en page | Du texte, mais dans un ordre de lecture illisible | Le cas le plus vicieux : un texte correct et absurde, sans aucun signal d’échec |
Le contournement en trois gestes
Testez d’abord. Ouvrez le PDF, sélectionnez un paragraphe, copiez-collez-le dans un éditeur de texte. Si rien n’arrive ou si le texte est incohérent, l’agent aura le même problème. Dix secondes, des heures économisées.
Retapez ensuite l’information utile. Pas le document entier : une plaquette de 8 pages contient rarement plus d’une page de faits exploitables.
Faites-en votre source de référence et retirez le PDF de la base. Vous gagnez trois fois : extraction fiable, mise à jour facile, contradiction supprimée.
La règle contre-intuitive. Pour une base de connaissances, un document texte volontairement moche et parfaitement structuré bat une plaquette magnifique. La beauté est pour vos clients, la structure pour la machine.
Maintenir la base : 20 minutes par mois
Une base de connaissances n’est pas un projet, c’est un entretien. Sans routine, elle se dégrade en un trimestre.
| Durée | Ce que vous regardez | Ce que vous en tirez |
|---|---|---|
| 5 minutes | Les conversations où l’agent a dit ne pas savoir | Chaque non-réponse est un trou à boucher en deux paragraphes |
| 5 minutes | Les conversations transférées à un humain | Certaines sont normales ; d’autres révèlent une information manquante |
| 5 minutes | Ce qui a bougé ce mois-ci : tarif, horaire, équipement, travaux | Le seul point qui demande de la discipline : personne ne pense à prévenir la base |
| 5 minutes | Une dizaine de questions de contrôle dont vous connaissez la réponse | Vous vérifiez qu’aucune régression ne s’est installée ; gardez la liste dans un tableur, elle servira des années |
Deux sessions renforcées d’une heure par an. Avant l’ouverture de saison, quand tarifs et horaires changent en bloc. À la fermeture, pour basculer en mode hors saison et retirer ce qui n’a plus cours.
Vérifier qu’un outil fait vraiment du RAG
Une partie des solutions n’indexe rien : elles collent tous vos contenus dans un long message d’instruction. Ça se détecte en cinq minutes.
| Test | Ce que vous faites | Ce que donne un vrai RAG |
|---|---|---|
| 1. Citation de source | Poser une question factuelle et demander d’où vient l’information | Le document et la section sont identifiés, pas inventés |
| 2. Mise à jour | Modifier un horaire, réindexer, reposer la question | La réponse change en quelques minutes, sans intervention de l’éditeur |
| 3. Volume | Ajouter une quinzaine de documents et reposer une question sur le premier | Le bon passage remonte quel que soit le volume ; un prompt géant se noie et ignore les informations du milieu |
| 4. Question sans réponse | Interroger sur un sujet absent de tous vos documents | Le système constate qu’aucun passage ne remonte et le dit |
| 5. Reformulation inhabituelle | « J’peux venir avec mon chien ? », puis la version soutenue, puis l’anglaise | Le même passage est retrouvé dans les trois cas |
Deux questions à poser à l’éditeur. Les documents sont-ils découpés et indexés, ou envoyés en entier à chaque question ? Combien de temps s’écoule entre la modification d’un document et l’effet sur les réponses ?
Le signal d’alarme. Si on vous répond « on va reparamétrer ça », vous n’avez pas un RAG, vous avez un prestataire. Notre fonctionnement est décrit sur la page base de connaissances et dans chatbot entraîné sur vos documents : ce qu’il faut préparer.
Ce qu’il faut faire cette semaine
Le RAG n’est pas un sujet d’ingénieur, c’est un sujet de tenue de documentation. Quatre actions, dans cet ordre.
- Rassemblez les 12 sources dans un même dossier. Ne corrigez rien encore : vous verrez immédiatement ce qui manque.
- Chassez les contradictions sur cinq informations critiques : check-in, check-out, animaux, annulation, wifi. Une seule version, une seule source qui fait autorité.
- Testez vos PDF par copier-coller. Retapez en texte simple ceux qui échouent, puis retirez-les de la base.
- Branchez un agent sur votre site et posez 30 questions. L’essai gratuit de 100 messages offerts, sans carte bancaire, suffit largement, et vous aurez une mesure honnête de l’état réel de votre documentation.
Le quatrième point est le plus instructif. La plupart des exploitants découvrent en une heure que leur documentation était incomplète depuis des années, et qu’ils répondaient de tête à des questions écrites nulle part. L’agent ne crée pas ce problème, il le rend visible.
Pratique chez Groomy : le déploiement prend environ deux minutes depuis l’URL de votre site, l’agent lit vos pages publiques et se forme dessus. L’essai est gratuit : 100 messages offerts, sans carte bancaire ni limite de temps.
Pour comprendre ce qu’est un agent IA dans son ensemble, voir notre guide de référence. Et pour ce que le mot « conversationnel » change concrètement, chatbot conversationnel : ce que le mot change vraiment.