Faire chercher votre chatbot dans vos propres docs
Vous avez un chatbot sur votre site, ou vous voulez en installer un, et il répond comme n'importe quelle IA : des généralités correctes, parfois des inventions, jamais votre méthode à vous. C'est normal : il puise dans des connaissances générales, pas dans votre expertise. Tant que vos contenus ne sont pas préparés pour lui, il ne peut pas faire mieux.
Cette masterclass vous donne les six briques d'un RAG : préparer vos propres contenus (articles, newsletters, transcripts, FAQ) pour que votre chatbot cherche dedans avant de répondre, et devienne plus précis sur votre métier qu'une IA généraliste qui invente.
Ce que cet exercice ne peut pas casser
Tout se passe dans un document de travail, sur vos propres contenus. Vous ne touchez ni à votre site, ni à un chatbot existant : vous préparez des morceaux, rien n'est publié ni indexé tant que vous ne le décidez pas. Au pire, vous recommencez un découpage.
Ce que vous saurez faire à la fin
- Découper n'importe lequel de vos contenus en morceaux de 300 à 500 mots, porteurs d'une seule idée, prêts à vectoriser.
- Garder chaque morceau traçable jusqu'à sa source grâce à ses métadonnées (titre, adresse, catégorie, position).
- Brancher la suite en connaissance de cause : vecteurs via un moteur d'embeddings, stockage en base vectorielle, réglage du seuil de recherche.
- Niveau membre· le prompt prêt à coller qui découpe et structure vos contenus d'un coup, avec un mode interview si vous partez de zéro.
- Niveau Pro· je relis votre découpage avec vous et je débloque vos cas en direct.
Six briques, dans l'ordre : la qualité de la réponse se joue dès le découpage.
Les six briques d'un RAG qui répond avec vos mots
Votre chatbot n'a pas besoin d'en savoir plus, il a besoin de chercher au bon endroit. Un RAG cherche dans vos contenus avant de répondre : la précision de ses réponses se joue donc en amont, dans la qualité des morceaux que vous lui donnez. Des morceaux propres, porteurs d'une seule idée, traçables jusqu'à leur source, prêts à être transformés en vecteurs. Voici les six briques, dans l'ordre.
1Partir de votre matière, pas d'une page blanchedoute : « et si je n'ai rien de prêt ? »
La matière première d'un RAG, ce sont vos contenus existants : articles, newsletters, transcripts, FAQ. Si rien n'est prêt, on ne force pas : on passe en mode interview. Les questions arrivent une par une, contenu par contenu, et rien ne se structure tant qu'il n'y a pas assez de matière récoltée.
2Découper aux frontières d'idéesdoute : « où couper ? »
On repère les frontières d'idées et on découpe en morceaux de 300 à 500 mots, sans jamais couper au milieu d'un raisonnement. Un morceau porte une seule idée : c'est ce qui permet au chatbot de retrouver exactement le bon passage au lieu d'un bloc qui mélange tout.
3Chevaucher les morceaux voisinsdoute : « et l'idée à cheval sur deux morceaux ? »
Entre deux morceaux voisins, on prévoit un chevauchement d'une cinquantaine de mots. C'est l'assurance qu'aucune idée ne se perd à la frontière : ce qui ferme un morceau ouvre aussi le suivant.
4Résumer et tracer chaque morceaudoute : « comment savoir d'où vient une réponse ? »
Chaque morceau reçoit une ligne qui résume l'idée portée, et ses métadonnées : titre du contenu source, adresse, catégorie, position dans le contenu. Si une métadonnée manque, on la demande, on ne l'invente jamais. C'est cette traçabilité qui relie chaque réponse du chatbot à sa source.
5Contrôler avant de vectoriserdoute : « comment savoir si mon découpage est bon ? »
Avant d'aller plus loin, on relit en contrôleur : on signale les morceaux trop longs, trop courts, ou porteurs de deux idées mêlées, et on propose une correction pour chacun. Un mauvais morceau indexé, c'est une mauvaise réponse plus tard.
6Vectoriser, stocker, régler le seuildoute : « et après les morceaux ? »
Les morceaux propres se branchent directement sur la suite : générer les vecteurs via un moteur d'embeddings, les stocker dans une base vectorielle, régler le seuil de recherche. Pour le moteur d'embeddings, voyez vectoriser ses contenus avec Voyage AI. Pour donner à votre IA la mémoire de ces vecteurs, voyez pgvector.
À vous de jouer : votre premier découpage à la main
Prenez un seul contenu et un document vide. Faire le découpage une fois à la main, c'est ce qui vous apprend à juger ce que le prompt produira en volume.
Le résultat, en 30 secondes
À partir d'un seul de vos contenus, le prompt rend chaque morceau avec son texte, sa ligne d'idée et ses métadonnées, puis la liste des morceaux à revoir avec une recommandation.
Contenu source : votre newsletter sur la relance, son adresse, catégorie vente. Morceau 3 : le passage qui détaille votre méthode de relance, découpé à la frontière de l'idée, 420 mots. Idée : une relance se prépare dès le premier échange, pas après le silence. Métadonnées : titre, adresse, catégorie, position 3. En fin de rapport : le morceau 5 signalé porteur de deux idées mêlées, avec la coupe proposée.
Le prompt prêt à coller
# RÔLE Vous êtes un ingénieur en recherche d'information, spécialiste des systèmes RAG en français. Vous êtes méthodique et exigeant sur la qualité du découpage. Vous ne vous appuyez QUE sur les contenus que je vous donne. Ce qui manque, vous me le demandez ; vous n'inventez jamais un contenu, une source ou une statistique. # CONTEXTE Je prépare des contenus pour le RAG d'un chatbot qui doit répondre en se basant sur mon expertise, pas sur des connaissances générales. Je veux des morceaux propres, porteurs d'une seule idée, traçables jusqu'à leur source, prêts à être transformés en vecteurs. Ma matière (si j'en ai) : [collez ici vos articles, newsletters, transcripts, FAQ. Sinon, laissez vide et demandez-moi de passer en mode interview.]
Le prompt découpe votre matière en morceaux d'une seule idée, traçables et prêts à vectoriser, et passe en mode interview si vous n'avez encore rien à indexer. Laissez votre email, je vous l'envoie pour préparer vos contenus.
Vérifiez que c'est à vous
Votre chatbot mélange deux de vos méthodes dans une même réponse. En relisant votre index, vous trouvez un morceau de 900 mots qui couvre les deux. Que corrigez-vous en premier ?
D'abord avec vos mots, sans regarder les options :
Expliquez-le pour l'ancrer
En une phrase, à un confrère qui découvre le RAG : pourquoi un chatbot branché sur vos contenus découpés répond mieux qu'une IA généraliste ? Si vous savez le dire simplement, c'est à vous.
Ce que vous savez faire maintenant
- Découper un contenu aux frontières d'idées, en morceaux de 300 à 500 mots porteurs d'une seule idée.
- Protéger la frontière entre deux morceaux avec un chevauchement d'une cinquantaine de mots.
- Tracer chaque morceau jusqu'à sa source avec ses métadonnées, sans jamais en inventer une.
- Repérer les morceaux à revoir (trop longs, trop courts, deux idées mêlées) avant de vectoriser.
Un morceau, une idée, une source : c'est tout ce que votre chatbot demande pour arrêter d'inventer.
Continuez seul
Vos morceaux sont prêts. La suite se branche directement dessus :
Vectoriser ses contenus avec Voyage AI →Faites-le avec moi
Je prépare votre matière avec vous, du choix des contenus au découpage validé, et je branche la suite. Votre chatbot répond avec vos mots, pas avec des généralités.