Programme de la formation
- Introduction : pourquoi compléter un LLM par un moteur de recherche (actualisation, réduction des hallucinations).
- Principes de base : récupération d’information (BM25, FAISS), indexation de documents, passage au LLM.
- Architecture d’un pipeline RAG : gestion des métadonnées, embeddings, connexion au générateur de texte.
- Exemple d’implémentation : déploiement minimaliste avec Haystack ou LangChain, config et flux de données.
- Utilisation en assurance : centralisation de la documentation (contrats, réglementations) pour réponses précises.
- Stratégies de maintenance : mise à jour de la base, surveillance de la pertinence des documents.
- Outils et frameworks clés : gestion des indexes, interfaces d’API, paramétrage de la taille de contexte.
- Ateliers courts : requêtes sur un mini-corpus d’assurance, démonstration de RAG pour des questions FAQ.
- Discussion autour de la confidentialité : masquage d’informations sensibles, contrôle d’accès aux documents.
- Retour sur les bonnes pratiques : logs, filtres, supervision humaine en cas de doute ou question sensible.
