RAG documentaire assurance

Le problème

L'information dont un gestionnaire a besoin existe, elle est dans les conditions générales, les avenants et les FAQ internes. Elle est simplement introuvable en moins de vingt minutes. Un moteur de recherche classique renvoie des documents ; ce qu'il faut, c'est une réponse, et la possibilité de vérifier d'où elle sort. Un assistant générique, lui, répond avec assurance et invente un montant sur trois, ce qui coûte plus cher en assurance qu'une absence de réponse.

Ce que j'ai construit

Découpage des contrats sur leurs sections réelles plutôt qu'à taille fixe, pour qu'une garantie ne soit jamais coupée en deux. Recherche hybride, la similarité vectorielle pour les reformulations et BM25 pour les termes exacts, montants et noms de garanties, les deux classements fusionnés puis réordonnés par un cross-encoder. Génération sous un prompt qui impose la citation, interdit toute réponse hors des passages retrouvés et impose de déclarer l'information absente le cas échéant. L'interface affiche le passage qui fonde la réponse, sa page, son score de pertinence, et un indice de confiance.

Le résultat

Mesuré sur quarante questions annotées à la main, dont sept sans réponse dans le corpus. Le bon passage est retrouvé dans 82 % des cas contre 27 % pour la recherche vectorielle seule, et le système s'abstient sept fois sur sept quand l'information est absente, sans jamais s'appuyer sur autre chose que les documents. Trois centimes par question.

La stack

• LangChain
• ChromaDB
• BM25
• Claude
• Streamlit