Moteur RAG Haute Fidélité

Assistant Documentaire d'Entreprise ("Chat with your Doc")

Plateforme RAG d'entreprise de niveau production garantissant zéro hallucination sur des corpus de plus de 5 000 pages. Recherche hybride dense (Qdrant) + lexicale (BM25) avec fusion RRF (k=60), re-ranking cross-encoder FlashRank/Cohere, garde-fou de confiance strict (S_min ≥ 0.35), citations obligatoires vérifiées, cache déterministe SHA-256 et streaming SSE.

Recherche Hybride (BM25 + Qdrant) Fusion RRF (k=60) Cross-Encoder FlashRank Garde-Fou Confiance (S ≥ 0.35) Moteur de Citations Inline Ingestion Multi-Formats (PDF/DOCX/MD) FinOps & Cache SHA-256 FastAPI SSE + UI React 18+

Tester le Playground RAG Découvrir l'Architecture Code Source (GitHub) ↗

Performance & Ancrage RAG

Les 6 Piliers du RAG d'Entreprise Haute Fidélité

Garantir des réponses déterministes, sourcées mot à mot et économiquement maîtrisées

🔀

1. Recherche Hybride & Fusion RRF (k=60)

La fusion RRF (Reciprocal Rank Fusion) réunit la précision lexicale exacte (BM25 Okapi) et la compréhension sémantique des embeddings denses (Qdrant 1536 dim).

🎯

2. Re-Ranking Cross-Encoder

Raffinement ultra-rapide des candidats via FlashRank local (ms-marco-MiniLM-L-6-v2) ou Cohere, éliminant les faux positifs et isolant le Top-5 pertinent.

🛡️

3. Garde-Fou de Confiance & Honnêteté

Seuil de coupure strict (S_min ≥ 0.35). Si les extraits sont sous le seuil de pertinence, le système formule un refus explicite plutôt que d'halluciner.

📍

4. Moteur de Citations & Traçabilité

Les balises [Doc: nom | Page: N] sont extraites et validées à 100% contre le contexte injecté, garantissant une provenance vérifiable.

📚

5. Ingestion Multi-Formats & Découpage

Parseurs natifs pour PDF, Word DOCX et Markdown avec découpage structurel récursif et suivi différentiel SHA pour ne jamais réindexer de fichiers inchangés.

⚡

6. Télémétrie FinOps & Cache SHA-256

Comptage précis des tokens via tiktoken, calcul des coûts USD en temps réel par modèle, et cache persistant déterministe avec écriture atomique sur disque.

Spécifications Techniques

Architecture en Couches & Isolation Stricte

Séparation hermétique : Présentation → Domaine Métier → Infrastructure → Données

┌─────────────────────────────────────────────────────────────────────────────┐
│                           PRESENTATION LAYER                                │
│          React 18+ / Vite / TypeScript UI  ◄──►  FastAPI SSE Routes         │
│          (/api/v1/chat  •  /api/v1/debug/retrieval  •  API Key Auth)        │
└──────────────────────────────────────┬──────────────────────────────────────┘
                                       │ POST /api/v1/chat
                                       ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                           CORE DOMAIN LAYER                                 │
│  Dual Search Orchestrator ──► RRF Fusion (k=60) ──► Re-Ranker (Top 5)       │
│                                                            │                │
│  Grounded Generation (T=0.0) ◄── Confidence Guard (S>=0.35) ◄               │
│               │                                                             │
│               ▼                                                             │
│  Citation Engine & FinOps Collector ──► SSE Event Stream                     │
└───────────────────┬─────────────────────────────────────┬───────────────────┘
                    │                                     │
                    ▼                                     ▼
┌──────────────────────────────────────┐  ┌───────────────────────────────────┐
│        INFRASTRUCTURE LAYER          │  │            DATA LAYER             │
│  • OpenAI / Gemini Embeddings        │  │  • Qdrant Vector Store (dim=1536) │
│  • FlashRank / Cohere Cross-Encoder  │  │  • rank-bm25 In-Memory Index      │
│  • PDF, DOCX, Markdown Parsers       │  │  • SHA-256 Persistent Disk Cache  │
│  • Tenacity Exponential Backoff      │  │  • Golden Evaluation Datasets     │
└──────────────────────────────────────┘  └───────────────────────────────────┘

Validation & Audit Qualité

Objectifs Qualité d'Entreprise & Audit Certifié

Audit rigoureux mesuré sur 52 requêtes d'évaluation annotées (42 faits documentés, 10 refus hors-corpus)

Précision Recherche@5 1.0000 Cible : ≥ 0.75 · ✅ PASS

Exactitude des Citations 1.0000 Cible : = 1.00 · ✅ PASS

Taux d'Hallucination 0.0000 Cible : ≤ 0.05 · ✅ PASS

Score de Fidélité 0.9524 Cible : ≥ 0.85 · ✅ PASS

Précision Filtre Honnêteté 0.9000 Cible : ≥ 0.90 · ✅ PASS

Latence p95 Recherche 0.7 ms Cible : ≤ 3000 ms · ✅ PASS

Couverture de Tests 94.00% 480 tests unitaires & intégration · ✅ PASS

Mean Reciprocal Rank (MRR) 0.9821 Mean Recall@5 : 1.000 · ✅ PASS

Playground Interactif

Simulateur RAG Hybride & Assistant Documentaire

Posez des questions sur le corpus technique pour observer la recherche hybride, le score de confiance et les citations

Environnement de Démonstration (Simulateur Mock Côté Client) :

Ce playground RAG est une simulation côté client (Moteur RAG Mock) démontrant la fusion hybride (BM25 + Vectoriel), le score FlashRank, le filtre de franchise et les citations vérifiées. Aucune clé API ni appel réseau externe n'est exécuté sur ce site statique.

💬 Posez votre question au corpus documentaire

Requêtes types :

1. Chunks Extraits & Re-Rankés (Top-K) :

2. Réponse Ancrée (Grounded Answer) :

⚙️ Télémétrie RAG & Métriques Session

Latence de Recherche : 0 ms

Score de Confiance : 100%

Extraits Utilisés : 0

Coût Estimé Session : $0.0000

Pipeline d'Indexation & Modèles Actifs :

• Dense : Qdrant (text-embedding-3-small 1536 dim)
• Sparse : BM25 Okapi Lexical Index
• Fusion : Reciprocal Rank Fusion (k=60)
• Reranker : FlashRank ms-marco-MiniLM-L-6-v2
• Filtre de Confiance : S_min ≥ 0.35 (Refus net si hors-corpus)
• Cache : Empreinte SHA-256 & écriture atomique sur disque

Documentation & Sources

Documentation Technique & Dépôt GitHub

Consultez les spécifications d'ingénierie, les rapports de benchmark et le code source complet

📖 Spécifications Techniques (specifications.md)

Architecture détaillée de la recherche hybride, seuils de confiance et formule RRF k=60.

Voir specifications.md ↗

📊 Rapport d'Audit & Benchmark (retrieval_report.md)

Audit complet sur 52 requêtes : précision@5 (1.000), honnêteté (0.900), latence p95 (0.7ms).

Voir retrieval_report.md ↗

🏛️ Architecture & Isolation (architecture.md)

Isolation stricte des 4 couches (Présentation, Domaine, Infra, Données) et modèles immuables Pydantic V2.

Voir architecture.md ↗

🐳 Orchestration Multi-Services (docker-compose.yml)

Stack multi-conteneurs sécurisée (API FastAPI, DB Vectorielle Qdrant, UI React Nginx) en utilisateur non-root UID 10001.

Voir docker-compose.yml ↗

🚀 Parcourir le Dépôt GitHub du Projet (mdaadoun/doc_assistant) ↗