Aller au contenu
Savoir & Recherche6 min de lecture

Bases de Connaissances & Recherche Hybride (RAG)

Découpage PDF avec pagination exacte, fusion pgvector + plein texte PostgreSQL (RRF) et séparation des droits retrieval_use vs view_content.

Les manuels logistiques mêlent règles rédigées et identifiants exacts : hauteurs de palettes (1.85m), codes douaniers (EX-1, EUR.1, CMR), classes ADR et références SKU clients. La recherche purement sémantique manque les codes exacts ; la recherche par mots-clés seuls manque les formulations terrain.

SCA réunit les deux grâce à la recherche hybride dans PostgreSQL + pgvector isolé par entreprise.

Pipeline de scoring hybride

Pour chaque question adressée à une collection documentaire liée au spécialiste :

  1. Ingestion par segments & suivi de page : Les PDF importés sont découpés selon une taille de segment et un chevauchement paramétrables tout en conservant le nom de fichier, le titre de section et le numéro de page (p. 16).
  2. Double récupération parallèle : SCA combine la similarité cosinus (pgvector HNSW) et le classement plein texte PostgreSQL (tsvector) uniquement sur les documents autorisés pour l'entreprise.
  3. Reciprocal Rank Fusion (RRF) : Les deux listes fusionnent via des pondérations ajustables (rag_weight_fts / rag_weight_vector), permettant aux responsables d'accentuer les codes exacts pour les tarifs douaniers ou la portée sémantique pour les guides d'intégration.
  4. Citations paginées en direct : Les passages retenus alimentent la réponse et génèrent des puces cliquables dans le tiroir Sources.

Séparer la consultation assistée de la lecture brute

Les contrats commerciaux et grilles tarifaires exigent souvent d'en restreindre la lecture directe tout en permettant aux exploitants d'obtenir des réponses opérationnelles :

DroitPortéeÉquipe typique
retrieval_useAutorise le spécialiste à interroger les passages indexés pour formuler une réponse sourcée conforme aux règlesExploitants terrain & équipes de nuit
view_contentAutorise l'ouverture du tiroir source, la lecture des extraits bruts et l'accès aux fichiers completsResponsables d'exploitation, Qualité & Comptes clients

Lorsqu'un utilisateur détient retrieval_use sans view_content, SCA bloque proprement l'affichage du texte brut tout en continuant de fournir des réponses opérationnelles fiables.