Solution
Recherche documentaire et bases de connaissances
Développement de moteurs de recherche pour les documents et les données structurées. Extraction du texte, indexation lexicale ou vectorielle, classement des résultats et filtrage selon les droits d’accès, avec interfaces de consultation et API pour les assistants d’IA.
Architecture et réalisation
Préparation des corpus
Extraction des contenus, des métadonnées et des relations entre documents.
Moteurs de recherche
Recherche lexicale et vectorielle, classement des résultats et filtres sur les métadonnées.
Accès aux connaissances
Interfaces de consultation et API d’accès aux corpus pour les applications.
Décisions de conception
Conception d’une recherche lexicale, vectorielle ou hybride. La recherche lexicale retrouve les termes et références exacts ; la recherche vectorielle rapproche les formulations par leur sens. Les filtres, les droits et la structure des documents encadrent la sélection des passages.
Exemple d’application
Une requête contenant une référence précise peut privilégier sa correspondance exacte. Une question reformulée peut mobiliser la recherche sémantique. Une recherche hybride combine ces signaux avant de classer les passages autorisés.
Livrables techniquesIndex documentaire, moteur de recherche, filtres et interface de consultation
Un agent interroge un index des dossiers contractuels et transmet les passages autorisés à un modèle Llama hébergé sur la plateforme privée. Les permissions de l’utilisateur filtrent les documents avant la recherche. La réponse cite les pièces du dossier et les textes de référence utilisés.
Docker
.NET
Microsoft Entra ID
Infomaniak
LangChain
Linux
Llama (Meta)
Model Context Protocol
Microsoft 365
PostgreSQL
Python
Composants et flux
- Extraction des documents Microsoft 365 et des corpus de référence, puis indexation textuelle et vectorielle dans PostgreSQL
- Agent LangChain utilisant un modèle Llama et des outils MCP de recherche en lecture, avec filtrage des droits et limitation des appels
- Contrôle du contexte disponible avant génération et présentation des références dans une application .NET
Les formulaires mobiles et Salesforce alimentent un entrepôt PostgreSQL qui réunit les données de programmes et leurs références financières. Tableau utilise les modèles analytiques pour les visualiser. Une recherche multilingue consulte les documents associés en conservant leurs références d’origine.
- Docker
- .NET
- Infomaniak
Kotlin- LangChain
- Microsoft 365
n8n- PostgreSQL
- Python
Salesforce
Tableau
Composants et flux
- Collecte mobile via une API .NET et intégration du CRM Salesforce aux données des programmes
- Entrepôt PostgreSQL alimenté par Python, publication analytique dans Tableau et accès aux données par API
- Recherche multilingue dans les documents Microsoft 365, avec LangChain et une API de modèles hébergée chez Infomaniak
Développement et intégration
- Extraction et indexation des documents
- Recherche sémantique et hybride
- Métadonnées, versions et références
- Interfaces de recherche et intégration RAG
Les systèmes concernés
- Gestion documentaire et fichiers
- Bases relationnelles et index vectoriels
- Portails, applications et assistants
Service associéIntelligence artificielle →
Pour approfondir
Une base de connaissances versionnée pour les équipes et les assistants d’IA
La source approuvée, son historique et sa mise à jour déterminent la fiabilité d’une base documentaire. Les fichiers texte peuvent rendre cette chaîne plus lisible et plus facile à reprendre.
Concevoir la recherche, les outils et les contrôles d’un agent d’IA
RAG, boucles et graphes répondent à des décisions distinctes. Un même dossier permet de comprendre leur rôle et les conditions qui justifient leur utilisation.
Solutions complémentaires
Parlons de votre projet
Un échange sur la conception, le développement et la mise en production de votre projet.