La génération augmentée par récupération (RAG) transforme la façon dont les entreprises exploitent leurs bases de connaissances internes, mais la plupart des architectures de référence supposent des ressources à l'échelle de l'entreprise. Cet article présente une architecture RAG pragmatique et adaptée aux PME, équilibrant coût, performance et maintenabilité. Il détaille le prétraitement des documents, les stratégies de découpage, la sélection des modèles d'embedding, les choix de bases de données vectorielles (Milvus, Qdrant, etc.) et les techniques d'optimisation de la récupération comme la recherche hybride et le re-ranking. Les considérations de déploiement, y compris la conception de la passerelle API, la mise en cache et la surveillance, sont également abordées. Pour les fondateurs techniques et les responsables d'ingénierie évaluant RAG pour leur produit, cette architecture fournit un point de départ concret qui évite la sur-ingénierie tout en restant viable en production. L'accent mis sur la modularité et la mise à l'échelle incrémentielle la rend particulièrement pertinente pour les startups et les équipes de taille moyenne.
Un guide pratique pour construire une architecture RAG d'entreprise adaptée aux PME, couvrant l'ingestion, la récupération et le déploiement.