Qu'est-ce que RAG ? Définition et usage dans votre CV

En résumé
Le RAG (Retrieval-Augmented Generation) fait chercher des passages dans une base de documents avant que le modèle ne rédige sa réponse. Il sert à répondre avec des données à jour ou internes, et se juge autant sur la qualité de la recherche que sur celle du modèle.
Le principe en trois étapes
Un système RAG prépare d'abord ses documents : découpage en passages, calcul d'un vecteur (embedding) pour chacun, stockage dans une base vectorielle. À chaque question, il retrouve les passages les plus proches, puis les injecte dans le prompt d'un LLM qui rédige la réponse à partir d'eux.
Le terme vient de l'article de Lewis et de ses coauteurs, Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, déposé sur arXiv le 22 mai 2020 et accepté à NeurIPS 2020.
Là où un RAG échoue
- Un découpage qui coupe une phrase ou une table en deux : la bonne information n'est jamais retrouvée entière.
- Une recherche qui ramène des passages proches par le vocabulaire mais hors sujet.
- Un modèle qui ignore les passages fournis et répond de mémoire.
- Des droits d'accès oubliés : le système cite un document que l'utilisateur n'a pas le droit de lire.
Savoir énumérer ces pannes, et dire laquelle vous avez rencontrée, en dit plus sur votre niveau qu'une liste de bases vectorielles.
RAG, fine-tuning, MCP : ne pas les confondre
Le fine-tuning modifie le comportement ou le style d'un modèle ; il n'est pas le bon outil pour y loger des documents qui changent. Le RAG apporte des connaissances à jour et permet de citer ses sources. Le MCP n'est pas une alternative au RAG mais un protocole qui standardise l'accès d'un modèle à des outils et à des données, une recherche documentaire pouvant en être un. Un agent IA peut décider quand déclencher la recherche.
L'écrire dans un CV
Nommez le corpus, la pile technique et la façon dont vous jugiez les réponses. Remplacez les valeurs ci-dessous par les vôtres :
Assistant de recherche dans les procédures internes (RAG, pgvector, API LLM) : jeu de questions de référence relu par les équipes métier pour comparer trois stratégies de découpage.
Ajout d'un reranking sur un RAG existant : mesure avant/après sur le même jeu de questions, avec relecture des cas où le passage utile n'était pas dans les cinq premiers.
Si votre expérience se limite à un tutoriel, dites-le comme un projet personnel avec son périmètre. Les questions d'entretien portent sur vos choix : quel vector store, quelle taille de passage, comment vous saviez que la réponse était bonne. Le contexte technique est détaillé dans le prompt engineering, CI/CD pour la mise en production et l'API REST pour l'exposition du service.
Et votre CV, est-il sans faute ?
Avant d'envoyer votre candidature, vérifiez l'état de votre CV. Le test gratuit repère les fautes et mesure la lisibilité du fichier par les logiciels de recrutement, en 30 secondes.
Tester mon CV gratuitementBesoin d’une relecture par un expert ? Faire corriger mon CV

