Back-end

Assistant documentaire (RAG)

Un assistant qui répond aux questions sur une documentation technique en citant ses sources au fichier et à la ligne près, et qui dit quand elles ne répondent pas.

En cours Sprint S61-S62 · 10 points

En bref, sans jargon pour les non-informaticiensLire le résuméRefermer

Ce que c'est: Un assistant à qui une équipe pose des questions sur sa documentation, et qui répond en montrant d'où vient chaque phrase.
À quoi ça sert: Trouver vite la bonne page dans une documentation qui grossit, sans croire sur parole une réponse inventée.
Ce que ça montre: Brancher un modèle de langage sur ses propres documents, et mesurer la qualité de ce qu'il retrouve et de ce qu'il répond.

Code source

Comment les morceaux tiennent ensemble

Documentation (Markdown du dépôt) → Découpage (blocs, titres, lignes)
Découpage (blocs, titres, lignes) → BM25 (écrit ici, sans dépendance) : mots-clés
Découpage (blocs, titres, lignes) → Qdrant (embeddings MiniLM) : vecteurs
BM25 (écrit ici, sans dépendance) → Recherche hybride (fusion RRF) : rangs
Qdrant (embeddings MiniLM) → Recherche hybride (fusion RRF) : rangs
API (FastAPI, Docker) → Recherche hybride (fusion RRF)
Recherche hybride (fusion RRF) → Claude (blocs search_result)

Ce qu'il retrouve

Mesuré sur 40 questions de référence en français et en anglais, dont 32 ont leur réponse quelque part dans les 421 passages de la documentation ; pour chacune, le bon fichier et le bon titre sont connus.

Recherche	Bon passage en 1er	dans les 3 premiers	dans les 5 premiers	MRR
Mots-clés (BM25)	0,41	0,56	0,66	0,51
Sens (vecteurs)	0,31	0,63	0,75	0,49
Hybride (les deux, fusionnés)	0,53	0,69	0,81	0,62

Part des questions dont un bon passage arrive dans les premiers résultats ; MRR : moyenne de 1 / rang du premier bon passage. Embeddings : sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, en local. Recalculé par la CI à chaque modification de la documentation.

Ce qu'il répond

Prototype : l'évaluation des réponses de Claude (citations justes, refus justes) est écrite et testée avec un faux modèle, mais n'a pas été lancée, faute de clé d'API ; le job « answers » de la CI la produira avec une clé.

Technologies

Python
FastAPI
Qdrant
Claude
pytest
Docker

Qui fait quoi

Python: L'ingestion (découpage par titres, lignes gardées), la recherche hybride et l'évaluation.
FastAPI: Les routes de recherche et de question, la validation des requêtes et la documentation OpenAPI.
Qdrant: La base de vecteurs : les embeddings multilingues des passages, cherchés par similarité.
Claude: Rédige la réponse à partir des seuls passages retrouvés, chaque phrase citée (blocs search_result).
pytest: Les tests du découpage, de la recherche et des citations, avec un faux modèle, sous Linux, Windows et macOS.
Docker: L'API et Qdrant, lancés par docker compose.

Definition of Done

Code relu, diff par diff
Tests unitaires et d'intégration verts
CI verte sur Linux, Windows et macOS si compilé
README, REVIEW.md et DECISIONS.md à jour
Textes en français et en anglais
Démo déployée et testée sur mobile