Le RAG ne sert pas qu'à faire un chatbot : il sert aussi à rédiger des rapports en fouillant dans les anciens. L'outil retrouve dans votre historique les passages proches du dossier en cours, puis rédige un projet de rapport structuré selon votre trame, qu'un expert relit et valide.
Sur les projets de rédaction que j'ai menés (réponses aux appels d'offres chez Odecia, rapports de sinistre chez Infine), cela a représenté environ 70 % du temps de rédaction économisé. Cet article explique comment ça fonctionne, quand préférer un outil de rédaction à un chatbot, et ce que doit contenir votre historique pour que ça marche.
En bref
- Un RAG de rédaction cherche dans vos anciens rapports, mémoires ou réponses, puis écrit un premier jet structuré dans votre trame
- Sur les projets de rédaction de rapports que j'ai menés, environ 70 % du temps économisé (ordre de grandeur de terrain)
- Pour produire un document complet, un outil de rédaction vaut mieux qu'un chatbot, le RAG restant le moteur
- Ce qui compte dans l'historique : des rapports validés, sans doublons, et un plan pour les tableaux et schémas
- L'expert relit, corrige et valide : l'IA prépare, il signe
Le RAG ne sert pas qu'à faire un chatbot
Un RAG (Retrieval-Augmented Generation) est un système qui cherche dans vos documents les passages utiles, puis rédige à partir d'eux. Rien n'impose que le résultat prenne la forme d'une fenêtre de discussion.
C'est pourtant l'image que la plupart des dirigeants en ont. Dans mes missions, le corpus le plus fréquent reste celui des procédures internes qu'un chatbot ne connaît pas. Mais sur une vingtaine de RAG construits, améliorés ou audités, dont une dizaine en production aujourd'hui, une partie sert à autre chose : produire des documents longs, en s'appuyant sur ce que l'entreprise a déjà écrit.
Votre entreprise rédige-t-elle chaque mois des rapports d'intervention, des mémoires techniques, des réponses à des consultations, des comptes rendus d'expertise ? Si oui, vous avez probablement déjà le meilleur matériau possible : vos propres historiques. Pour la vue d'ensemble de la technologie, notre guide du RAG en entreprise reprend les bases.
Comment un RAG rédige un rapport à partir d'anciens rapports
Un RAG de rédaction fonctionne en trois temps : il retrouve dans l'historique les passages proches du dossier en cours, il les assemble dans la trame du rapport demandé, puis il rédige un projet que l'humain relit.
- Le dossier d'entrée : pièces du client, constats, photos, cahier des charges, selon le métier.
- La recherche dans l'historique : les rapports passés les plus comparables, avec leurs formulations, leurs arguments et leur structure.
- La rédaction : un projet de rapport section par section, dans la trame et le ton de l'entreprise.
- La relecture : l'expert corrige, complète et valide.
La différence avec un modèle généraliste utilisé tel quel est nette : le texte s'appuie sur vos formulations validées, pas sur une moyenne de ce que le modèle a lu sur internet. Les détails techniques (découpage, recherche hybride, évaluation) relèvent du « comment », que je traite côté praticien sur ianas.fr, par exemple dans ce retour sur un RAG multi-sources pour la rédaction d'appels d'offres.
Ce que j'ai vu chez Odecia et chez Infine
Deux projets illustrent ce que donne la rédaction assistée par RAG. Sur ces projets de rédaction de rapports, j'ai constaté environ 70 % du temps économisé. C'est un ordre de grandeur de terrain, pas une garantie.
Odecia : répondre aux appels d'offres
Odecia répond à des appels d'offres. Une réponse n'est jamais écrite à partir d'une page blanche : les réponses précédentes contiennent des méthodes, des références et des arguments déjà éprouvés. Le RAG permet de les retrouver et de les réutiliser pour rédiger la réponse en cours, au lieu de fouiller à la main dans des archives dispersées. Le déroulé complet est dans le cas client Odecia.
Pour un autre exemple de la même mécanique sur le bâtiment, notre cas client bureau d'études et réponse aux appels d'offres détaille une architecture à plusieurs agents.
Infine : rédiger des rapports de sinistre
Infine rédige des rapports d'expertise sinistre, notamment en menuiserie et en étanchéité. Chaque rapport suit un formalisme strict, et les rapports passés servent de références de structure et de formulation. Le détail du projet, des pièces d'entrée jusqu'à la validation par l'expert, est dans le cas client rapports d'expertise sinistre par IA ; l'angle métier est développé dans notre article sur l'automatisation du rapport de sinistre dans le bâtiment.
Dans les deux cas, ce qui fait gagner du temps n'est pas une phrase magique : c'est de ne plus repartir de zéro à chaque dossier.
Chatbot ou outil de rédaction : comment choisir
Si votre besoin est de répondre à des questions, un chatbot suffit. Si votre besoin est de produire un document complet, il vous faut un outil de rédaction, dont le RAG est le moteur.
J'ai vu ce cas plusieurs fois. Une entreprise voulait un chatbot RAG pour l'aider à répondre à ses appels d'offres. Plutôt que de le construire tel quel, je l'ai réorientée vers une solution qui intègre le RAG, mais pas sous forme de chatbot : un outil de rédaction plus complet. L'utilisateur y travaille directement sur le document de réponse, au lieu de poser des questions une à une et de recoller les morceaux.
| Critère | Chatbot RAG | Outil de rédaction RAG |
|---|---|---|
| Livrable | Une réponse à une question | Un document complet (rapport, mémoire, réponse) |
| Structure | Libre, conversation | Imposée par une trame ou un cahier des charges |
| Entrées | Une question | Un dossier : pièces, constats, photos, consultation |
| Relecture | Sources affichées pour vérifier | Relecture et validation par l'expert avant envoi |
| Cas typique | Procédures internes, support niveau 1 | Rapports d'intervention, appels d'offres, expertises |
Pour les procédures internes, notre article sur le chatbot interne sur les procédures traite l'autre cas. Et si votre besoin se limite à répondre à des appels d'offres avec un outil clé en main, olra.fr est conçu pour cela.
Ce qu'il faut dans votre historique de rapports
La qualité du premier jet dépend d'abord de la qualité de l'historique. Un RAG de rédaction ne corrige pas un corpus désordonné, il en reproduit les défauts.
- Des rapports validés : ne gardez que les versions finales, relues et acceptées. Un brouillon abandonné n'a pas sa place dans la mémoire de l'outil.
- Pas de doublons : les versions multiples d'un même rapport sont un problème récurrent que je rencontre. Elles faussent la recherche et ramènent des formulations contradictoires.
- Un format exploitable : un corpus bien organisé en docx s'exploite bien. Les PDF sont parfois plus délicats.
- Un plan pour les tableaux et les schémas : tableaux, graphiques et schémas sont difficiles à exploiter par l'IA et sont une source de problèmes. Les documents faits uniquement de schémas en sont l'exemple extrême.
- Une trame stable : si chaque rapport suit une structure différente, l'outil n'a pas de repère. La trame se fixe avec les experts avant le développement.
Je préviens les clients dès le cadrage : avant de parler de modèle, on regarde le corpus. C'est aussi ce qui détermine le temps de nettoyage à prévoir. Et comme pour tout RAG, on mesure la qualité sur des cas réels, ce que détaille l'article sur la mesure de la performance d'un RAG.
L'humain relit et valide : ce que l'IA ne remplace pas
Un rapport rédigé avec un RAG reste un projet de rapport tant qu'un expert ne l'a pas relu. Le gain de temps vient de la rédaction, pas de la suppression du jugement.
Je propose systématiquement de sourcer les réponses : chaque passage renvoie aux documents d'origine, ce qui permet de vérifier en quelques secondes d'où vient une affirmation. L'interface compte autant que le modèle. C'est la façon dont l'information est présentée à l'utilisateur qui rend la relecture rapide, ou fastidieuse.
Dans notre cas client sur les rapports de sinistre, l'expert reste responsable : il corrige et valide chaque rapport avant envoi. Le même principe s'applique à tous les projets de rédaction.
Si vous produisez des rapports ou des mémoires répétitifs et que vous souhaitez savoir si votre historique s'y prête, notre page sur la génération de rapports par IA présente la démarche, et l'article sur les propales générées par RAG sur corpus gagnant en donne une variante commerciale.
Questions fréquentes sur le RAG pour la rédaction de rapports
Articles recommandés
- Guide du RAG en entreprise : les bases du Retrieval-Augmented Generation pour décideurs.
- Automatiser le rapport de sinistre : le pipeline détaillé pour l'expertise bâtiment.
- Génération de propales par RAG : réutiliser les propositions gagnantes.
- RAG multi-sources pour appels d'offres : l'approche technique côté praticien.
