Stratégie & Gouvernance · N° 15
RAG industriel : Sanofi-like construit son moteur documentaire interne sur 180 000 documents R&D
L'enjeu n'est pas le modèle, c'est l'index : métadonnées, droits d'accès par équipe, et fraîcheur des documents. Althévia a investi six mois dans la qualité des sources avant de brancher le moindre LLM — le taux de réponses exploitables est passé de 41 % à 79 %.

Le premier démonstrateur a bluffé tout le monde. Le lundi 5 mai 2025, j'ai demandé ce qui se passait quand la source n'existait pas.
Rien ici n'a été recomposé pour faire joli.
Le point de départ
« L'enjeu n'est pas le modèle, c'est l'index : métadonnées, droits d'accès par équipe, et fraîcheur des documents. »
Marta Iglesias, Directrice Data & IA de la société Althévia Sciences (Espagne)
Rien de spectaculaire côté organisation : Espagne, des métiers sous tension, et une direction des systèmes d'information qui doit tenir la production tout en préparant l'année suivante. Dans ce type de situation, l'enjeu était de rendre le service utile sans perdre la maîtrise des sources. J'ai posé une règle : aucun chiffre avancé sans sa source, même approximative.
Ce qui s'est passé, dans l'ordre
- J+00
1. Périmètre documentaire fermé — c'est l'étape qui a pris le plus de temps, et personne ne l'avait vue venir.
- J+09
2. Sources datées et versionnées. Sur le moment, j'ai trouvé ça superflu ; ça nous a évité deux retours arrière.
- J+18
3. Garde-fous et refus hors domaine : la seule étape qui ait été tenue comme prévu.
- J+27
4. Mesure du taux d'erreur réel. J'en ai gardé une trace écrite prise sur le vif, parce que je savais qu'on me demanderait.
- J+36
5. Extension ou arrêt du service — le point où j'ai compris que le calendrier officiel ne tenait pas.
« Althévia a investi six mois dans la qualité des sources avant de brancher le moindre LLM — le taux de réponses exploitables est passé de 41 % à 79 %. » — cette phrase a été écrite au moment de la revue intermédiaire, avant consolidation des chiffres.
Ce qui a coincé
Nous avons d'abord mesuré l'adhésion, pas l'erreur. Le taux d'erreur réel est venu beaucoup plus tard.
Les utilisateurs ont détourné l'outil de son périmètre en deux semaines ; personne n'avait écrit ce qui devait lui être refusé. Ce n'était pas un défaut de compétence, c'était un défaut de préparation.
Nous avons mesuré le succès sur le mauvais indicateur pendant deux mois : le volume d'usage, pas les erreurs rattrapées par les humains. Rien de dramatique en soi — mais c'est exactement ce qui fait déborder un planning.
Ce que le dossier dit en chiffres
Les valeurs ci-dessous sont celles du dossier, reprises telles qu'elles ont été arbitrées. Rien n'a été retraité après coup.
| Valeur citée | Où elle apparaît |
|---|---|
| 41 % | citée dans le chapô |
| 79 % | citée dans le chapô |
Ce que je fais désormais
- Depuis, chaque domaine documentaire a un responsable nommé, avec une date de revue.
- Aujourd'hui, nous publions les erreurs corrigées par les relecteurs autant que les cas réussis.
- Un cas d'usage qui ne tient pas sa mesure d'erreur est arrêté, et l'arrêt est annoncé.
La suite
Nous avons gardé deux choses : un propriétaire nommé par sujet, et le droit d'écrire une décision même quand elle déplaît. Le reste a été oublié.
Repères
Trois ou quatre mots reviennent dans ce dossier et méritent d'être posés, parce qu'ils structurent les décisions.
- RAG
- Retrieval-Augmented Generation : le modèle de langage répond à partir d'un corpus documentaire retrouvé par recherche, ce qui borne les réponses au périmètre maîtrisé.
- LLM
- Grand modèle de langage, entraîné sur de très gros volumes de texte, utilisé en génération ou en assistance.
Cadre de référence
- Législation sur l'IA — Commission européenne. Approche par risques, pratiques interdites, calendrier.
- Règlement (UE) 2024/1689 — règles harmonisées sur l'intelligence artificielle (AI Act) — EUR-Lex. ELI officiel vérifié en navigateur, version française.
- Intelligence artificielle (IA) — CNIL. Dossier protection des données et systèmes d'IA.
- L'analyse d'impact relative à la protection des données (AIPD) — CNIL. Méthode, listes de traitements, outil PIA.
- Licence Ouverte 2.0 — data.gouv.fr (Etalab). Conditions de réutilisation des données publiques.
Ces pages officielles externes sont données comme repères : elles ouvrent un nouvel onglet et n'impliquent aucune validation de la part des organismes cités.