Plateforme RAG pour 120 utilisateurs
Recherche augmentée sur corpus interne, ACL par niveaux de confidentialité, hébergement UE.
Pour un groupe de conseil, cette plateforme RAG met le corpus documentaire interne à disposition de 120 utilisateurs via la recherche augmentée : poser une question en langage naturel, obtenir une réponse sourcée dans les documents de l’entreprise.
La contrainte structurante n’était pas le volume mais la confidentialité. Dans un groupe de conseil, tous les documents ne sont pas lisibles par tout le monde : notes internes, dossiers clients, documents de direction. La plateforme applique des ACL par niveaux de confidentialité jusque dans la couche de recherche vectorielle : un utilisateur ne peut pas retrouver, même par fragment reformulé, un contenu auquel il n’a pas droit. Le filtrage est appliqué à la requête, pas après coup.
L’ensemble est hébergé en Union européenne, sur infrastructure maîtrisée : base vectorielle Qdrant, API FastAPI, conteneurs Docker. Les embeddings sont calculés localement, aucun document ne transite par une API tierce hors UE.
Le déploiement s’est fait par vagues d’utilisateurs, avec une boucle d’évaluation continue sur des questions de référence pour mesurer la qualité des réponses avant chaque élargissement.