RAG de base – intégrer des documents, intégrer la requête, trouver les vecteurs les plus proches, injecter dans l'invite – fonctionne étonnamment bien comme point de départ. Mais les systèmes RAG de production ont besoin de plus : des requêtes qui combinent des mots-clés exacts avec une signification sémantique, des listes de pertinence qui placent les meilleurs éléments en haut et des pipelines d'évaluation qui détectent les régressions avant qu'elles n'atteignent les utilisateurs. Cette leçon couvre les trois.