Connaissance & IA
Qu'est-ce qu'un RAG ? Définition simple et exemples concrets
RAG, ou Retrieval-Augmented Generation : la méthode qui connecte une IA à vos documents pour des réponses fiables et sourcées, sans jargon technique.
Curieux de votre maturité IA ? Scan gratuit, 30 s, sans compte
Scanner mon site
Assistant IA, agent IA ou équipier IA : ce que chacun reçoit (une question, un objectif, un poste), ce qu'il fait seul et ce qui reste à votre charge.
Lundi matin. Dans votre CRM, une proposition envoyée il y a trois semaines n'a pas bougé. Au support, la même question revient pour la quatrième fois. Une promesse faite à un client en réunion n'a jamais été tenue. Toutes ces informations existent quelque part dans l'entreprise, mais personne n'a eu le temps de faire le lien. Assistant IA, agent IA, équipier IA : trois façons de travailler avec l'IA, et une différence qui tient moins à la technologie qu'à ce que vous lui confiez.
Les deux mots sont employés à tort et à travers. Voici ce qu'ils recouvrent quand on est précis.
Un assistant IA vous aide à faire votre travail. Vous lui posez une question, vous lui transmettez un document, vous lui demandez un texte : il répond, conseille ou prépare un premier résultat. Un responsable commercial lui demande une relance client, fournit le contexte et reçoit une proposition de message.
Les assistants récents, comme ChatGPT ou Claude, savent aussi utiliser des outils et enchaîner des opérations. Mais dans l'usage courant, c'est vous qui repérez le besoin, puis qui pensez à solliciter l'IA et à lui donner le contexte.
Un agent IA poursuit un objectif en organisant lui-même les étapes. Vous voulez préparer une campagne de prospection ? Un agent IA peut chercher des informations sur les entreprises visées, les analyser et rédiger des messages personnalisés. Il ne se contente plus de répondre : il enchaîne plusieurs opérations pour livrer un résultat.
Un agent peut aussi tourner de façon récurrente ou réagir à un événement. Dans la pratique, on lui confie pourtant le plus souvent un objectif précis, un à la fois. Reste à votre charge de penser aux autres.
Un assistant reçoit des questions. Un agent reçoit un objectif. Un équipier IA reçoit un poste : un périmètre de responsabilités dans l'entreprise, avec plusieurs missions qui se complètent.
Chez Ragnight, l'équipier repose sur quatre idées :
| Assistant IA | Agent IA | Équipier IA (Ragnight) | |
|---|---|---|---|
| Ce qu'on lui confie | Une question | Un objectif | Un poste, avec plusieurs missions |
| Qui le déclenche | Vous | Vous, ou un calendrier ou un événement selon sa configuration | Son rythme : chaque semaine, avant un rendez-vous… |
| Ce qu'il produit | Une réponse | Un résultat (analyse, brouillons) | Un constat sourcé et une proposition à valider |
| Ce qui reste à votre charge | Repérer le besoin, donner le contexte | Fixer l'objectif, contrôler le résultat | Valider, décider |
| Connaissance utilisée | Le contexte que vous donnez | Les sources qu'on lui connecte | Les mêmes sources que ses collègues équipiers, dont la qualité est suivie |
Un agent IA bien configuré peut accomplir plusieurs de ces choses. Ce qui distingue l'équipier, c'est qu'elles sont réunies dans un rôle cohérent, avec les mêmes sources pour tous. La question n'est plus seulement « que puis-je demander à mon IA ? », mais « de quoi mon équipier peut-il s'occuper pour mon équipe ? »
En pratique — testez ces patterns sur vos documents.
Essayer gratuitementLes deux scénarios qui suivent sont illustratifs : noms et chiffres sont fictifs. Chaque mission décrite existe dans Ragnight, avec ses limites.
Dans une équipe commerciale, deux équipiers se partagent ce suivi. Chaque semaine,
Yael, l'équipier RevOps, passe en revue vos affaires ouvertes. Il relève celles dont la clôture prévue est dépassée ou dont la fiche n'a pas été modifiée depuis un nombre de jours que vous réglez, chacune avec sa raison exacte : « clôture prévue le 12/09, dépassée de 30 jours ». Le tableau est calculé sur les fiches, pas rédigé par l'IA, et arrive avec un court commentaire à valider.
Dans la même équipe,
Maé, l'équipier des propositions, repère les affaires dont l'étape dit qu'une proposition est partie (« proposition », « devis », « offre », à condition que votre CRM l'écrive en toutes lettres) et que personne n'a touchées depuis dix jours, par défaut. Il prépare un brouillon de relance par affaire. Vous relisez, vous ajustez, vous envoyez.
Leurs limites sont celles de ce qu'ils lisent : les fiches de votre CRM. Ils ne voient pas l'historique des échanges, donc ne savent pas qui devait relancer, et le brouillon est écrit d'après la fiche seule.
Ce qui change : au lieu de regarder les affaires que l'on ouvre par habitude, l'équipe voit celles que personne n'a regardées.
Kim, l'équipier Customer Success, enchaîne plusieurs missions qui se complètent. Trois d'entre elles :
Imaginons un client stratégique, [Client A], qui multiplie les tickets alors qu'une fonctionnalité lui avait été promise en réunion trois mois plus tôt. La promesse est dans un compte rendu, les tickets dans un autre outil. Le jeudi, avant le rendez-vous, le brief les met côte à côte : la promesse figure parmi les engagements encore ouverts, à côté des tickets récents. Vous arrivez en le sachant, sans avoir eu à le chercher.
Les engagements viennent des réunions enregistrées dans Ragnight, et les tickets et les mails n'apparaissent que s'ils sont dans une base que vous pouvez lire.
Ce qui change : on ne découvre plus le problème le jour où le client le soulève. On y arrive préparé.
Un équipier qui prend des initiatives sur de mauvaises informations ne fait qu'accélérer les erreurs. C'est la raison pour laquelle tant de projets d'agents échouent sur la couche de connaissance, et non sur le modèle.
Alix, l'équipier qualité du savoir, veille sur ce que tous les autres lisent. Il signale les passages qui se contredisent (« le document A dit X, le document B dit Y ») et les documents inchangés depuis longtemps que l'assistant cite encore. Chaque semaine, il repose à vos bases les questions restées sans réponse : dès qu'un document y répond, la personne qui l'avait posée est prévenue, avec la réponse et ses sources. Contradictions et documents périmés arrivent au Centre de revue : c'est vous qui arbitrez.
Plusieurs équipiers, plusieurs métiers, une seule connaissance.
Un équipier repère, prépare et propose. Il n'envoie rien à vos clients ni à vos prospects à votre place : les relances, comptes rendus et mails de suivi sont des brouillons remis à la personne concernée, ou des propositions déposées en validation.
Une exception, qui est un choix : les équipiers qui répondent à une question posée (le chat de support de votre site, Slack) répondent directement, à partir de vos bases, avec leurs sources.
Et l'autonomie se gagne, action par action. Pour un type d'action donné (un document rédigé, par exemple), Ragnight propose de se passer de votre validation lorsque vous en avez approuvé un nombre suffisant sans aucun refus. C'est toujours vous qui l'accordez, et vous pouvez la reprendre à tout moment.
L'équipier prend les devants. L'humain garde la main.
Ne cherchez pas à automatiser toute une fonction. Repérez une responsabilité importante que votre équipe suit moins régulièrement qu'elle le voudrait : des propositions sans réponse, des engagements clients difficiles à retrouver, des documents qui se contredisent.
Donnez à l'équipier quelques missions complémentaires autour de ce sujet, regardez ce qu'il remonte, puis élargissez. Chaque mission indique ce qu'elle lit (CRM, agenda, réunions enregistrées) : connectez d'abord ces sources.
L'assistant répond quand on l'interroge, l'agent mène ce qu'on lui confie. L'équipier tient un poste : il suit ce qui relève de son rôle, remonte ce qui mérite votre attention et prépare la suite. Il ne remplace pas votre équipe, il lui épargne le temps de chercher, de vérifier et de préparer, pour qu'elle en passe davantage à décider et à accompagner.
Ils repèrent. Ils préparent. Vous décidez.
Pour aller plus loin
Par métier
Nos offres
Connaissance & IA
RAG, ou Retrieval-Augmented Generation : la méthode qui connecte une IA à vos documents pour des réponses fiables et sourcées, sans jargon technique.
Connaissance & IA
Gartner prévoit l'abandon de plus de 40 % des projets d'agents IA d'ici 2027. La vraie cause n'est pas le modèle : c'est la couche de connaissance. Financez la couche de vérité avant la couche d'agents.
Connaissance & IA
ChatGPT ignore vos contrats, vos procédures et qui a le droit de voir quoi. Voici pourquoi une IA connectée à vos vrais documents répond mieux, et comment ça change tout.
Uploadez vos fichiers et lancez votre premier pipeline RAG en 5 minutes.
Lia
Conseillère produit Ragnight