Évaluation RAG : retrieval, grounding et réponse finale
Évaluer un système RAG en séparant qualité de recherche, couverture, fidélité aux sources, génération, refus et coût.
Le RAG est une composition : une mauvaise réponse peut venir du corpus, de l’index, du ranking, du contexte ou du générateur.
Évaluer seulement la réponse finale empêche de localiser le déficit et conduit souvent à réentraîner le mauvais composant.
Les métriques doivent distinguer retrieval, grounding, génération et comportement en absence de preuve.
Ce que l’architecture doit rendre explicite
Évaluer un système IA consiste à relier une capacité, un objet exact, un protocole, des observations et une règle de décision. Un score isolé n’est pas une qualification.
Passer d’un mot-clé à une décision d’ingénierie inspectable
Contractualiser
Définir le comportement requis, les erreurs interdites et les seuils avant le test.
Séparer
Isoler recherche, confirmation, données protégées et Fresh Final pour éviter la contamination.
Mesurer
Enregistrer sorties, métriques, erreurs, latence et identité du sujet mesuré.
Adjudication
Interpréter les observations sans permettre au producteur du candidat d’imposer le verdict.
Une affirmation ne vaut que par son binding
Le gate doit évaluer la sortie réellement produite par la réalisation exacte. Intégrité, validité scientifique et autorité sont liées, mais jamais interchangeables.
Les questions qui changent la conception
Que demande concrètement évaluation rag : retrieval, grounding et réponse finale ?
Le RAG est une composition : une mauvaise réponse peut venir du corpus, de l’index, du ranking, du contexte ou du générateur. Évaluer un système IA consiste à relier une capacité, un objet exact, un protocole, des observations et une règle de décision. Un score isolé n’est pas une qualification.
Quelles preuves faut-il conserver ?
Au minimum : identité exacte de la réalisation, entrées et sorties, version du protocole, mesures, cas d’échec et règle de décision. Les métriques doivent distinguer retrieval, grounding, génération et comportement en absence de preuve.
AMF impose-t-il un modèle particulier ?
Non. AMF traite modèle, runtime, données, outils et composants déterministes comme des matériaux candidats. Leur conservation dépend de leur contribution mesurée et des contraintes déclarées.