Guide · Débutants
Préparer ses documents pour des réponses précises
Formats, structure, doublons, priorités de corpus — les bonnes pratiques qui font la différence sur la qualité des réponses.
La qualité d’un assistant documentaire dépend d’abord de ses documents. Voici ce qui compte vraiment, compte tenu du fonctionnement d’EasyRag.
Comprendre ce que fait l’indexation
EasyRag extrait le texte de chaque document, le découpe en extraits d’environ 400 mots (avec un léger chevauchement), ajoute à chaque extrait une phrase de contexte sur le document, puis l’indexe à la fois pour la recherche sémantique et pour la recherche plein texte.
Conséquence : un extrait doit pouvoir se comprendre à peu près seul. Les documents bien structurés donnent de meilleurs extraits.
Choisir les bons formats
| Situation | Recommandation |
|---|---|
| Document Word ancien (.doc) | Enregistrez-le en .docx : le format .doc n’est pas pris en charge |
| Tableur ancien (.xls) ou OpenDocument | Convertissez en .xlsx ou en CSV |
| PDF issu d’un scanner | Il nécessite l’OCR (clé Mistral OCR) ; à défaut, préférez la version texte d’origine |
| Présentation très visuelle | Ajoutez le texte essentiel dans les notes ou fournissez un document texte complémentaire |
| Vidéo de formation | Elle peut être transcrite (clé de transcription requise) ; un support écrit reste plus fiable |
Structurer le contenu
- Des titres explicites. Les titres de section sont repérés et aident à situer chaque extrait.
- Une idée par paragraphe. Évitez les blocs de texte de plusieurs pages sans intertitre.
- Les définitions près de leur usage. Un sigle défini en page 1 et utilisé en page 40 sera mal compris dans l’extrait de la page 40.
- Des tableaux simples. Les tableaux très imbriqués perdent leur structure à l’extraction.
Éviter les contradictions
Deux versions d’une même procédure dans le même corpus produiront des réponses incohérentes.
- Retirez les versions obsolètes, ou
- placez-les dans un corpus distinct de priorité plus faible : en cas de contradiction, la source du corpus prioritaire (priorité 1 = la plus haute) l’emporte.
Organiser les corpus
Un corpus par domaine ou par niveau d’autorité facilite :
- la priorisation (textes officiels avant documents explicatifs) ;
- la réutilisation d’un même corpus par plusieurs assistants ;
- les droits de consultation et de téléchargement des sources, réglés par corpus.
Vérifier avant de publier
- Utilisez la recherche de test du corpus sur vos dix questions les plus fréquentes.
- Testez l’assistant sur ces mêmes questions et vérifiez chaque citation.
- Après publication, la supervision (licence Pro) révèle les questions restées sans réponse : c’est la liste des documents à écrire ou à compléter.