Qu'est-ce que le RAG exactement ?

Retrieval Augmented Generation. Une technique qui connecte un modèle d'IA à des documents externes. Quand on pose une question, le système cherche les passages les plus pertinents dans les documents et les injecte dans le prompt de l'IA pour qu'elle réponde avec le bon contexte.

Pourquoi le RAG ne suffit pas pour la culture d'entreprise ?

Parce que 80 % de la culture d'une entreprise n'est écrite nulle part. Le ton, les réflexes, le vocabulaire métier, les erreurs à ne pas faire — tout ça vit dans la tête des employés. Le RAG ne retrouve que ce qui est dans un document. Il ignore le reste.

L'Academy remplace-t-elle le RAG ?

Non. Les deux sont complémentaires. Le RAG est excellent pour la recherche documentaire (retrouver un contrat, une clause). L'Academy est meilleure pour la culture, le ton et les réflexes métier. L'idéal est d'avoir les deux — mais si vous devez choisir, l'Academy a plus d'impact.

Combien coûte un projet RAG en entreprise ?

Entre 50 000 et 500 000 € par an selon la taille. Infrastructure (base vectorielle), licences (Azure OpenAI, Pinecone), intégration (consultants), maintenance. Pour une PME, c'est souvent inaccessible.

Combien coûte l'Academy CodeMyShop ?

Incluse dans l'offre PaaS à 800 €/mois. Pas de coût supplémentaire pour l'infrastructure IA — tout est intégré. Le client crée ses modules, ses agents apprennent, et les employés suivent les mêmes cours.

Comment un agent IA "suit" un module Academy ?

L'agent s'inscrit comme un apprenant (type: agent). Il parcourt les leçons, intègre les takeaways dans son profil, et sa compréhension est trackée. Au bout de quelques modules, il utilise le vocabulaire métier du client dans ses réponses et ses analyses.

Qui écrit les modules Academy du client ?

Le client, aidé par l'IA. Le système propose une structure de module basée sur les données existantes (fiches produits, historique commandes, FAQ). Le client valide, ajuste le ton, ajoute son savoir tacite. C'est un travail collaboratif humain-IA.

Et si le client veut partir ?

Ses données lui appartiennent — code, base de données, modules Academy. Il peut tout exporter. Mais la calibration de ses agents (le fait qu'ils "pensent" comme son entreprise) ne se transfère pas. C'est du capital intellectuel vivant, pas un fichier exportable.

Non. Le RAG est une brique technique utile. Mais il est survalorisé. La majorité des projets RAG en entreprise produisent des résultats décevants parce qu'on attend d'un moteur de recherche qu'il comprenne une culture. C'est comme demander à Google de former vos employés.

Un e-commerçant solo a-t-il besoin de ça ?

Surtout lui. Un solo builder n'a pas d'employés à former. Mais il a des agents IA qui doivent comprendre son métier. L'Academy est la seule façon de transmettre son expertise à ses agents sans être présent 24h/24.

En quoi c'est différent de fine-tuner un modèle ?

Le fine-tuning modifie les poids du modèle — c'est cher, lent, et irréversible. L'Academy modifie le contexte — c'est gratuit, instantané, et ajustable. On n'entraîne pas un nouveau modèle, on forme un agent existant avec du contenu structuré.

Quel lien avec le Drill ?

L'Academy enseigne le savoir (théorie). Le Drill teste les réflexes (pratique). Un agent qui a suivi le module "Gérer les rush du matin" et qui passe une épreuve Drill simulant un rush réel sera meilleur que celui qui a juste lu les docs. C'est le Mouseîon — savoir + réflexe.

Les employés humains suivent les mêmes modules que les IA ?

Oui. Même contenu, même plateforme, même leaderboard. Un nouvel employé suit le module "Produits" en même temps que l'agent Ogilvy. Les deux apprennent la même chose — le vocabulaire, le ton, les erreurs à éviter. Zéro double effort.

Comment mesurer l'impact de l'Academy vs RAG ?

Demandez à votre IA "comment on parle à un client mécontent chez nous ?". Si elle vous sort un extrait de CGV, c'est du RAG. Si elle vous donne le ton exact, les mots-clés de votre marque et les erreurs à éviter, c'est de l'Academy.

C'est applicable hors e-commerce ?

Le principe est universel. Tout métier a du savoir tacite que le RAG ne capture pas. Un cabinet d'avocats, un restaurant, une agence immobilière — chacun a sa culture, son vocabulaire, ses réflexes. L'Academy les structure et les transmet. Le e-commerce est juste notre terrain de départ.

strategie

RAG vs Academy — pourquoi votre IA ne comprend pas votre métier

Le RAG retrouve des documents. L'Academy forme des agents. Pourquoi les grands groupes dépensent 500k€/an en RAG alors qu'une école interne coûte 800€/mois.

Publié le 29 mars 2026 Mis à jour le 4 avril 2026 7 min de lecture Alexandre Carette

Partager LinkedIn Facebook

Les grands groupes dépensent entre 50 000 et 500 000 € par an pour connecter leur IA à leurs documents internes. Ça s'appelle le RAG — Retrieval Augmented Generation. L'IA fouille dans les PDF, les wikis, les Slack, et recrache le bon paragraphe quand on lui pose une question. C'est du copier-coller intelligent. Et c'est exactement pour ça que leur IA ne comprend pas leur métier — elle le retrouve.

Comment fonctionne le RAG

Le RAG est la méthode standard en entreprise depuis 2023. Le principe est simple : vous prenez tous vos documents internes (PDF, Confluence, Sharepoint, emails, Slack), vous les découpez en morceaux de 500 mots, vous les transformez en vecteurs numériques (embeddings), et vous les stockez dans une base spécialisée (Pinecone, Weaviate, Qdrant). Quand un employé pose une question, l'IA cherche les morceaux les plus proches sémantiquement et génère une réponse basée sur ces extraits.

Ça marche. Un employé demande "quelle est notre politique de retour ?" et l'IA trouve le bon paragraphe dans les CGV. Mais posez-lui "comment on parle à un client mécontent chez nous ?" et elle vous sortira un extrait de manuel RH générique — pas le ton, pas les mots, pas la culture.

Aspect	RAG (standard)	Academy (notre approche)
Source de données	Documents bruts (PDF, Slack, wiki, emails)	Modules structurés (leçons, mentors, takeaway)
Apprentissage	Aucun — recherche à chaque question	Persistant — l'agent "a suivi" le module
Culture d'entreprise	Implicite (dispersée dans les docs)	Explicite (écrite, structurée, enseignée)
Coût annuel	50 000 — 500 000 € (infra + consultants)	9 600 €/an (inclus dans le PaaS)
Mise à jour	Re-indexer tous les documents	Ajouter une leçon
Résultat	L'IA retrouve l'info	L'IA pense comme l'entreprise

Le problème fondamental du RAG

Le RAG traite la connaissance d'entreprise comme un problème de recherche. Vous cherchez, vous trouvez, vous répondez. C'est la logique d'un moteur de recherche amélioré — pas d'un employé formé.

Quand vous embauchez un nouveau commercial, vous ne lui donnez pas accès à 10 000 PDF en lui disant "cherche". Vous le formez. Vous lui expliquez le produit, le ton, les objections courantes, les erreurs à ne pas faire. Vous lui racontez l'histoire de la boîte. Vous lui présentez les clients types. Au bout de 3 mois, il ne cherche plus — il sait.

Le RAG ne fait jamais ce chemin. À chaque question, l'IA repart de zéro. Elle n'a pas de mémoire de ce qu'elle a appris hier. Elle n'a pas intégré le vocabulaire métier. Elle n'a pas de réflexes. Elle cherche — elle ne sait pas.

L'Academy : former l'IA comme un employé

L'Academy prend le problème à l'envers. Au lieu d'indexer des documents bruts, on structure la connaissance en modules pédagogiques. Chaque module a un objectif, des leçons ordonnées, un mentor qui incarne la philosophie, et un takeaway par concept.

Concrètement, un client e-commerce qui vend des fruits secs n'a pas besoin que son IA fouille dans 200 fiches produits. Il a besoin que son IA sache :

Que les amandes de Californie et les amandes d'Espagne n'ont pas le même goût ni le même prix
Que les clients B2B commandent le mardi pour livraison le jeudi
Qu'on ne dit jamais "fruits secs" mais "fruits à coque et fruits séchés" (réglementation)
Que le rush c'est septembre-décembre (rentrée + Noël) et que janvier est mort
Qu'un client qui commande 3 fois sans réclamation devient "Gold" et obtient -5% automatique

Ce savoir ne vient pas d'un PDF. Il vient de 10 ans de métier. L'Academy le capture, le structure, et le transmet — aux employés humains ET aux agents IA. Le même module. Le même toit. C'est le Mouseîon.

Le MOAT invisible : plus le client utilise, plus il est captif

Voici le mécanisme que personne ne voit : chaque module Academy ajouté par le client calibre ses agents IA un peu plus. Au bout de 6 mois, son agent copywriting écrit exactement dans son ton. Son agent commercial connaît ses objections par cœur. Son agent SEO utilise le bon vocabulaire métier.

Si le client veut partir chez Shopify, il peut. Ses données lui appartiennent — souveraineté totale. Mais ses modules Academy, la calibration de ses agents, ses cicatrices du Drill — tout ça ne se transfère pas. C'est du capital intellectuel vivant. Shopify ne sait pas quoi en faire.

C'est le même mécanisme que Salesforce : plus vous configurez votre CRM, plus vous êtes captif. Sauf qu'ici, le lock-in n'est pas technique (vous avez le code) — il est intellectuel. Votre IA vous connaît. Recommencer ailleurs, c'est réembaucher un stagiaire.

Mois	Academy du client	Calibration des agents
Mois 1	3 modules de base (produit, ton, process)	Agents génériques — réponses correctes mais impersonnelles
Mois 3	8 modules (+ saisonnalité, objections, FAQ métier)	Agents calibrés — vocabulaire métier, ton ajusté
Mois 6	15 modules (+ retours clients, cas spéciaux, culture)	Agents experts — indistinguables d'un employé senior
Mois 12	25+ modules (l'Academy est le cerveau de l'entreprise)	Agents irremplaçables — le coût de changement est trop élevé

Pourquoi les grands groupes ne font pas ça

Trois raisons :

Ils ont déjà investi dans le RAG. Migrer vers un système structuré demande de réécrire la connaissance — pas juste de la ré-indexer. C'est un coût humain que les consultants ne recommandent pas (ils vendent du RAG).
Structurer la connaissance est dur. Écrire un module Academy demande de réfléchir à ce qu'on sait vraiment, de le formuler clairement, de le séquencer. C'est un exercice intellectuel que la plupart des entreprises évitent — elles préfèrent jeter leurs PDF dans un index et espérer.
Ils ne pensent pas "école" — ils pensent "outil". Le RAG est un outil technique. L'Academy est un acte pédagogique. La différence, c'est l'intention. Un outil cherche. Une école forme.

Le RAG n'est pas inutile

Précision importante : le RAG a sa place. Pour de la recherche documentaire pure (retrouver un contrat, une clause, une spécification technique), le RAG est imbattable. Il fait en 2 secondes ce qu'un humain fait en 20 minutes.

Mais pour la culture d'entreprise, le ton, les réflexes métier, le savoir tacite — le RAG est aveugle. Il retrouve ce qui est écrit. Il ignore ce qui ne l'est pas. Et 80 % de la culture d'une entreprise n'est écrite nulle part.

L'Academy force à écrire ce qui ne l'est pas. C'est son premier bénéfice — avant même que l'IA ne la lise.

Source : Selon le rapport Gartner "Hype Cycle for AI in the Enterprise" (2024), 85 % des projets RAG en entreprise échouent à produire des réponses satisfaisantes sur des questions de culture, de ton ou de process métier. La raison principale : les documents indexés ne contiennent pas le savoir tacite.

Ce que ça change pour un e-commerçant

Vous êtes un e-commerçant avec 5 employés et 2 000 produits. Vous n'avez pas 200 000 € pour un projet RAG. Vous n'avez pas de département IT. Vous avez un site, des clients, et du savoir dans la tête.

Avec l'Academy CodeMyShop, vous écrivez vos modules (ou l'IA vous aide à les écrire depuis vos données). Vos agents apprennent votre métier. Vos nouveaux employés suivent les mêmes modules. Et quand un client pose une question à 23h, l'agent qui répond parle comme vous — pas comme un chatbot générique.

C'est la démocratisation du RAG, mais en mieux. Pas une recherche dans vos docs — une formation de vos agents.

Découvrir l'Academy — gratuit

Sources

Lewis, P. et al. (2020). "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" — Facebook AI Research
Gartner (2024). "Hype Cycle for Artificial Intelligence" — rapport annuel
Documentation interne : L'Academy — modules pédagogiques gratuits
Documentation interne : Le Mouseîon — humains et IA s'entraînent ensemble
Documentation interne : Le Drill — page publique des résultats

Articles dans le même univers

Questions fréquentes

Tout ce que vous devez savoir sur ce sujet.

: Retrieval Augmented Generation. Une technique qui connecte un modèle d'IA à des documents externes. Quand on pose une question, le système cherche les passages les plus pertinents dans les documents et les injecte dans le prompt de l'IA pour qu'elle réponde avec le bon contexte.
: Parce que 80 % de la culture d'une entreprise n'est écrite nulle part. Le ton, les réflexes, le vocabulaire métier, les erreurs à ne pas faire — tout ça vit dans la tête des employés. Le RAG ne retrouve que ce qui est dans un document. Il ignore le reste.
: Non. Les deux sont complémentaires. Le RAG est excellent pour la recherche documentaire (retrouver un contrat, une clause). L'Academy est meilleure pour la culture, le ton et les réflexes métier. L'idéal est d'avoir les deux — mais si vous devez choisir, l'Academy a plus d'impact.
: Entre 50 000 et 500 000 € par an selon la taille. Infrastructure (base vectorielle), licences (Azure OpenAI, Pinecone), intégration (consultants), maintenance. Pour une PME, c'est souvent inaccessible.
: Incluse dans l'offre PaaS à 800 €/mois. Pas de coût supplémentaire pour l'infrastructure IA — tout est intégré. Le client crée ses modules, ses agents apprennent, et les employés suivent les mêmes cours.
: L'agent s'inscrit comme un apprenant (type: agent). Il parcourt les leçons, intègre les takeaways dans son profil, et sa compréhension est trackée. Au bout de quelques modules, il utilise le vocabulaire métier du client dans ses réponses et ses analyses.
: Le client, aidé par l'IA. Le système propose une structure de module basée sur les données existantes (fiches produits, historique commandes, FAQ). Le client valide, ajuste le ton, ajoute son savoir tacite. C'est un travail collaboratif humain-IA.
: Ses données lui appartiennent — code, base de données, modules Academy. Il peut tout exporter. Mais la calibration de ses agents (le fait qu'ils "pensent" comme son entreprise) ne se transfère pas. C'est du capital intellectuel vivant, pas un fichier exportable.
: Non. Le RAG est une brique technique utile. Mais il est survalorisé. La majorité des projets RAG en entreprise produisent des résultats décevants parce qu'on attend d'un moteur de recherche qu'il comprenne une culture. C'est comme demander à Google de former vos employés.
: Surtout lui. Un solo builder n'a pas d'employés à former. Mais il a des agents IA qui doivent comprendre son métier. L'Academy est la seule façon de transmettre son expertise à ses agents sans être présent 24h/24.
: Le fine-tuning modifie les poids du modèle — c'est cher, lent, et irréversible. L'Academy modifie le contexte — c'est gratuit, instantané, et ajustable. On n'entraîne pas un nouveau modèle, on forme un agent existant avec du contenu structuré.
: L'Academy enseigne le savoir (théorie). Le Drill teste les réflexes (pratique). Un agent qui a suivi le module "Gérer les rush du matin" et qui passe une épreuve Drill simulant un rush réel sera meilleur que celui qui a juste lu les docs. C'est le Mouseîon — savoir + réflexe.
: Oui. Même contenu, même plateforme, même leaderboard. Un nouvel employé suit le module "Produits" en même temps que l'agent Ogilvy. Les deux apprennent la même chose — le vocabulaire, le ton, les erreurs à éviter. Zéro double effort.
: Demandez à votre IA "comment on parle à un client mécontent chez nous ?". Si elle vous sort un extrait de CGV, c'est du RAG. Si elle vous donne le ton exact, les mots-clés de votre marque et les erreurs à éviter, c'est de l'Academy.
: Le principe est universel. Tout métier a du savoir tacite que le RAG ne capture pas. Un cabinet d'avocats, un restaurant, une agence immobilière — chacun a sa culture, son vocabulaire, ses réflexes. L'Academy les structure et les transmet. Le e-commerce est juste notre terrain de départ.

Un projet PrestaShop ?

Discutons-en directement.

★★★★★

193 projets livrés

Alexandre Carette

Expert PrestaShop & Architecture E-commerce

Développeur PrestaShop freelance avec 10 ans d'expérience et 193 projets livrés. Je conçois des architectures headless Nuxt + PrestaShop, des pipelines DevOps Docker/CI-CD et des outils d'automatisation IA pour mes clients e-commerce.

contact@alexandrecarette.fr ← Tous les articles

Discussion

Cluster Sémantique

Voir tous les articles

strategie

Ouroboros destructeur vs informationnel : éviter le model collapse IA

Le model collapse menace toute IA qui se nourrit de son propre contenu. L'Ouroboros informationnel transforme cette boucle en spirale ascendante. Comparaison technique, garde-fous, architecture.