Méthode
Un pipeline construit pour ne pas inventer
01 Lire → PDF, Google Docs, pages web, textes existants
02 Relier → passages enrichis, entités, relations, sources et dates
03 Ancrer → silence plutôt qu'invention : seuil de refus
04 Valider → un humain tranche, via le wiki de curation
05 Connecter → Claude, votre site, vos outils
Le seuil de refus
Chaque fragment récupéré reçoit un score entre 0 et 1. En dessous du seuil configuré, il est écarté automatiquement. Le modèle ne reçoit que ce qui dépasse le seuil.
Fragment A ████████████████████ 0.84 ✓
Fragment B ████████████ 0.61 ✓
Fragment C ███████ 0.38 ✗ ← écarté
Seuil par défaut : 0.50
Sources d'ingestion
| Source | Fonctionnement |
|---|---|
| Google Drive | Synchronisation automatique par webhook, mise à jour à chaque modification |
| Upload direct | PDF, Markdown, TXT, JSON |
| Adresses web | Lecture d'une page à partir de son adresse |
| Claude (MCP) | Claude peut ajouter du contenu à votre corpus, avec votre confirmation |
Performance
| Opération | Temps |
|---|---|
| Recherche sémantique | 100 à 300 ms |
| Réponse RAG complète | 2 à 8 secondes |
Stack technique
| Composant | Rôle |
|---|---|
| Next.js | Interface et routes d'API |
| Qdrant | Base vectorielle, recherche sémantique |
| PostgreSQL + Prisma | Données utilisateurs et corpus |
| Neo4j | Graphe de relations (GraphRAG) |
| OVH AI Endpoints | Embeddings (Qwen3-Embedding-8B) et modèle par défaut (gpt-oss-20b) |
| Docker | Infrastructure conteneurisée |
| OVH Cloud | Hébergement en France |
GraphRAG
En complément de la recherche vectorielle, retriv intègre une couche GraphRAG via Neo4j.
Vous déposez une ontologie, le lexique de votre organisation, dans votre corpus. retriv en extrait les entités et les relations, les stocke dans Neo4j, et les croise avec les passages retrouvés à chaque requête.
Ce que ça apporte :
- Des réponses multi-hop (A est lié à B qui est lié à C)
- Un chemin de preuve visible dans les sources
- Une cohérence relationnelle sur des corpus complexes
→ Voir GraphRAG pour le détail.
Modèles disponibles
| Modèle | Hébergement | Usage recommandé |
|---|---|---|
| gpt-oss-20b | OVH, France | Usage général, par défaut |
| Mistral Small | France | Données sensibles |
| DeepSeek V3 | Chine | Coût minimal |
| Claude Haiku et Sonnet | États-Unis | Qualité élevée |
Le modèle par défaut est hébergé en France. Si vous choisissez un modèle externe dans le chat, votre question et les passages cités lui sont transmis.