OpenClassrooms · P7 · Projet validé
Retrouver des événements avec un RAG
Relier une demande en langage naturel à un corpus d’événements, puis évaluer les réponses.
Question→Recherche→Réponse
Le travail réalisé
Permettre à un utilisateur de trouver des événements culturels en langage naturel, en reliant un modèle de langage à une base d’informations événementielles.
- Pipeline LangChain/LCEL, embeddings Mistral, recherche FAISS et génération avec Mistral ; distinction entre conversation simple et recherche documentaire.
- API FastAPI et frontend React/TypeScript ; persistance des sessions PostgreSQL et monitoring, ajoutés au-delà du minimum demandé selon le jury.
Les résultats disponibles
- Le fichier du 16 janvier 2026 contient 12 questions : 9 requêtes RAG et 3 conversations. Latence moyenne enregistrée : 2,412 s ; couverture moyenne de mots-clés : 0,815.
- ragas_scores est vide. Les deux questions temporelles ont une couverture moyenne de 0,5. La présence de mots-clés ne garantit ni exactitude ni fidélité à la source.
Résultats et retours conservés dans l’audit du 9 octobre 2026. Ils n’ont pas été reproduits lors de la préparation de ce portfolio.
Ce que j’en retiens
La qualité d’un RAG dépend aussi de la fraîcheur des données et de la recherche : citer une source ne suffit pas à rendre une réponse correcte.
Limites et pistes d’amélioration
- Échantillon d’évaluation réduit ; pas de mesure générale établie d’hallucinations, de rappel du retrieval ou de qualité humaine.
- Les résultats enregistrés ne prouvent pas la latence actuelle du service, ni sa capacité sous charge.