RAG augmenté pour la R&D

Contexte et objectifs

Construire un outil d’IA générative de niveau production pour la veille concurrentielle sur les moteurs d’avion, à partir des données publiques d’incidents de vol (BEA, NTSB, FAA, EASA, etc.), hors de portée d’un RAG classique.

Le défi : un vaste ensemble de données publiques fragmentées.

• Huit types de documents : rapports d’incidents, brevets, rapports sur la concurrence, articles de presse, consignes de sécurité, recherche académique, fiches de certificat de type et recherche générale.
• Des données hétérogènes et bruitées : texte libre, multilingue, grands volumes. Un RAG classique manque de précision et d’exhaustivité.
• Un besoin à fort enjeu : les équipes R&D, audit et sécurité des vols ont besoin de réponses fiables et auditables.

Résultats

En production dans le cloud souverain du client : les ingénieurs effectuent des requêtes exhaustives et auditables, avec citations, et le pipeline d’ingestion enrichit la base de connaissances de façon autonome.

Notre approche

Une architecture RAG avancée combinant un graphe de connaissances et une recherche agentique :

• Un graphe de connaissances aligné sur la taxonomie d’ingénierie : 88 étiquettes structurées et plus de 80 champs par document.
• Un pipeline d’ingestion hybride : des LLM et du NLP classique alimentent le graphe automatiquement et à grande échelle.
• Une recherche agentique : des requêtes par étiquettes de niveau SQL sur le graphe, qui produisent des listes exhaustives avec citations.