> ## Documentation Index
> Fetch the complete documentation index at: https://docs.hiperai.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Bases de connaissances et RAG

# Bases de connaissances et système RAG

SecureAI utilise la **Retrieval-Augmented Generation (RAG)** pour connecter les modèles d'IA à vos données et documents privés, garantissant ainsi des réponses sécurisées, précises et contextuelles.

***

## Qu'est-ce que RAG ?

**Retrieval-Augmented Generation (RAG)** est une technique d'IA qui combine des modèles de langage avec des sources de connaissances externes. Au lieu de vous fier uniquement aux données pré-entraînées du modèle :

1. **Traitement des requêtes** : le système analyse l'invite de l'utilisateur pour identifier les exigences de connaissances pertinentes.
2. **Récupération de connaissances** : la recherche sémantique récupère les morceaux de documents pertinents de votre index.
3. **Augmentation du contexte** : le contexte récupéré est injecté dans l'invite du modèle.
4. **Génération de réponse** : l'IA génère une réponse factuelle et fondée citant vos documents.

***

## Types d'index dans SecureAI

Les index sont des bases de connaissances structurées classées par accessibilité :

| Type d'index          | Portée                        | Accès et confidentialité                                                                                       | Idéal pour                                                                     |
| --------------------- | ----------------------------- | -------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------ |
| **Index personnels**  | Utilisateur individuel        | Chiffré de bout en bout ; stockage sans connaissance (même les administrateurs ne peuvent pas lire le contenu) | Notes personnelles, recherches privées, documents de projets individuels       |
| **Indices de groupe** | Équipes / Départements        | Accès basé sur les rôles contrôlé par l'appartenance au groupe                                                 | Wikis du département, documentation du projet d'équipe, SOP partagées          |
| **Indices mondiaux**  | À l’échelle de l’organisation | Accès en lecture pour tous les utilisateurs de l'entreprise                                                    | Politiques de l'entreprise, directives RH, manuels à l'échelle de l'entreprise |

### 1. Index personnels

* **Zero-Knowledge Privacy** : Vos fichiers et conversations sont cryptés avec des clés de locataire/utilisateur.
* **Création** :
  * **Utilisateurs** : ouvrez l'interface de discussion, cliquez sur le sélecteur d'index à côté du sélecteur de modèle, passez à l'onglet *Personnel* et cliquez sur **+**.
  * **Administrateurs** : Allez dans **Admin ? Gestion des indices ? Créez un index** et attribuez-le à un utilisateur spécifique.

### 2. Index de groupe

* **Collaboration** : plusieurs membres de l'équipe peuvent interroger et contribuer à des documents à la même base de connaissances.
* **Création** :
  * Allez dans **Admin ? Gestion de groupe ? Créez un groupe**, attribuez des membres et associez un index de groupe partagé.

### 3. Indices mondiaux

* **Normes à l'échelle de l'entreprise** : référentiels centralisés pour la conformité de l'entreprise, les termes juridiques et les directives opérationnelles.
* **Création** : Allez dans **Admin ? Gestion des indices ? Créez un index** et définissez la portée sur **Global**.

***

## Comment fonctionne l'indexation

Lorsque vous téléchargez des fichiers (PDF, documents Word, CSV, JSON, Markdown ou texte brut) :

`Document brut --?  Extraction de texte --?  Chunking sémantique --?  Incorporations vectorielles --?  Stockage vectoriel (index)`

1. **Traitement des documents** : le texte et les métadonnées (horodatages, noms de fichiers) sont extraits et nettoyés.
2. **Chunking** : le contenu est divisé en morceaux sémantiques optimisés avec chevauchement pour maintenir la continuité contextuelle.
3. **Génération d'intégration** : les morceaux sont convertis en intégrations vectorielles de grande dimension.
4. **Stockage vectoriel** : les intégrations sont stockées dans des bases de données vectorielles hautes performances pour une récupération instantanée des similarités.

***

\## meilleures pratiques

* **Nom** : utilisez des noms clairs et descriptifs pour les index et les fichiers téléchargés (par exemple, HR-Policy-2026 au lieu de doc1).
* **Préparation du fichier** : assurez-vous que les documents téléchargés contiennent du texte clair ; nettoyez les analyses de mauvaise qualité avant de les télécharger.
* **Limites de fichiers** : les téléchargements standard prennent en charge des fichiers jusqu'à 10 Mo par lot.
* **Portée appropriée** : Conservez des notes personnelles sensibles dans les index personnels ; déplacer les ressources de l’équipe vers les index de groupe.