RAG pour une mairie : une IA qui cherche avant de répondre

Le RAG fait chercher l’IA dans des documents choisis avant qu’elle rédige : la réponse s’appuie sur une source citée plutôt que sur la mémoire du modèle. Appliqué à une commune, les documents choisis sont ceux de la mairie, et la page source est donnée à l’habitant sous la réponse.

Mis à jour le . Par Thibaut Harang, fondateur de Civik-ia.Une IA a tenu le stylo, j’ai tenu la gomme. Préparé avec l’aide d’une IA, relu et signé par Thibaut Harang le 23/10/2026.

RAG est le sigle anglais de « retrieval-augmented generation », en français génération augmentée par récupération. La méthode a été décrite en 2020 par des chercheurs de Facebook AI Research, d’University College London et de New York University (Lewis et al., arXiv 2005.11401). La CNIL la cite parmi les façons de déployer une IA générative dans une organisation.

Pourquoi une IA sans recherche invente

Un modèle de langage écrit le texte le plus probable à partir de ce qu’il a lu pendant son entraînement. Il ne connaît ni les horaires de votre mairie, ni la date de la prochaine collecte des encombrants, ni le tarif de la cantine de cette année. Interrogé sans document, il peut produire une réponse plausible et fausse, sur le même ton qu’une réponse juste. La CNIL le rappelle dans ses questions-réponses sur l’IA générative : « Ces systèmes peuvent générer des résultats inexacts » (CNIL, 18 juillet 2024).

Pour une mairie, le risque est concret : un habitant qui suit une mauvaise information sur une démarche ou un délai peut perdre du temps, ou se présenter avec le mauvais dossier. Le RAG réduit ce risque en donnant au modèle les textes de la mairie et en lui demandant de s’y tenir.

Comment cela marche chez Marianne

  1. L’habitant pose sa question en français courant.
  2. La question est comparée aux fiches de la base de connaissances de la mairie : pages du site officiel, documents publiés, actes relus, fiches écrites à la main.
  3. Les six fiches les plus proches sont remises au modèle de langage, Mistral Small de Mistral AI.
  4. Le modèle rédige une réponse courte à partir de ces fiches seulement, avec la consigne de dire quand elles ne portent pas la réponse.
  5. La réponse part avec le lien de la page source.

Le modèle ne reçoit ni le nom ni le compte de l’habitant : il reçoit la question telle qu’elle a été écrite, les échanges précédents de la même conversation et les fiches publiques retrouvées.

Ce que le RAG ne garantit pas

La bonne fiche retrouvée ne fait pas une réponse juste

Deux mesures distinctes comptent. La première dit si la fiche qui porte la réponse figure parmi celles remises au modèle. La seconde dit si la réponse rédigée est juste. La première peut être bonne quand la seconde ne l’est pas.

Sur nos communes de test, les réponses fausses que nous relevons viennent le plus souvent de la rédaction, alors que la bonne fiche avait été retrouvée : le modèle prend un tarif d’une autre année, ou le téléphone d’un autre service. Le zéro réponse fausse est notre objectif, et chaque erreur relevée est corrigée puis remesurée.

La base ne vaut que sa source

Si le site de la mairie publie une information périmée, la réponse le sera aussi. Le RAG cite fidèlement une page fausse. La mise en service relève ces écarts et les signale à la mairie.

Une question hors de la base doit recevoir un refus

Quand aucune fiche ne porte la réponse, la bonne réponse dit que le site ne publie pas l’information et indique comment joindre la mairie. Les banques de test de Civik-ia contiennent des questions pièges de ce type, dont la seule réponse juste est ce refus.

Comment le mesurer avant d’ouvrir

Avant l’ouverture aux habitants, Civik-ia pose 300 questions de test et juge chaque réponse contre sa page source : juste, partielle, fausse, ou refus. Une banque de contrôle, écrite à part, vérifie que l’outil n’a pas été réglé pour les seules questions connues. Les agents de la mairie relisent les réponses, et la mesure est remise à la mairie avec la version de référence. Le détail des six étapes est sur la page prix. La méthode est détaillée sur la page tester un chatbot de mairie : constituer ses questions.

Cinq questions à poser à un fournisseur

  1. Quels documents l’IA lit-elle, et qui les choisit ?
  2. La réponse donne-t-elle la page source, et l’habitant peut-il l’ouvrir ?
  3. Combien de fiches sont remises au modèle, et que répond-il quand aucune ne porte la réponse ?
  4. Sur combien de questions de test la justesse est-elle mesurée, jugée contre quelle source, et la mesure est-elle remise à la mairie ?
  5. Quel modèle rédige, dans quelle version datée, et où calcule-t-il ?

Pour Marianne, les réponses sont sur cette page, sur la page IA souveraine pour mairie et sur la page du guichet citoyen IA. La démonstration permet de les vérifier sur une commune fictive, sans inscription.

Tester Marianne

Questions fréquentes

Qu’est-ce que le RAG ?

Le RAG fait chercher l’IA dans des documents choisis avant qu’elle rédige : la réponse s’appuie sur une source citée plutôt que sur la mémoire du modèle. Appliqué à une commune, les documents choisis sont ceux de la mairie, et la page source est donnée à l’habitant.

Quelle différence avec ChatGPT ?

Un assistant généraliste répond à partir de ce que son modèle a appris, sauf s’il va chercher des pages au moment de la question, et il ne sait pas quelles pages font foi pour votre commune. Un RAG municipal ne lit que les sources de la mairie, choisies et validées avant l’ouverture, et cite la page de chaque réponse.

Un RAG peut-il encore se tromper ?

Oui. Le modèle peut mal lire une fiche juste, par exemple prendre le tarif d’une autre année dans une fiche voisine. C’est pourquoi la justesse se mesure question par question avant l’ouverture, puis après chaque correction.

Le RAG convient-il à une petite commune ?

Oui, à condition que le site ou les documents de la commune contiennent les informations. Quand le site est mince ou ancien, une collecte des informations auprès de la mairie complète la base avant l’ouverture.

Que mesurer avant d’ouvrir un assistant aux habitants ?

Deux choses : la part des questions pour lesquelles la bonne fiche est retrouvée, et la part des réponses justes, jugées contre la page source. Les questions pièges, dont la réponse n’est pas sur le site, doivent recevoir un refus.

Quel modèle d’IA utilise Marianne ?

Mistral Small, de Mistral AI, société française, dans une version datée choisie par Civik-ia. Le serveur de Marianne est chez OVHcloud, en Allemagne ; le lieu de calcul du modèle n’est pas fixé par contrat.

Pour aller plus loin