Un RAG local qui
tient vraiment la route

Quelle est la différence avec le kit IA Locale, qui a déjà un chapitre RAG ?

Le kit IA Locale (Ch.8) t'installe un RAG clic-bouton dans AnythingLLM ou Open WebUI — glisser un PDF, poser une question, ça marche pour un usage occasionnel. Ce kit commence là où ce chapitre s'arrête : chunking mesuré, embeddings français comparés, index vectoriel qui tient à l'échelle, recherche hybride, reranking, et surtout une méthode pour vérifier que ton RAG répond juste — pas juste qu'il répond. Aucun contenu du Ch.8 n'est réexpliqué ici, seuls les réglages avancés et les briques absentes du clic-bouton le sont.

Quelle est la différence avec les 7 guides RAG gratuits du site ?

Les guides gratuits de QuelLLM.fr couvrent chaque brique séparément (ChromaDB seul, chunking seul, hybride BM25 seul, Zotero seul…). Le kit assemble le pipeline complet dans l'ordre (ingestion → chunking → embeddings → index → hybride → reranking → génération → citation → mesure), relie ce que chaque guide isolé ne relie pas, et fournit les 20 fichiers (scripts, gabarits, comparatifs) testés qu'aucun guide isolé ne donne — c'est l'assemblage et les scripts qui se paient, pas l'information de base.

Il faut savoir coder en Python pour suivre ce kit ?

Python 3.10+ est utile et te sert pour la majorité des chapitres (Ch.4 à Ch.12) — les scripts sont fournis, à adapter, pas à écrire de zéro. Le Chapitre 13 (Open WebUI Knowledge, AnythingLLM en réglages avancés) reste accessible sans écrire une ligne de code. Ce kit suppose une aisance avec une ligne de commande ; si tu pars de zéro sur l'IA locale, commence par le kit IA Locale.

Combien de temps pour un premier résultat concret ?

Le Chapitre 1 donne 3 quick wins de moins de 30 minutes chacun, applicables sur un RAG déjà en place (audit express, changement d'embedder en une commande, citation vérifiable exigée) — tu repars avec une amélioration mesurable avant même d'attaquer le pipeline complet. Construire un pipeline complet sur ton propre corpus (Parties 2 à 4) prend plusieurs sessions, pas une heure.

Ça marche sur quelle machine ?

Deux profils d'ancrage, nommés à chaque exemple : un PC avec 8 à 16 Go de VRAM (le modèle de génération recommandé change selon la borne), ou un Mac Apple Silicon avec 24 Go de mémoire unifiée. Dans un RAG, le goulot n'est presque jamais la génération mais l'ingestion (OCR, embeddings) et la taille de l'index — les deux profils couvrent l'essentiel des configurations pro/dev réelles.

Mes documents restent-ils confidentiels ?

C'est tout le principe : le pipeline (ingestion, embeddings, index, génération) tourne entièrement sur ta machine, rien ne part vers un tiers. Le Chapitre 15 aborde spécifiquement ce que ça change pour un corpus de mails ou de documents sensibles. Pour un déploiement multi-utilisateurs en entreprise (RGPD, AI Act, architecture serveur), c'est le kit IA Locale en Entreprise (quelllm.fr/kit-ia-entreprise), pas celui-ci.

Le kit couvre-t-il les agents ou l'automatisation ?

Le Chapitre 12 montre le RAG utilisé comme outil par un agent minimal (un agent, deux outils) — juste assez pour comprendre le principe, avec un renvoi explicite vers le kit Agents Locaux (quelllm.fr/kit-agents-locaux) pour l'orchestration multi-étapes, MCP ou n8n. Ce n'est pas le sujet de ce kit.

Et si ça ne me convient pas après achat ?

Satisfait ou remboursé pendant 30 jours, un email suffit, sans justification — comme sur tous les kits QuelLLM.

C'est livré comment, et pour combien de temps ?

Accès immédiat après paiement : ton espace en ligne à vie (toujours la dernière édition) + le PDF et le zip des 20 fichiers à télécharger, à toi pour toujours. Les mises à jour futures (nouveaux embedders, nouvelles bases vectorielles, frameworks qui évoluent) apparaissent dans ton espace sans rien repayer.

Puis-je avoir une facture ?

Oui. Le paiement passe par Stripe : reçu par email immédiat, facture sur simple demande en répondant à l'email de confirmation. TVA non applicable, art. 293 B du CGI.

Le kit reste-t-il à jour ? Les bases vectorielles et frameworks RAG évoluent vite.

C'est le principe des mises à jour à vie : quand un embedder change de statut, qu'une base vectorielle mûrit ou qu'un framework casse une compatibilité, l'édition suit — comme pour les autres kits QuelLLM. Le Chapitre 16 explique aussi comment vérifier toi-même la fraîcheur d'un fait cité entre deux éditions.

Et si je veux plusieurs kits QuelLLM ?

Le bundle « tous les kits, à vie » regroupe tous les kits actuels et futurs pour 49 €. Si tu as déjà acheté un kit à 24 €, l'upgrade vers le bundle te coûte 25 €, pas 49 € — le coupon s'applique automatiquement.