RAG en finance : pourquoi la recherche documentaire échoue sur les chiffres
Un RAG retrouve bien un paragraphe. Il se trompe sur un montant. La différence n'est pas dans le modèle : elle est dans la manière dont on traite les chiffres comme des données, et non comme du texte.
Le scénario est classique. Une équipe met en place une recherche augmentée sur un corpus financier : rapports annuels, notes de synthèse, procès-verbaux de comité. Les démonstrations sont convaincantes : on pose une question, on obtient un paragraphe pertinent, avec sa source. Puis quelqu'un demande un montant précis, et la réponse est fausse — ou pire, plausible et fausse.
Ce n'est pas un défaut du modèle. C'est un défaut de conception : un chiffre n'est pas un texte. Il a une unité, une période, une devise, un périmètre, et parfois une version. Le traiter comme une chaîne de caractères garantit qu'on finira par le confondre avec un autre.
Les quatre causes d'erreur sur les chiffres
1. La proximité sémantique n'est pas la justesse
Un moteur de recherche vectoriel rapproche « marge brute 2025 » de « marge brute 2024 ». Les deux passages se ressemblent, et le modèle peut citer le mauvais. La similarité mesure la forme, pas la validité.
2. Les chiffres voyagent sans leur contexte
« 12,4 » ne veut rien dire seul. C'est 12,4 millions ou milliards ? En euros ou en dollars ? Sur douze mois ou sur un trimestre ? Le découpage en morceaux de texte sépare souvent le montant de son unité.
3. Les tableaux sont mal lus
Un tableau extrait en texte perd ses en-têtes, ses colonnes et ses alignements. Le modèle lit une suite de nombres sans savoir à quoi ils correspondent.
4. Les versions se mélangent
Un corpus contient souvent un rapport provisoire et sa version définitive. Sans métadonnée de version, les deux sont également pertinents — et la réponse peut citer la version périmée.
Un chiffre ne doit jamais être récupéré par recherche sémantique. Il doit être lu dans une source structurée, avec sa période, son unité et sa version. Le RAG sert à trouver le contexte ; il ne doit pas servir à trouver le montant.
L'architecture qui tient
La séparation est simple : d'un côté le texte, de l'autre les chiffres. La recherche sémantique identifie le passage pertinent et la question posée. Les montants, eux, sont interrogés dans une base structurée, avec des filtres explicites : période, entité, devise, version.
La réponse finale assemble les deux : un raisonnement issu du texte, des montants issus de la donnée. Et chaque montant porte sa source : la table, la ligne, la date d'extraction.
Trois contrôles à poser avant la production
- Le contrôle de cohérence : la somme des composants doit égaler le total. Si ce n'est pas le cas, la réponse est refusée, pas nuancée.
- Le contrôle de version : le document cité doit être la version en vigueur à la date de la question.
- Le contrôle de couverture : si la question porte sur une période absente du corpus, la réponse doit dire « je ne sais pas », pas extrapoler.
« Un assistant qui se trompe de montant avec assurance est plus dangereux qu'un assistant qui avoue ne pas savoir. »
Ce qu'il faut retenir
Le RAG est un excellent outil pour retrouver du contexte. Il est un mauvais outil pour retrouver des chiffres. Les projets qui réussissent en finance ne sont pas ceux qui ont le meilleur modèle : ce sont ceux qui ont refusé de traiter un montant comme une phrase.
Retour aux articles