ÉTUDE DE CAS 02 / GÉNÉRATION AUGMENTÉE PAR RECHERCHE
University AI Assistant.
Une interface conversationnelle pour explorer des documents sur l’adoption de l’IA dans les universités, grâce à une chaîne PDF et RAG.
Développement en IA appliquée
Dépôt public · Projet académique
Documents · Découpage LangChain
Embeddings locaux · Chroma
Question + contexte retrouvé
Interface Streamlit · Documents sur l’IA à l’université
Le problème
Les documents sur l’adoption de l’IA dans l’enseignement supérieur contiennent des recommandations utiles, mais retrouver un passage pertinent peut prendre du temps. Ce projet explore une interface en langage naturel pour interroger ces documents.
Il porte sur l’adoption de l’IA par les universités ; ce n’est ni un service d’admission ni un système de gestion des dossiers étudiants.
Contexte & rôle
J’ai développé un projet d’IA appliquée réunissant ingestion documentaire, recherche, génération de réponses et interface Streamlit. Une fonctionnalité distincte d’évaluation d’un profil universitaire complète l’assistant documentaire.
La solution
Le texte des PDF est découpé en segments de 1 000 caractères avec un chevauchement de 200 caractères. Ollama exécute localement le modèle d’embeddings nomic-embed-text et Chroma stocke les vecteurs obtenus.
Pour chaque question, la chaîne récupère les trois segments les plus pertinents et transmet ce contexte à un modèle de langage hébergé par Groq, via LangChain. Streamlit fournit l’interface.
Un composant Random Forest optionnel évalue un profil universitaire. Cette fonctionnalité complémentaire est séparée du parcours de recherche documentaire.
Choix techniques
Le chevauchement conserve une partie du contexte entre les segments. La recherche vectorielle sélectionne les passages à transmettre au modèle au lieu d’envoyer tous les documents pour chaque question.
Les embeddings sont calculés localement avec Ollama, tandis que les réponses sont générées via Groq. L’architecture est donc hybride : l’assistant complet ne fonctionne pas entièrement hors ligne.
Éléments présentés
Le dépôt public contient l’application dans PROJET/app.py et la documentation dans PROJET/README.md. Le schéma explique l’architecture ; il ne s’agit pas d’une capture de l’application.
Le code source permet d’examiner les étapes d’ingestion documentaire, de recherche et de génération des réponses.
Limites
Les réponses dépendent des PDF, des passages retrouvés et du modèle de langage. L’interface ne dispose actuellement ni de citations de sources implémentées dans les réponses ni de mémoire conversationnelle.
Une mise en service demanderait un jeu d’évaluation et un travail supplémentaire sur l’ancrage documentaire, la gestion des erreurs et l’actualisation des documents. Les réponses générées doivent être vérifiées dans les sources.
Explorer le projet
Le lien vers le code ouvre le dépôt University AI Assistant, avec l’application Streamlit et sa documentation d’installation.