Évaluation comparative de configurations de RetrievalAugmented Generation : application à un système conversationnel pour le monitoring énergétique des bâtiments
Files
Ooms_64002100_2026.pdf
Closed access - Adobe PDF
- 1.53 MB
Details
- Supervisors
- Faculty
- Degree label
- Abstract
- Ce travail de fin d’étude porte sur le développement et l’évaluation d’un système Retrieval-Augmented Generation (RAG). L’objectif est d’évaluer si l’ajout progressif de mécanismes d’amélioration à la phase de retrieval permet d’obtenir des réponses de meilleure qualité et plus faciles à comprendre. Pour cela, quatre configurations sont comparées sur un même corpus de données : Baseline, Boosted, Time-Aware et Hybride. Ces configurations sont évaluées à l’aide du framework RAGAS et d’une approche plus subjective via la méthode LLM-as-a-Judge, portant sur trois dimensions : la pertinence, l’exactitude factuelle et l’explicabilité perçue.