Évaluation comparative de configurations de RetrievalAugmented Generation : application à un système conversationnel pour le monitoring énergétique des bâtiments

(2026)

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.