RAG Is Simpler Than You Think
L'auteur constate que beaucoup d'équipes surcomplexifient leurs systèmes de recherche en passant directement aux embeddings alors que la recherche textuelle classique suffit souvent. Il propose cinq facteurs clés pour choisir une approche : fraîcheur des données, caractéristiques du corpus, types de requêtes, volume et performances, et compétences de l'équipe. La recommandation initiale est d'implémenter BM25/Elasticsearch/Postgres full-text et d'ajouter une réécriture des requêtes par LLM avant de considérer des embeddings. Quand les embeddings sont nécessaires, il décrit trois architectures — à la volée, tiers hot/cold et pré-embeddings — en soulignant les compromis de coût, latence, complexité de chunking et risques liés à la dépréciation des modèles. Sa feuille de route pragmatique : mesurer une baseline, tester la réécriture de requêtes, puis adopter un hybride ou du pré-embedding seulement si l'usage et les données le justifient, car la majorité des cas s'arrêtent au full-text plus réécriture.