🧠 Assistant IA Métier – Architecture RAG (POC)

📌 Présentation du projet

Ce projet est un Proof of Concept (POC) d’un assistant conversationnel intelligent basé sur l’architecture RAG (Retrieval-Augmented Generation).

L’objectif est de permettre aux collaborateurs d’interroger la base de connaissances interne de l’entreprise (procédures, guides, politiques RH, documents métiers) de manière :

• intuitive
• sécurisée
• fiable (sans hallucinations)

---

✨ Fonctionnalités principales

🔍 Recherche sémantique

• Compréhension du langage naturel
• Pas besoin de correspondance exacte de mots-clés

🧠 Maîtrise de l’information

• Les réponses sont strictement limitées au contenu des documents fournis
• Réduction drastique des risques d’hallucination du LLM

📚 Citations des sources

• Chaque réponse inclut :

  • le document source
  • le numéro de page

⬇️ Accès aux documents

• Téléchargement direct du document PDF depuis l’interface utilisateur

---

🏗️ Architecture technique

📄 Ingestion & préparation des documents

• Chargement des PDF via PyPDFLoader

• Découpage intelligent avec RecursiveCharacterTextSplitter

  • Taille des chunks : 1500 caractères

🧩 Base vectorielle

• ChromaDB pour le stockage des embeddings
• Embeddings générés via HuggingFace

🤖 Modèle de langage (LLM)

• Llama 3.1
• Hébergé sur l’infrastructure Groq Cloud
• Génération rapide et performante

---

⚙️ Prérequis système

Avant de commencer, assurez-vous d’avoir :

• Python 3.9 ou supérieur
• Git
• Un compte Groq Cloud 👉 https://console.groq.com/home

🔑 Variable d’environnement requise

GROQ_API_KEY=votre_cle_api

---

🚀 Installation

1️⃣ Cloner le repository

git clone https://github.com/------/Assistant_IA.git
cd Assistant_IA

2️⃣ Créer et activer un environnement virtuel

python -m venv env
env\Scripts\activate   # Windows
# source env/bin/activate  # Linux / Mac

3️⃣ Installer les dépendances

pip install -r requirements.txt

---

📁 Structure du projet

Assistant_IA/
├── app/                     # Interface utilisateur (Streamlit)
│   └── chat.py
│
├── chroma_db/               # Base vectorielle (générée automatiquement)
│
├── ingestion/               # Pipeline d’ingestion des documents
│   ├── __init__.py
│   ├── load_docs.py         # Chargement des PDF
│   ├── chunking.py          # Découpage du texte
│   └── embed_store.py       # Génération et stockage des embeddings
│
├── rag/                     # Logique RAG
│   ├── __init__.py
│   ├── retriever.py         # Recherche vectorielle
│   └── generator.py         # Génération de réponse (Groq API)
│
├── Data/
│   └── Documents/           # Sources PDF
│
├── .env                     # Variables d’environnement (non versionné)
├── .env.example             # Modèle de configuration
├── .gitignore
├── main.py                  # Chaîne complète d’ingestion
└── requirements.txt         # Dépendances Python

---

🧪 Génération de la base vectorielle

Après avoir ajouté vos documents PDF dans :

Data/Documents/

Lancez :

python main.py

Cela :

• charge les documents
• les découpe
• génère les embeddings
• les stocke dans ChromaDB

---

▶️ Lancer l’application

python -m streamlit run app/chat.py

L’interface Streamlit sera accessible depuis votre navigateur.

---

🛠️ Dépannage (FAQ)

❌ ModuleNotFoundError

• Vérifiez que l’environnement virtuel est bien activé
• Relancez :

pip install -r requirements.txt

❌ L’assistant ne trouve aucune source

• Vérifiez que des PDF sont bien présents dans Data/Documents/
• Relancez :

python main.py

❌ Erreur de clé API Groq

• Vérifiez que le fichier .env existe bien
• La clé doit commencer par : gsk_

---

📌 Notes

• Ce projet est un POC et peut être étendu :

  • authentification utilisateur
  • gestion des rôles
  • ajout d’autres formats de documents
  • déploiement cloud