# Comment rendre la recherche vectorielle et le RAG plus efficaces ?

> Réduire le calcul du RAG : index approximatifs, passages moins nombreux et plus courts, indexation incrémentale et modèles plus petits.

Source: https://greenai.guide/fr/comment/comment-rendre-la-recherche-vectorielle-et-le-rag-plus-efficaces/  
Updated: 2026-11-19

## En bref

Utilisez un index de plus proches voisins approximatif au lieu de comparer chaque requête à chaque vecteur stocké, récupérez quelques passages courts et pertinents plutôt que de nombreux passages longs, et ne recalculez les embeddings que du contenu qui a changé. Utilisez ensuite le plus petit modèle de génération qui répond bien à partir d'un bon contexte. L'essentiel du gaspillage dans les systèmes de récupération vient de la recherche exhaustive et des prompts surdimensionnés.

## Steps

1. Remplacez la comparaison vectorielle exhaustive par un index de plus proches voisins approximatif.
2. Découpez les documents en courts fragments et ne récupérez que les quelques meilleurs.
3. Ne recalculez les embeddings que du contenu nouveau ou modifié, au lieu de reconstruire tout l'index.
4. Enregistrez les tokens d'entrée par réponse et retirez le contexte qui n'améliore pas la qualité.
5. Testez un modèle de génération plus petit une fois la qualité de la récupération satisfaisante.

**La récupération doit faire lire moins au modèle, pas plus.** Un système de génération augmentée par récupération
(RAG) bien conçu trouve rapidement quelques passages pertinents et ne transmet que ceux-là au modèle.

## Où le RAG gaspille-t-il de l'énergie ? {#where-does-rag-waste-energy}

- **La recherche exhaustive.** Comparer une requête à chaque embedding stocké, un par un, coûte de plus en plus à
  mesure que la collection grandit. La Green Software Foundation recommande plutôt un index de plus proches voisins
  approximatif.
- **Un contexte surdimensionné.** Récupérer vingt longs passages « par sécurité » multiplie les tokens d'entrée.
  Epoch AI estime qu'une requête typique d'environ 0,3 Wh passe à environ 2,5 Wh avec une entrée de 10 000 tokens.
- **Tout reconstruire.** Recalculer chaque nuit les embeddings de toute une base documentaire alors que seuls
  quelques documents ont changé.

## Qu'est-ce qui fait la plus grande différence ? {#what-makes-the-biggest-difference}

**Une meilleure récupération, pour que le modèle ait besoin de moins de contexte.** Un bon découpage, une étape de
reclassement (reranking) et des filtres de métadonnées (date, service, produit) permettent à trois passages courts de
faire le travail de quinze longs. Une fois le contexte bon, un modèle de génération plus petit répond souvent tout
aussi bien ; consultez [comment choisir un modèle d'IA plus petit](/fr/comment/comment-choisir-un-modele-d-ia-plus-petit/).

## Erreurs fréquentes {#common-mistakes}

- **Utiliser un grand modèle d'embeddings** là où un petit récupère tout aussi bien sur vos données. Testez les deux.
- **Pas de jeu d'évaluation.** Mesurez la qualité de la récupération (le bon passage est-il revenu ?) séparément de
  la qualité des réponses.
- **Ne rien mettre en cache.** Les questions fréquentes peuvent réutiliser des réponses ; consultez
  [comment utiliser la mise en cache](/fr/comment/comment-utiliser-la-mise-en-cache-pour-reduire-l-energie-des-appels/).

Pour l'idée plus large de réutiliser plutôt que de régénérer, lisez
[l'orchestration plutôt que la génération](/fr/articles/l-orchestration-plutot-que-la-generation/).

## Sources

- [Green Software Patterns: optimise data storage formats for AI training and inference](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/development/data-handling/optimize-data-storage-ai-training.md), Green Software Foundation (2025)
- [Retrieval-augmented generation for knowledge-intensive NLP tasks](https://arxiv.org/abs/2005.11401), Lewis et al., NeurIPS (2020)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
