Vos données d'entreprise ne sont pas floues. Arrêtez de les récupérer comme si elles l'étaient.

Le RAG vectoriel répond à "ventes en France" par similarité. Le RAG structuré relie votre colonne ville à la table des pays de Wikipédia, pour que la question devienne une jointure SQL que vous pouvez lire.

Essayez votre CSV

Réserver une démo

Quatre niveaux de récupération

Comment l'IA répond à "ventes en France"

La même question, à quatre niveaux de récupération. Seul le dernier vous permet de vérifier la réponse.

Le LLM convertit votre question en SQL

Disons que votre CSV a une colonne ville, mais pas de colonne pays. Votre colonne ville contient Paris et Strasbourg, mais il n'y a pas de colonne pays sur laquelle filtrer. "France" n'est pas dans les données et la requête ne peut pas être écrite.

Échoue complètement

Recherche vectorielle par similarité

Convertissez chaque ville en embedding vectoriel et cherchez "France". Paris et Strasbourg ressortent parce qu'elles ont l'air françaises. Kehl aussi, une ville allemande voisine de Strasbourg. Rien dans la recherche ne nous dit dans quel pays se trouve une ville.

Échoue parfois

Le LLM répond à partir de vecteurs similaires

Donnez à un LLM les lignes les plus proches de la recherche ci-dessus et il renvoie généralement le bon total. Mais vous ne voyez pas comment les villes ont été comptées comme françaises. Il peut halluciner ou utiliser une mauvaise source, mais vous devez le croire.

Réussit, mais c'est une boîte noire

Prereasoner génère une requête SQL

La colonne ville est liée à une table des pays par une clé : ville → pays → devise. "Ventes en France" devient une jointure SQL, Kehl est exclue et la requête et les lignes trouvées reviennent avec la réponse.

Réussit en toute transparence

Vos tables de référence

Résolvez avec vos propres tables de référence

Vos propres tables de référence

Votre colonne niveau, avec des valeurs comme gold et platinum, se trouve dans votre propre table des niveaux clients. Importez-la et "chiffre d'affaires des clients platinum" s'y joint par clé.

Face à face

RAG structuré vs RAG vectoriel

Sur des données structurées	RAG vectoriel	Structured RAG
Comment une colonne de texte est utilisée	Converti en vecteur	Lié à une table de référence par clé
Mécanisme de récupération	Similarité des plus proches voisins	Jointure SQL
"Kehl" (ville allemande près de Strasbourg)	Peut être inclus	Exclu par la jointure
Pourquoi une ligne a été renvoyée	Un score de similarité	La jointure, dans le SQL
Vos tables de référence privées	Réencodé en vecteur	Joint par clé
Ce qui calcule le total	Le LLM	La base de données

Comment ça marche

Typer, lier, joindre, renvoyer

01 TYPER

Nommez chaque colonne

Prereasoner identifie ce que contient chaque colonne.

02 LIER

Clés étrangères

ville → pays → devise ou niveau → votre table des niveaux. Chaque lien est une clé dans une table de référence.

03 JOINDRE

Requête SQL

La question devient une jointure SQL entre ces tables.

04 RENVOYER

Avec sa requête

Vous obtenez les lignes et le SQL qui les a renvoyées.

Commencez gratuitement

Vos colonnes de texte ne sont pas floues. Arrêtez de les récupérer comme si elles l'étaient

Essayez sur votre propre CSV. Ajoutez vos tables de référence quand vous en avez besoin.

Essayez votre CSV