ChatBotGC — Assistant IA pour les normes du génie civil

Les ingénieurs perdent du temps à chercher une valeur ou un article dans des centaines de pages de normes en PDF, et un LLM généraliste peut inventer des réponses. Le but était un assistant qui s’appuie uniquement sur les documents de l’entreprise et dont chaque réponse peut être vérifiée.

Un pipeline RAG de bout en bout : extraction des PDF (PyMuPDF), nettoyage par regex et découpage par article (environ 300 tokens, 50 de chevauchement) qui conserve le numéro de page imprimé et le numéro d’article ; base vectorielle ChromaDB avec des embeddings multilingual-e5-base ; recherche hybride qui reclasse 30 candidats sémantiques (65 % sémantique, 35 % lexical, bonus pour une valeur numérique exacte) et garde les 8 meilleurs ; génération via une chaîne de bascule entre 6 fournisseurs de LLM gratuits ; interface Streamlit construite en composants.

Conception et réalisation de l’ensemble du système : préparation du corpus, base vectorielle, recherche hybride, génération multi-fournisseurs avec bascule, synchronisation de l’index, interface, banc d’évaluation de 50 questions avec un LLM juge, tests Playwright et documentation technique (guides développeur, utilisateur et API, rapport en LaTeX).

Sur un banc de 50 questions noté par un LLM juge, l’application n’a jamais planté, le score moyen de confiance de la recherche atteint 0,792 et aucune réponse n’a été jugée incorrecte : quand le système échoue, il refuse de répondre au lieu d’inventer. Les recherches directes d’un article obtiennent 4,62/5. Mistral Small a répondu aux 50 questions (3,54/5) ; Groq Compound a la meilleure note (3,90/5) mais n’a répondu qu’à 29 questions à cause des limites de requêtes — un compromis entre qualité et fiabilité qui justifie la chaîne de bascule. Pistes : OCR des PDF scannés, questions croisant plusieurs documents, réponses en streaming et déploiement public.