Qu’est-ce qu’un RAG avec citations ?

Un RAG avec citations est une forme de génération augmentée par recherche sous contrat vérifiable : chaque affirmation désigne, par son identifiant, un passage retrouvé pour la question, et le système s’abstient faute de passage pour étayer une réponse. Ce qui le distingue d’un RAG ordinaire : le code vérifie la réponse face aux passages retrouvés, le prompt ne fait que demander.

Lewis et al. (2020) ont adossé un générateur à un index vectoriel dense qu’interroge un retriever, et comptaient la provenance des décisions d’un modèle parmi les problèmes encore ouverts. Les citations rendent cette provenance vérifiable. Un RAG multi-tenant ajoute une seconde promesse, que chacun ne retrouve que les passages de son tenant, tenue par la base de données.

Le contrat « citer ou s’abstenir » en un coup d’œil

Garantie Où elle est imposée Comment la tester
Chaque affirmation renvoie à un passage retrouvé Un contrôle des citations après génération, face aux identifiants renvoyés pour cette requête Une réponse qui cite un identifiant non retrouvé, ou contient une phrase sans citation : rejetée
Sans passage à l’appui, pas de réponse Un seuil sur le score du reranker avant génération, puis le contrôle des citations Poser une question qu’aucun document ne couvre : refus typé, sans appel au modèle sous le seuil
Un tenant ne voit jamais les lignes d’un autre Row-Level Security avec FORCE ; une politique fondée sur un paramètre de transaction ; un rôle sans BYPASSRLS Une même requête sous deux tenants : aucune ligne commune. Sans tenant fixé : une erreur
Une recherche filtrée renvoie assez de résultats Parcours d’index itératifs, index sur tenant_id ou partitions par tenant Des tenants de plusieurs tailles, par le chemin de production, face à une recherche exacte : comparer les ensembles
Un changement de réglage ne casse pas le contrat en silence Un contrôle sur jeu de référence en CI Modifier le découpage sur une branche : le contrôle nomme les cas cassés

Où placer le contrôle des citations, et ce qu’il rejette

La règle de citation s’exécute dans le code, après génération, parce qu’on peut contourner un prompt. Chaque passage retrouvé porte un identifiant qui survit à une réindexation ; je prendrais l’identifiant du document suivi d’une empreinte du texte du chunk, pour qu’une citation désigne exactement les mots que le modèle a lus. Le prompt demande ces identifiants après chaque phrase.

Le contrôle rejette un identifiant qui n’a pas été retrouvé pour cette requête, une phrase qui n’en porte aucun et une réponse sans citation valide. Une réponse rejetée n’est pas corrigée. Elle devient un refus typé, avec la raison et le périmètre interrogé, pour que les produits affichent un même message et un moyen d’ajouter le document. Un contrôle moins coûteux passe avant : si aucun passage ne franchit le seuil du reranker, le modèle n’est jamais appelé.

Le contrôle prouve la traçabilité, pas la vérité. Une phrase peut citer un passage qui ne dit pas ce qu’elle affirme, et un document empoisonné, risque décrit dans la fiche de l’OWASP sur les vecteurs et les embeddings, produit des citations parfaitement valides. La mesure de fidélité (faithfulness) du jeu de référence réduit une partie de cet écart.

Stocker et chercher avec pgvector et HNSW

Gardez chunks, embeddings et identifiants de tenant dans une même table PostgreSQL : une transaction, une sauvegarde et une politique couvrent alors les trois. pgvector ajoute le type vectoriel et HNSW, un index approximatif qui offre un meilleur compromis vitesse-rappel qu’IVFFlat, au prix d’une construction plus lente et de plus de mémoire.

Réglez sur vos propres requêtes, en commençant par hnsw.ef_search. Fixé à 40 par défaut, il dimensionne la liste de candidats par requête et échange de la vitesse contre du rappel ; SET LOCAL le modifie par transaction. m et ef_construction se fixent à la construction de l’index ; le README conseille leurs valeurs par défaut sauf si le rappel, mesuré face à une recherche exacte, est faible.

En octobre 2026, la dernière version de pgvector est la 0.8.7 (changelog), Aurora PostgreSQL 18.6 propose la 0.8.2, et une mise à niveau du moteur ne met pas à jour l’extension. Vérifiez avec SELECT extversion FROM pg_extension WHERE extname = 'vector' avant de compter sur une fonctionnalité.

Recherche hybride : fusionner les deux listes par reciprocal rank fusion

Les embeddings brouillent les chaînes exactes, noms de produits, identifiants, codes d’erreur : une recherche par mots-clés tourne donc à côté de la recherche vectorielle. Sur PostgreSQL, c’est la recherche plein texte : une colonne tsvector générée, un index GIN et websearch_to_tsquery, qui accepte une saisie brute.

Les deux scores ne se comparent pas, une distance cosinus d’un côté, un score ts_rank_cd de l’autre : on fusionne donc par rang. La reciprocal rank fusion attribue à chaque passage la somme de 1/(k + rang) sur les listes où il figure. Ses auteurs ont fixé k = 60 et jugé ce choix peu critique, mais sur des runs TREC, pas sur des passages de RAG : laissez votre jeu de référence le confirmer.

Un reranker lit ensuite ensemble la requête et chaque candidat, ce qui améliore en général le haut de la liste, celui que le générateur voit. Le reranking ajoute de la latence : il reçoit quelques dizaines de candidats, pas des centaines ; son score sert aussi de seuil de refus. Coût : deux requêtes et un appel de modèle par question. Test : des cas du jeu de référence bâtis sur des identifiants exacts que la recherche vectorielle seule manque.

Isolation des tenants avec Row-Level Security

Dans un RAG multi-tenant, l’isolation se règle dans la base : une politique filtre toute requête sur la table, recherche vectorielle comprise. Pour faire cohabiter pgvector et Row-Level Security, voici le minimum, vérifié dans la documentation de PostgreSQL 18 :

-- as the table owner
ALTER TABLE chunks ENABLE ROW LEVEL SECURITY;
ALTER TABLE chunks FORCE ROW LEVEL SECURITY;
CREATE POLICY tenant_isolation ON chunks
  USING (tenant_id = current_setting('app.tenant_id')::uuid);

-- as an administrator: API login, not the owner, no bypass
CREATE ROLE retrieval_api LOGIN NOSUPERUSER NOBYPASSRLS;
GRANT SELECT ON chunks TO retrieval_api;

BEGIN;
SELECT set_config('app.tenant_id', $1, true);
SELECT id, content FROM chunks ORDER BY embedding <=> $2 LIMIT 40;
COMMIT;

Sans clause WITH CHECK, l’expression USING contrôle aussi les nouvelles lignes : l’ingestion ne peut pas écrire chez un autre tenant. Une requête qui n’a fixé aucun tenant échoue : current_setting lève une erreur si le paramètre n’existe pas et, à mon sens, une connexion où une transaction antérieure l’a fixé pour elle seule garde une chaîne vide, que le cast ::uuid rejette.

Les superutilisateurs et les rôles BYPASSRLS échappent toujours aux politiques, et les propriétaires de la table aussi, sauf si elle est en FORCE ROW LEVEL SECURITY. L’API ne se connecte sous aucun de ces rôles et ne doit pas pouvoir en endosser un par SET ROLE. Test : SELECT rolname FROM pg_roles WHERE (rolsuper OR rolbypassrls) AND pg_has_role('retrieval_api', oid, 'SET') ne renvoie rien, pg_class.relforcerowsecurity vaut true pour la table, et une même requête sous deux identifiants de tenant ne renvoie aucune ligne commune.

Fixer le tenant par transaction, et ce que casse le pooling de connexions

Fixez le tenant dans la transaction qui exécute la recherche, jamais sur la session. set_config(..., true) ne vaut que pour la transaction en cours, comme SET LOCAL, et, en simple SELECT, reçoit l’identifiant du tenant comme paramètre lié.

SET LOCAL hors d’un bloc de transaction émet un avertissement et n’a aucun effet. En autocommit, un paramètre de transaction a déjà disparu quand la recherche s’exécute. Un SET ordinaire dure toute la session. Or, en mode transaction, PgBouncer ne prête une connexion serveur que le temps d’une transaction et ne prend pas en charge SET. À mon sens, il suffit alors d’oublier une réinitialisation pour répondre au tenant B avec le paramètre du tenant A. Enfin, PostgreSQL accepte n’importe quel nom de paramètre en deux parties. À mon sens, toute session sous le rôle de l’API peut donc choisir n’importe quel tenant : seule l’API doit détenir la connexion.

Coût : une transaction et une instruction de plus par requête. Test : lancer la recherche dans une instruction séparée et attendre une erreur.

Le rappel sous filtre : quand un tenant reçoit moins de résultats que demandé

Avec un index approximatif, pgvector filtre après le parcours de l’index, et le README prévient que, dans un index partagé, les vecteurs d’un tenant peuvent peser sur le rappel d’un autre. À mon sens, la politique de tenant est un tel filtre dès que le plan utilise l’index HNSW partagé : un tenant qui n’en occupe qu’une petite part peut recevoir moins de lignes que le LIMIT, en silence.

Les tenants touchés dépendent du plan, pas de leur seule taille. pgvector 0.8.0 a amélioré l’estimation des coûts en cas de filtre, ce qui, à mon sens, permet au planificateur de traiter un petit tenant par une recherche exacte. Mais après cinq exécutions, une requête préparée peut passer à un plan générique, le même pour tous les tenants.

Trois remèdes :

  • Les parcours d’index itératifs (pgvector 0.8.0 ou plus récent) : SET LOCAL hnsw.iterative_scan = relaxed_order prolonge le parcours jusqu’à obtenir assez de lignes, dans la limite de hnsw.max_scan_tuples ; le reranker absorbe le léger désordre.
  • Un index sur tenant_id, qui selon le README peut donner, dans bien des cas, une recherche exacte et rapide.
  • Le partitionnement par liste selon le tenant, que suggère le README, au prix d’une partition et d’un index par tenant.

Test : lancez les requêtes du jeu de référence pour des tenants de plusieurs tailles par le chemin de production, requêtes préparées et pooler compris. Lancez la référence exacte en requête simple, ou avec SET LOCAL plan_cache_mode = force_custom_plan, sous SET LOCAL enable_indexscan = off : son EXPLAIN ne doit montrer aucun index HNSW, ce qui la rend exacte. Une exécution de production sans lui l’est déjà. Comparez les ensembles : attendez le LIMIT, ou le total d’un tenant plus petit ; le recouvrement mesure votre rappel.

L’API de recherche maîtrisée, là où le contrat s’applique

Chaque garantie s’exécute au même endroit : une API que la plateforme maîtrise. Les produits envoient une question et le jeton de l’utilisateur, sans détenir d’identifiants de base de données. L’API tire le tenant du jeton, jamais du corps de la requête, puis cherche, fusionne, reclasse, applique le seuil, appelle le modèle via la passerelle IA et contrôle les citations. Les produits partagent un seul contrat de recherche, et chaque amélioration de la recherche profite à tous. C’est la couche 2 de l’architecture de plateforme IA d’entreprise.

Coût : un responsable, un objectif de disponibilité et le risque de devenir le goulot d’étranglement de tous les produits. Testez la frontière : le compte de service d’un produit doit échouer à se connecter à la base.

Tester le contrat en CI avec un jeu de référence

Chaque garantie devient un type de cas : des questions avec leurs documents sources attendus, puis deux types voués au refus. Ce sont les questions qu’aucun document ne couvre et celles dont la réponse n’existe que chez un autre tenant. Nommez des documents plutôt que des identifiants de chunks, pour que les cas survivent à un nouveau découpage. Lancez le jeu à chaque changement de découpage, d’embeddings, de réglages d’index, de k, de reranker ou de prompt, contrôles déterministes en premier. La méthode est dans le guide de l’évaluation. Un contrôle au vert dit que les cas d’hier passent encore ; les vraies conversations demandent une relecture humaine.

En pratique

Sur la plateforme d’ENSO, j’ai construit l’architecture RAG sur Aurora PostgreSQL avec pgvector (HNSW, recherche hybride et reranking), derrière une API de recherche maîtrisée avec une politique de citations stricte : chaque réponse cite ses sources ou s’abstient, et l’isolation des tenants est assurée dans la base par Row-Level Security. L’architecture qui entoure ce RAG est décrite dans l’étude de cas ENSO, et ce type de recherche fait partie du service de plateforme LLM d’entreprise.

Compromis et limites

Placer l’isolation et la recherche dans PostgreSQL lie la conception à un seul moteur et à ses limites de montée en charge ; un corpus très volumineux peut demander un magasin vectoriel dédié. Un tenant qui exige sa propre clé de chiffrement du stockage exige son propre cluster Aurora, car le stockage d’un cluster utilise une seule clé KMS : une autre conception, à exploiter à part.

Une citation stricte augmente les refus. Les utilisateurs verront plus souvent « Je ne peux pas répondre à partir des sources disponibles », ce qui est voulu mais demande un message clair et un moyen d’ajouter des sources.

La recherche hybride et le reranking ajoutent de la latence et des pièces mobiles, et chaque paramètre doit être évalué par le jeu de référence en CI.

Ingestion, tâches planifiées et scripts d’administration doivent eux aussi fixer le tenant par transaction.

Row-Level Security est une frontière entre tenants, pas une conception des autorisations : un dossier réservé aux RH demande sa propre règle. Les rôles qui contournent les politiques voient tout, un index partagé peut coûter du rappel à un tenant, et les contrôles d’unicité et de clés étrangères ignorent les politiques. Un tenant autorisé à insérer peut donc en déduire qu’une clé existe ailleurs.

Questions fréquentes

Comment faire citer ses sources à un RAG ?

Renvoyez chaque passage retrouvé avec un identifiant stable et demandez au modèle de marquer chaque phrase avec les identifiants utilisés. Contrôlez ensuite la réponse dans le code : rejetez les identifiants non retrouvés et les phrases sans citation, et transformez une réponse sans citation valide en refus.

Row-Level Security fonctionne-t-il avec pgvector ?

Oui. Row-Level Security filtre une recherche vectorielle comme toute autre requête. Deux réserves : les superutilisateurs, les rôles BYPASSRLS et, sans FORCE ROW LEVEL SECURITY, les propriétaires de la table y échappent ; et quand le plan utilise un index HNSW partagé, la politique filtre après le parcours, si bien qu’un tenant minoritaire dans l’index peut recevoir moins de résultats.

Pourquoi pgvector renvoie-t-il moins de résultats avec un WHERE ?

Avec un index approximatif comme HNSW, le filtre s’applique après le parcours de l’index, qui fournit au plus hnsw.ef_search candidats, 40 par défaut : moins de lignes peuvent donc revenir. Activez les parcours d’index itératifs (pgvector 0.8.0 ou plus récent), indexez la colonne filtrée ou partitionnez par tenant.

Pourquoi un RAG doit-il refuser de répondre ?

Parce qu’une réponse sans passage à l’appui vient de la mémoire du modèle, que personne ne peut vérifier. Un refus dit que les documents ne couvrent pas la question, ce qui est vrai et se corrige : il suffit d’ajouter la source. La citation stricte augmente les refus : le message doit donc dire quoi faire ensuite.

Sources