Quel est le nom complet de la technique RAG ?	Retrieval Augmented Generation.
Quel est le principal inconvénient de placer un document très long directement dans un prompt ?	Il existe une limite stricte à la quantité de texte que l'on peut fournir au modèle.
Comment fonctionne le processus RAG pour répondre à une question ?	On découpe le document en petits morceaux (chunks) et on sélectionne les morceaux les plus pertinents pour le prompt.
Quel est un avantage majeur de RAG par rapport à l'envoi du document entier ?	Il permet de gérer des documents très volumineux et réduit la taille du prompt, ce qui diminue les coûts.
Qu'est-ce que le "chunk" dans le contexte de RAG ?	Un petit segment ou une portion de texte extrait d'un document plus grand.
Quel est l'un des principaux défis de l'approche RAG ?	Elle est plus complexe et nécessite une étape de pré-traitement (découpage et recherche).
Quel risque existe même après avoir trouvé des morceaux pertinents avec RAG ?	Il n'y a aucune garantie que les morceaux sélectionnés contiennent tout le contexte nécessaire à la réponse.
Citez deux façons de définir les "chunks" d'un document.	En le divisant en portions égales ou en utilisant les en-têtes du document.
Quel est le rôle de l'étape de "retrieval" (récupération) dans RAG ?	Identifier et extraire les morceaux de texte les plus pertinents par rapport à la question de l'utilisateur.