Évaluation & Ancrage Strict Anti-Hallucination (`is_grounded`)

L’hallucination est le principal frein au déploiement de l’IA générative dans les métiers réglementés (droit, médecine, finance).

Ce module explique le fonctionnement des garde-fous d’ancrage strict (Strict Citation Guardrails) dans Yevi Core v1.0 (Licence MIT) et comment évaluer la fiabilité des réponses générées.

---

1. Mécanisme de Citation et Vérification d’Ancrage

graph TD
    Prompt["System Prompt + Chunks de Contexte [doc#0], [doc#1]"] --> LLM["Inférence LLM (Ollama / vLLM)"]
    LLM --> RawOutput["Réponse Brute avec Balises de Citations"]
    RawOutput --> RegexParser["Parsing Regex des Balises [[doc#idx]]"]
    RegexParser --> Check["Vérification des Chunks Cités vs Récupérés"]
    Check -->|Au moins 1 citation valide| GroundedTrue["is_grounded = True (Réponse Validée)"]
    Check -->|Aucune citation vérifiée| GroundedFalse["is_grounded = False + Avertissement Opposable"]

---

2. Exemple de Prompt Système Utilisé par Yevi

Le prompt injecte des consignes strictes pour forcer l’usage des balises d’ancrage :

Vous êtes Yevi, un assistant RAG souverain et rigoureux.
Répondez à la question UNIQUEMENT à partir des passages de contexte fournis ci-dessous.
Chaque affirmation doit impérativement être suivie de sa citation exacte sous le format [doc_id#chunk_index].
Si le contexte ne contient pas l'information nécessaire, répondez : "Aucune information pertinente n'a été trouvée dans les documents."

Contexte :
[contrat_01#0] Article 4 : La durée de confidentialité est fixée à 5 ans.
[contrat_01#1] Article 5 : Les litiges relèvent du Tribunal de Commerce de Paris.

Question : Quelle est la durée de confidentialité ?

---

3. Automatisation des Tests d’Évaluation avec Pytest

Dans la suite de tests tests/test_pipeline.py, l’ancrage est vérifié automatiquement avant toute mise en production :

def test_rag_pipeline_strict_citations():
    # Test d'ancrage strict sur corpus de démonstration
    pipeline = RagPipeline(store=store, llm=DummyProvider(), strict_citations=True)
    ans = pipeline.answer("Quelle est la durée de confidentialité ?", domain="legal")

    assert ans.is_grounded is True
    assert len(ans.cited_chunks) > 0

---

🛠️ Passer à l’Action

• 📄 Lire l’article spécial RAG Embeddings Juridiques RRF
• 📄 Consulter l’article comparatif Fine-Tuning vs RAG
• 🎯 Accéder au Dépôt GitHub Yevi Core v1.0 (Licence MIT)