RAG Jade est un exemple de développement de Retrieval Augmented Generation développé à partir de la bibliothèque Python « Llama Index » et utilisant le LLM Gemini 2.0 Flash (Google).

L’idée de ce type d’approche est de faire travailler un LLM sur un ensemble prédéterminé de documents afin que les réponses soient fondées sur ces références uniquement. En l’espèce, RAG Jade fonctionne sur la base de données Jade (open data des arrêts du Conseil d’État et des Cours administratives d’appel, soit début 2025 environ 550 000 arrêts).

RAG Jade met en place une stratégie de recherche fondée sur les développements que l’on trouve dans « Recherche Jade » sur le site : il s’agit de calculer la proximité d’ensembles de mots (Bag of words) sur une distance entre deux vecteurs de mots calculée comme le cosinus des vecteurs. La bibliothèque Python Gensim est utilisée.

Pour fournir une réponse RAG Jade procède selon les étapes suivantes :

1- Gemini extrait les concepts juridiques de la question posée

2- Ces concepts constituent un « bag of words » qui est comparé avec la base de paragraphes pour les sommaires des décisions au recueil Lebon. Un premier ensemble d’arrêts est sélectionné à partir d’un seuil de pertinence.

3- Les concepts vont également être traités avec l’ensemble des considérants de la base Jade pour extraire des arrêts à partir d’un autre seuil de pertinence.

4- Ces deux ensembles sont pondérés – on va privilégier proportionnellement les arrêts classés au Lebon - et on prend les arrêts les plus récents (le choix est de travailler sur les arrêts récents d’abord pour disposer des textes les plus récents et des jurisprudences les plus récentes). Il serait possible d’affiner cette étape en adaptant plus finement l’ensemble total des arrêts retenus par exemple en jouant à la fois sur la date de l’arrêt et sur son score de pertinence.

6- Les arrêts sont transformés en « nodes » avec comme metadata leur titre, la référence du fichier, le classement Lebon et le score de pertinence.

7- L’ensemble des nodes est fourni à Gemini qui traite la question et ne travaille que sur ces arrêts pour fournir la réponse.

8- La réponse est fournie sous forme d’un fichier Json qui est traité pour fournir du HTML affichable.