🧠 OpenRAG
OpenRAG est une plateforme RAG qui nettoie et structure le contenu d'une entreprise, l'indexe sur notre propre serveur et le rend interrogeable en langage naturel par des systèmes d'IA externes via une seule porte sécurisée.
Les vecteurs ne sont pas publiés ; L'ACCÈS est ouvert.
Il s'agit d'une présentation du produit, pas d'une liste de promesses. Ci-dessous, les parties qui fonctionnent aujourd'hui et celles qui sont encore sur la feuille de route sont indiquées séparément. Aucune date n'est promise pour les éléments de la feuille de route ; au fur et à mesure de leur achèvement, ils sont intégrés à la section « fonctionne aujourd'hui ».
Le principe fondamental
La conception d'OpenRAG repose entièrement sur une seule phrase : les vecteurs ne sont pas publiés, l'accès est ouvert. Ce qui est fourni à l'extérieur n'est pas une copie du contenu, mais le droit de lui poser des questions.
Un vecteur est un moteur, pas un produit
Un vecteur est spécifique au modèle qui l'a produit ; une autre IA ne peut pas l'utiliser tel quel. Il gonfle également le texte de manière significative. C'est pourquoi les vecteurs ne sont jamais distribués.
Ce qui est ouvert est l'accès aux requêtes
Une question arrive ; une réponse et les passages sources sur lesquels elle repose sont renvoyés. Le contenu complet n'est jamais copié, distribué ou téléchargé.
La permission appartient à l'entreprise
L'entreprise décide quel contenu devient interrogeable en externe ; la participation est facultative. La couche de permission et de consentement est en cours de développement.
Comment cela fonctionne — architecture cible
Les liens de nettoyage, de structuration, d'indexation et de recherche de ce flux fonctionnent aujourd'hui. L'intégration avec l'hébergement d'embeddings et le reranking, ainsi que la porte unique vers le monde extérieur, sont encore sur la feuille de route ; chaque étape ci-dessous indique laquelle l'est.
Les sources sont collectées
Les sites xloji, les documents téléchargés et les pages web explorées sont les sources de contenu. (Un plugin WordPress et une API d'ingestion publique sont en cours de développement.)
Il est nettoyé et structuré
Le contenu désordonné est nettoyé, divisé en blocs significatifs et mis dans une forme que RAG peut utiliser. Cette étape fonctionne aujourd'hui.
Il est indexé et recherché
Les blocs sont transformés en vecteurs et écrits dans pgvector ; ils sont trouvés via un index HNSW et une recherche hybride (mot-clé + vecteur). Cette étape fonctionne aujourd'hui ; l'ajout du lien de reranking est sur la feuille de route.
Il est accessible via une seule porte
Les systèmes d'IA externes interrogent en langage naturel via une seule porte sécurisée ; les réponses et les passages sources sont renvoyés, pas les vecteurs eux-mêmes. Cette porte n'existe pas encore ; elle est sur la feuille de route.
Parties qui fonctionnent aujourd'huiEn direct
Les éléments suivants fonctionnent aujourd'hui sur la plateforme et sont déjà utilisés par les outils d'IA sur xloji.com.
pgvector + index HNSW
Les blocs de contenu sont stockés sous forme de vecteurs dans la base de données et recherchés avec un index HNSW sur la similarité cosinus.
Recherche hybride
La recherche par mot-clé et la recherche vectorielle s'exécutent ensemble ; les deux listes de résultats sont fusionnées en un seul classement. Cela trouve à la fois les correspondances exactes des termes et les passages sémantiquement proches.
Isolation multi-locataire
Chaque entreprise, site et auteur a son propre RAG. Une requête s'exécute uniquement sur l'index de son propre locataire ; les données ne se mélangent jamais entre les locataires.
Nettoyage des documents et structuration RAG
Les documents téléchargés sont nettoyés, divisés en blocs et structurés pour RAG. L'outil de structuration des données sur la plateforme est l'interface utilisateur de ce pipeline.
Exploration web
Les pages d'un site sont explorées, leur contenu est extrait et transmis au même pipeline de nettoyage et d'indexation.
Flux RAG public dans les outils d'IA personnalisés
Un outil d'IA personnalisé que vous créez peut être alimenté par une source RAG publique ; l'outil fonde ses réponses sur cette base de connaissances.
Stockage de fichiers et de médias
Les fichiers et les médias sont stockés dans un stockage d'objets — et non dans le magasin de vecteurs. L'enregistrement RAG pointe vers le fichier d'origine.
Intégration et réévaluation sur nos propres serveurs
L'intégration et la réévaluation s'exécutent désormais sur nos propres serveurs dans un service distinct. Le texte est transformé en vecteurs sans quitter le serveur, et les résultats candidats passent par un réévaluateur local pour améliorer la précision.
Réécriture de requête
Une question vague ou incomplète est clarifiée avant l'exécution de la recherche. Les utilisateurs n'ont pas à formuler la "bonne" question ; le système rend la requête prête à la recherche.
Texte provenant d'images, d'audio et de vidéo
L'extraction de texte à partir d'images et la transcription d'audio et de vidéo s'exécutent avec des outils locaux sur le serveur, et le texte résultant entre dans le même pipeline de nettoyage et d'indexation. Les données ne quittent pas le serveur.
Ce qui est prévuPrévu
Les éléments suivants n'existent pas encore. Il s'agit d'éléments planifiés et conçus ; cette page ne les présente pas comme s'ils étaient déjà construits.
La porte unique : MCP / passerelle API
Une passerelle unique que les systèmes d'IA externes peuvent interroger en langage naturel. Une IA qui se connecte une fois atteint chaque entreprise participante via la même porte.
Couche de permission et de consentement
Les entreprises rejoignent par leur propre choix ; l'authentification, la gestion des clés, la limitation du débit et la protection contre les abus sont tous intégrés dans cette couche.
Couche de visibilité de l'IA
Rendre le contenu découvrable par les machines via llms.txt, /.well-known/ et le balisage schema.org, ainsi que l'enregistrement dans les registres MCP. Il n'y a pas de découverte automatique magique ; la visibilité est construite de cette manière.
Plugin WordPress
Un plugin qui permet à un site WordPress d'envoyer son contenu à OpenRAG et de récupérer un point de terminaison que les systèmes d'IA peuvent interroger.
Nous ne donnons pas de dates pour ces éléments. Lorsqu'un élément est terminé, il passe à la liste des « parties qui fonctionnent aujourd'hui » et cette page est mise à jour en conséquence.
🔒 Les données ne quittent pas le serveur
L'objectif d'OpenRAG est d'exécuter chaque étape du pipeline RAG sur notre propre serveur avec des outils locaux et gratuits : intégration, reranking, extraction de texte des images et transcription audio. Aucun média entrant dans RAG n'est envoyé à un service externe — il s'agit d'une règle de conception non négociable.
Le statut honnête : certaines de ces étapes sont encore effectuées par des services externes aujourd'hui. Les intégrer en interne est le premier élément de la feuille de route.
Comment la croissance est prévue
La recherche vectorielle devient plus coûteuse à mesure que le contenu augmente. La conception d'OpenRAG limite ce coût dès le départ de trois manières.
Il n'y a pas d'index géant unique
Chaque entreprise a son propre petit index et une requête s'exécute uniquement sur cet index. Même si le contenu total augmente, la zone qu'une seule requête analyse reste petite ; le coût de la recherche évolue avec la taille de cette entreprise, et non avec le total de la plateforme.
La taille et la précision des vecteurs sont ajustables
En utilisant des dimensions vectorielles plus courtes et des formats numériques plus compacts, le même contenu occupe sensiblement moins d'espace. Ces choix sont intégrés à la conception dès le départ afin qu'aucune migration coûteuse ne soit nécessaire ultérieurement.
Niveau froid
L'index d'une entreprise qui n'a pas été interrogée depuis longtemps est déplacé vers un stockage persistant bon marché et restauré lorsqu'une requête arrive pour celle-ci. De cette façon, seul le contenu actuellement actif reste en mémoire rapide. Ce niveau est sur la feuille de route.
Foire aux questions
Qu'est-ce qu'OpenRAG exactement ?
C'est une plateforme RAG qui nettoie et structure le contenu d'une entreprise, l'indexe sur notre propre serveur et le rend interrogeable en langage naturel par des systèmes d'IA externes via une seule porte sécurisée. Ce n'est pas un outil de chat ; c'est la couche de connaissances qui fonctionne en dessous de ces outils.
Fournissez-vous mes vecteurs ou mon contenu à quelqu'un d'autre ?
Non. Le principe fondamental est : les vecteurs ne sont pas publiés, l'accès est ouvert. Ce qui sort n'est pas une copie du contenu, mais le droit de lui poser des questions ; seuls les passages justificatifs sont renvoyés avec la réponse. De plus, l'entreprise décide quel contenu devient interrogeable en externe.
Qu'est-ce qui peut réellement être utilisé aujourd'hui ?
La base de données vectorielle et l'index, la recherche hybride, l'isolation multi-tenant, le nettoyage des documents et la structuration RAG, le web crawling, le flux RAG public dans les outils d'IA personnalisés, et le stockage de fichiers/médias fonctionnent tous aujourd'hui. L'embedding auto-hébergé, le reranking, la réécriture des requêtes, la porte externe, la couche de permission, la couche de visibilité et le plugin WordPress n'existent pas encore.
Mes données quittent-elles le serveur ?
L'objectif est que chaque étape du pipeline RAG s'exécute avec des outils locaux sur le serveur, sans qu'aucun média entrant dans RAG ne soit jamais envoyé à un service externe. Le statut honnête : certaines de ces étapes sont encore gérées par des services externes aujourd'hui, et les intégrer en interne est le premier élément de la feuille de route.
Quand les fonctionnalités de la feuille de route seront-elles prêtes ?
Nous ne donnons aucune date. C'est précisément le but de cette page : montrer séparément ce qui fonctionne aujourd'hui et ce qui est prévu. Lorsqu'un élément est terminé, il passe dans la liste des "éléments qui fonctionnent aujourd'hui".
Mon contenu est-il utilisé ou vendu pour l'entraînement de l'IA ?
Non. Il n'y a pas une telle utilisation aujourd'hui. L'idée d'un corpus de texte autorisé est l'élément le plus éloigné et le plus lourd sur le plan juridique de la feuille de route ; même si cela se produit, aucun contenu ne serait utilisé sans le consentement explicite de l'entreprise.
Retournez au portail IA pour les autres outils d'IA.
Foire aux questions
Qu'est-ce qu'OpenRAG ?
OpenRAG est un système RAG (Retrieval-Augmented Generation) et une passerelle d'IA unique, fonctionnant sur le propre serveur de xloji.com. Lorsqu'une question arrive, il trouve d'abord le contenu pertinent, puis génère une réponse basée sur ce contenu. Il sert également de passerelle centrale permettant aux outils d'IA externes d'accéder aux informations appartenant à xloji.com à partir d'un seul point.
Que signifie RAG et comment OpenRAG l'implémente-t-il ?
RAG signifie 'Retrieval-Augmented Generation', soit génération augmentée par la recherche ; une IA recherche des informations dans des sources pertinentes avant de produire une réponse, puis crée la réponse en se basant sur ces informations. OpenRAG exécute ces deux étapes, les étapes de recherche et de génération, en les combinant sur son propre serveur. Ainsi, les réponses fournies par OpenRAG ne sont pas aléatoires, mais basées sur le contenu réel appartenant à xloji.com.
Que signifie 'passerelle d'IA unique' ?
Une passerelle d'IA unique signifie que les différentes requêtes et intégrations d'IA sont traitées via un point d'entrée central unique, plutôt que via des systèmes distincts. OpenRAG assume ce rôle : à la fois la fonctionnalité 'Poser une question' de xloji.com et les outils d'IA connectés depuis l'extérieur utilisent la même infrastructure OpenRAG. Cette structure centralisée permet de gérer le trafic lié à l'IA à partir d'un seul point.
Quelle différence y a-t-il à ce qu'OpenRAG fonctionne sur son propre serveur ?
OpenRAG fonctionne sur le propre serveur de xloji.com, sans dépendre d'un service cloud tiers. Cela signifie que les données recherchées et traitées restent sous le contrôle de xloji.com. En tant que structure fonctionnant sur son propre serveur, OpenRAG effectue les opérations de recherche et de génération de réponses au sein de sa propre infrastructure, sans transférer de données vers des systèmes externes.
Qui utilise OpenRAG ?
OpenRAG est utilisé par trois groupes différents : les utilisateurs finaux qui visitent xloji.com et écrivent dans la boîte « Poser une question », les systèmes qui interrogent l'infrastructure RAG de xloji.com et les outils d'IA externes qui accèdent aux informations de xloji.com via OpenRAG. Pour l'utilisateur final, OpenRAG renvoie une réponse basée sur le contenu de xloji.com à sa question. Pour les outils externes, OpenRAG est une porte d'entrée sans contexte pour extraire des informations de xloji.com.
Comment la boîte « Poser une question » sur xloji.com fonctionne-t-elle avec OpenRAG ?
Lorsqu'une question est saisie dans la boîte « Poser une question » sur xloji.com, elle est traitée par OpenRAG. OpenRAG recherche d'abord le contenu pertinent dans les propres données de xloji.com, puis génère une réponse basée sur ce contenu trouvé. De cette façon, la réponse fournie à l'utilisateur est étayée par du contenu réel de xloji.com.
Comment les outils d'IA externes obtiennent-ils des informations via OpenRAG ?
OpenRAG sert de passerelle unique permettant aux outils d'IA externes d'accéder aux informations de xloji.com. Ces outils peuvent se connecter via OpenRAG pour obtenir des réponses autonomes et compréhensibles du contenu de xloji.com. Par conséquent, les informations fournies via OpenRAG sont conçues pour être significatives en elles-mêmes, sans nécessiter de contexte supplémentaire.
Quelles sont les limites d'OpenRAG ?
Les réponses fournies par OpenRAG sont limitées au contenu qui lui est fourni ; OpenRAG ne peut pas produire de réponse définitive sur une information qui ne se trouve pas dans le système ou qui n'a pas été ajoutée. OpenRAG est conçu pour rester limité au contenu dont il dispose, plutôt que d'inventer des informations inexistantes. Par conséquent, il faut se rappeler qu'une réponse obtenue auprès d'OpenRAG est limitée au contenu dont xloji.com dispose à ce moment-là.
OpenRAG est-il un chatbot ?
OpenRAG n'est pas un chatbot indépendant au sens classique du terme ; c'est l'infrastructure RAG et de passerelle qui alimente la fonctionnalité « Poser une question » de xloji.com et l'accès aux informations par des outils externes. La tâche principale d'OpenRAG est de trouver le contenu correspondant à une question et de générer une réponse à partir de ce contenu. En tant que tel, OpenRAG fonctionne davantage comme une couche d'infrastructure sous-jacente aux réponses que comme une interface de chat directe avec l'utilisateur.
Quel est l'objectif d'OpenRAG pour xloji.com ?
L'objectif d'OpenRAG est de permettre aux utilisateurs finaux et aux outils d'IA externes d'accéder aux informations appartenant à xloji.com de manière fiable et contrôlée, via une infrastructure centralisée. Son fonctionnement sur son propre serveur garantit que cet accès se fait sans dépendance à des systèmes tiers. Grâce à sa structure de passerelle unique, OpenRAG combine différents points d'accès dans un système centralisé unique.
Informations détaillées sur OpenRAG
OpenRAG est un système RAG (Retrieval-Augmented Generation) fonctionnant sur le propre serveur de xloji.com et constitue également une passerelle d'IA qui fait transiter les requêtes liées à l'intelligence artificielle par un seul point. Le terme « Open » dans son nom indique que le système offre une structure ouverte et accessible, tandis que le terme « RAG » fait référence à son mode de fonctionnement qui consiste à d'abord trouver les données pertinentes, puis à générer une réponse basée sur ces données. Une question saisie dans la zone « Poser une question » sur xloji.com est d'abord recherchée par OpenRAG dans le contenu pertinent, puis une réponse est générée sur la base de ce contenu trouvé. La même infrastructure permet également aux outils d'IA externes d'accéder aux informations appartenant à xloji.com via OpenRAG et d'utiliser ces informations dans leurs propres réponses. Cette structure permet à xloji.com de fournir des services via une infrastructure centrale unique au lieu de mettre en place des solutions d'IA distinctes pour différents produits.
La logique fondamentale de l'approche RAG consiste à ce qu'un système d'IA ne se fie pas uniquement aux connaissances générales acquises lors de sa formation initiale, mais qu'il récupère d'abord le contenu pertinent et à jour à partir d'une source, puis qu'il réponde en s'appuyant sur ce contenu. OpenRAG exécute ces deux étapes, à savoir la recherche (retrieval) et la génération (generation), en les combinant sur son propre serveur. Cette approche vise à réduire la tendance des modèles d'IA à produire des informations inexistantes, car la réponse est dérivée d'un contenu réellement trouvé et non de la propre mémoire du modèle. De cette façon, les réponses fournies par OpenRAG sont basées sur le propre contenu de xloji.com, et non sur des informations aléatoires ou obsolètes. La source d'une réponse générée par OpenRAG peut ainsi être suivie en tant que propre donnée de xloji.com. Le fait que le serveur appartienne à xloji.com signifie que les données recherchées et traitées sont conservées sous le contrôle de xloji.com, sans dépendre d'un service cloud tiers.
Le côté « passerelle d'IA à point unique » d'OpenRAG signifie que les différentes requêtes et intégrations d'IA sont acheminées via un point d'entrée central unique au lieu de systèmes distincts. Ainsi, tant la fonctionnalité « Poser une question » propre à xloji.com que les outils externes connectés via OpenRAG utilisent la même infrastructure et la même logique fondamentale. En tant que structure de passerelle centrale, OpenRAG permet à tout le trafic lié à l'IA de transiter par un seul point, ce qui améliore à la fois la cohérence des réponses et le contrôle des données en tant que système fonctionnant sur son propre serveur. Cette approche à point unique permet également de réaliser la maintenance et les mises à jour en un seul endroit au lieu de systèmes dispersés. À cet égard, OpenRAG n'est pas seulement un outil de questions-réponses, mais aussi une couche d'infrastructure qui unifie tous les points d'accès liés à l'IA de xloji.com.
OpenRAG est utilisé directement ou indirectement par trois groupes d'utilisateurs différents : les utilisateurs finaux qui visitent xloji.com et saisissent une question dans la zone « Poser une question », les systèmes qui interrogent la propre infrastructure RAG de xloji.com et les outils d'IA externes qui accèdent aux informations appartenant à xloji.com via OpenRAG. Ces trois groupes d'utilisateurs reçoivent des réponses provenant de la même infrastructure OpenRAG et du même pool de contenu ; par conséquent, quelle que soit la source de la question concernant xloji.com, on accède à une source d'informations cohérente. Les réponses fournies par OpenRAG sont limitées au contenu qui lui est fourni ; c'est-à-dire qu'il ne faut pas s'attendre à une réponse définitive d'OpenRAG concernant des informations qui ne se trouvent pas dans le système ou qui n'ont pas été ajoutées à son serveur. Cette limite constitue également la base de la fiabilité d'OpenRAG : au lieu d'inventer des informations inexistantes, il vise à produire des réponses limitées par son contenu et basées sur celui-ci.