Pipeline RAG pour contrats juridiques

Le défi

Les LLM génériques hallucinent fréquemment des définitions juridiques ou font des renvois vers des juridictions inapplicables. L’objectif : un pipeline d’entreprise répondant aux questions contractuelles avec des citations exactes de paragraphe et de page.

Architecture technique

• Chunking sémantique : Chunker AST sur mesure pour les contrats PDF, préservant les en-têtes de section, définitions et hiérarchies de clauses.
• Recherche hybride Vector + BM25 : Reciprocal Rank Fusion (RRF) combinant embeddings denses et recherche par mots-clés éparsse pour la numérotation des clauses.
• Vérificateur de factualité : Agent de vérification léger secondaire confrontant les affirmations générées au contexte récupéré avant de les afficher à l’utilisateur.