Comment tenir mon RAG à jour automatiquement ? En séparant clairement ingestion et chat, puis en laissant n8n surveiller un dossier pour pousser les nouveaux documents vers Qdrant, pendant qu’Ollama fournit embeddings et réponses. Ce tutoriel détaille l’architecture, l’ingestion auto, le chat, et les tests — pour une base documentaire d’association à Douai, un centre de ressources régional, ou un service qualité d’entreprise à Valenciennes. Sans discipline de sources, le RAG automatisé multiplie les erreurs plus vite qu’un classeur.
Rappel : un RAG n’est pas une mémoire magique
Un RAG (retrieval augmented generation) récupère des passages pertinents puis conditionne la réponse du modèle. Le glossaire RAG fixe le vocabulaire. Ici, l’enjeu est l’industrialisation légère via n8n et Qdrant, avec modèles locaux. Si le document source est faux, le RAG sera confiant et faux.
Architecture cible
Composants : un dossier source maîtrisé, n8n pour les flux, un modèle d’embedding local via Ollama (ou équivalent), Qdrant comme base vectorielle, un modèle de chat local, une interface de question (chat interne, webhook, ou Open WebUI selon votre choix). Réseau : ces services se parlent en privé. Pas d’exposition publique de Qdrant.
Schéma mental : l’ingestion ne répond jamais aux usagers ; le chat ne réécrit jamais l’index sans contrôle. Séparer les credentials et les horaires (ingestion la nuit, chat le jour) réduit les surprises.
Nommez les collections Qdrant avec la date et le domaine (« procedures-asso-2026-09 »). Évitez le nom générique « test » qui devient production par accident. Renommer trop tard coûte des flux cassés et des soirées perdues.
Dans un centre de ressources à Lille, affichez près du dossier source la règle : « seuls les PDF validés par le comité éditorial ». La technique suit la gouvernance ; elle ne la remplace pas. Un panneau A4 bien placé évite dix incidents poli.
Ajoutez une question témoin piège qui cite un document retiré. Le système doit échouer poliment. Si la réponse ressuscite l’ancien texte, votre flux de suppression est à revoir avant tout élargissement du public.
Préparez aussi un scénario de panne : Qdrant injoignable, Ollama saturé, fichier PDF corrompu. Le chat doit afficher une erreur compréhensible plutôt qu’une hallucination compensatoire. Formez les agents à reconnaître ces messages et à basculer vers la recherche documentaire classique le temps de la réparation.
Enfin, décidez qui a le droit de vider une collection. Une commande de purge sans double validation est un risque opérationnel majeur. Exigez deux personnes pour les opérations destructrices, comme vous le feriez pour un accès administrateur sur un serveur de mairie.
Gardez une copie hors ligne du tableur de questions témoins et des réglages qui ont passé les tests. Quand un collègue « améliore » le chunk size un vendredi soir, vous pourrez revenir à une configuration connue sans reconstruire toute la mémoire collective de l’équipe.
| Flux | Déclencheur | Effet |
|---|---|---|
| Ingestion | Nouveau fichier / MAJ | Chunk + embed + upsert Qdrant |
| Retrait | Fichier supprimé / obsolète | Delete points liés |
| Chat | Question utilisateur | Search + prompt + réponse |
| Test | Manuel / planifié | Jeux de questions témoins |
Ingestion automatique
n8n surveille le dossier (ou reçoit un événement d’un partage). Pour chaque fichier nouveau : extraction texte, découpage en chunks, appel embeddings, upsert dans une collection Qdrant avec métadonnées (nom de fichier, date, source, version). Gérez les doublons : réindexer un fichier doit remplacer ses anciens points, pas les empiler indéfiniment.
Refusez les formats que vous ne savez pas extraire proprement. Un PDF scanné sans OCR fiable pollue l’index : branchez plutôt une étape vision/OCR maîtrisée (modèle vision local) avant l’embedding, ou excluez le fichier.
Chat branché sur Qdrant
À la question : embed de la requête, recherche des passages, construction d’un prompt avec citations, appel du LLM local, réponse + sources. Exigez que le modèle dise « je ne trouve pas » si les passages sont pauvres. Affichez les fichiers sources à l’utilisateur interne.
Tu réponds en français à partir UNIQUEMENT des passages fournis.
Si les passages ne permettent pas de répondre, dis-le clairement.
Cite les sources par nom de fichier.
N’invente ni procédure, ni date, ni montant.
Style : concis, professionnel, utile à un agent de [structure].
Question :
{{$question}}
Passages :
{{$passages}}Tests : la partie trop souvent sautée
Constituez dix questions témoins dont la réponse exacte figure dans le corpus, et cinq questions hors corpus qui doivent échouer poliment. Rejouez ce jeu après chaque changement d’embedding ou de stratégie de chunk. Aucun score marketing dans ce tutoriel : vos résultats sont locaux et méthodologiques.
Hygiène documentaire régionale
Dans un centre de ressources à Lille, nommez les fichiers clairement, archivez les versions périmées hors du dossier d’ingestion, et tenez un registre des sources autorisées. Une base « fourre-tout » de PDF téléchargés la nuit produit des réponses juridiquement dangereuses. Moins de documents, mieux choisis.
Concrètement, créez trois dossiers : « à valider », « indexés », « retirés ». Seul le second est branché sur Qdrant. Quand une notice d’aide de la Région est remplacée, déplacez l’ancienne vers « retirés » avant d’ajouter la nouvelle, puis relancez l’ingestion. Notez la date et le nom de la personne qui a validé. Ce geste évite qu’un agent de Douai ou d’Arras réponde avec un dispositif fermé depuis six mois, simplement parce que le PDF traînait encore dans le dossier surveillé.
Sécurité et principes données
Qdrant contient des fragments parfois sensibles. Contrôlez l’accès réseau, les sauvegardes, et les comptes. Minimisation : n’indexez pas ce qui n’est pas nécessaire au métier du chat. Si le serveur est chez un prestataire, clarifiez la sous-traitance. Relisez données à ne pas confier avant d’y glisser des dossiers nominatifs.
Prérequis n8n + Ollama
Ce tutoriel suppose que vous savez déjà déployer n8n avec Ollama, comme dans n8n et Ollama. Si vos premiers flux ne sont pas stables, ne commencez pas par Qdrant.
Pas à pas : RAG alimenté automatiquement
Choisir un corpus pilote minuscule
Sélectionnez vingt à quarante pages de documents vraiment utiles, à jour, non nominatifs si possible pour le pilote. Déposez-les dans un dossier propre, avec une convention de nommage stricte. Créez le tableur des questions témoins (dix attendues, cinq hors corpus). Ce cadrage évite de « brancher tout le partage réseau » dès le premier soir. Une asso d’éducation populaire à Amiens peut commencer par ses seules fiches pédagogiques validées par le bureau, rien de plus. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Déployer Qdrant et la collection
Installez Qdrant selon la documentation du jour (Docker fréquent en atelier). Créez une collection dimensionnée pour votre modèle d’embedding local. Vérifiez l’accès uniquement depuis n8n ou localhost, jamais exposé publiquement. Documentez noms de collection, versions et paramètres. Faites une sauvegarde vide pour tester la restauration. N’ouvrez l’UI d’administration qu’aux comptes nécessaires. Un Qdrant ouvert sur Internet n’est plus un projet pédagogique : c’est un incident en puissance. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Construire le flux d’ingestion n8n
Déclencheur dossier → extraction texte → découpage en chunks → embeddings via Ollama → upsert Qdrant avec métadonnées (fichier, date, source). Gérez mise à jour et suppression pour éviter les doublons fantômes. Loggez les fichiers traités. Testez avec un seul document, puis avec un doublon volontaire pour vérifier le remplacement. Exportez le flux JSON pour le dépôt interne, avec numéro de version et responsable nommé. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Construire le flux de chat
Entrée question → embed → recherche Qdrant → prompt cadré avec citations → LLM local → réponse + sources visibles. Ajoutez un comportement « je ne trouve pas » lorsque les passages sont pauvres. Testez les questions témoins et les questions hors corpus. Ajustez taille de chunk et nombre de passages. Interdisez au modèle d’inventer hors passages. Documentez les réglages qui ont passé les tests pour ne pas les perdre au prochain enthousiasme. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Automatiser sans perdre le contrôle éditorial
Limitez les comptes qui peuvent écrire dans le dossier source. Ajoutez une notification interne à chaque ingestion (fichier X indexé à telle heure). Préparez un flux de retrait pour les documents obsolètes. Planifiez une revue mensuelle des sources avec un métier. L’automatisation porte sur la technique d’indexation, pas sur la validation du contenu : un PDF erroné indexé automatiquement devient une fausse vérité fluide pour tout le chat. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Jeux de tests et mise en production progressive
Rejouez questions témoins et hors corpus après chaque changement d’embedding ou de stratégie de chunk. Documentez les échecs sans maquillage. Ouvrez le chat à un groupe pilote restreint. Recueillez les cas où la réponse a trompé un humain. Ajustez. Seulement ensuite élargissez. Si vous devez lire aussi des images de documents, croisez avec vision locale en amont de l’index, sans court-circuiter les contrôles. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Questions fréquentes
Comment tenir mon RAG à jour automatiquement ?
En surveillant un dossier (ou un événement) avec n8n, en réindexant les nouveaux fichiers dans Qdrant, et en prévoyant le retrait des obsolètes. L’automatisation technique ne remplace pas la responsabilité éditoriale : quelqu’un doit décider ce qui entre. Sans flux de suppression, l’index pourrit. Sans questions témoins, vous ne verrez pas la régression après un changement. Tenez un registre des sources autorisées, relu mensuellement par un métier. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Pourquoi Qdrant plutôt qu’un autre store ?
Qdrant est un choix fréquent en auto-hébergement pour les vecteurs, bien documenté et souvent branché dans des stacks n8n / Ollama. Ce n’est pas un classement absolu ni un verdict définitif. Si votre structure impose un autre moteur, reprenez les mêmes principes d’ingestion, de métadonnées, de suppression et de tests. Le moteur change ; la discipline reste. Évitez de migrer tous les mois sous prétexte d’un article de blog enthousiaste. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Le LLM local peut-il « apprendre » mes PDF ?
Dans un RAG standard, non : il ne stocke pas durablement vos PDF dans ses poids. Il s’appuie sur les passages récupérés à la volée depuis l’index. D’où l’importance critique de la qualité de Qdrant et du corpus. Ne confondez pas avec un fine-tuning. Expliquez cette différence aux collègues pour éviter les fantaisies sur « le modèle qui a mémorisé le serveur » et les peurs ou espoirs mal placés. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Que faire des documents scannés ?
Ils demandent une étape OCR ou vision fiable avant l’embedding. Sinon vous indexez du bruit et le chat inventera avec assurance. Voir lecture de factures et photos en local pour la partie image. Excluez plutôt qu’indexer mal. Un corpus plus petit et lisible bat un corpus immense illisible. Documentez les formats refusés pour que les déposeurs comprennent pourquoi leur fichier n’apparaît pas. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Où pratiquer et quoi lire ensuite ?
Ateliers sur l’agenda, inscription. Prérequis pratique n8n + Ollama. Vocabulaire RAG. Données à ne pas confier. Avancez par corpus pilote mesuré, pas par ambition encyclopédique. Emportez votre tableur de questions témoins : c’est l’outil le plus pédagogique pour convaincre un comité que le système est sous contrôle — ou pas encore. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Pour aller plus loin
Un RAG auto-alimenté utile est d’abord un dossier source bien tenu. Ensuite seulement viennent n8n et Qdrant. Retrouvez les sessions sur l’agenda, inscrivez-vous via l’inscription, et gardez la définition RAG sous le coude.