Étude de cas
Chatbot RAG qui rédige des documents Word
Un chatbot RAG qui répond aux questions posées sur un corpus documentaire et aide à rédiger des documents Word structurés à partir du contenu récupéré.
Situation
Un client entreprise produisait des documents qui s'appuyaient fortement sur un large corpus interne — chaque brouillon signifiait des heures à rassembler et recouper les sources.
Tâche
Le client voulait un chatbot capable de répondre aux questions sur le corpus et de transformer le contenu récupéré en un document Word prêt à éditer, pour réduire le temps de rédaction.
Action
J'ai construit un chatbot RAG avec une couche interactive de génération de documents :
- Récupération : corpus découpé, encodé et indexé dans Qdrant ; réponses ancrées dans les chunks récupérés.
- Rédaction conversationnelle : le bot interagit avec l'utilisateur pour structurer le document — plan, sections, formulation — avant génération.
- Export Word : la structure finale rendue en
.docxformaté via ONLYOFFICE, éditable par l'utilisateur.
Résultat
- La rédaction est passée d'un processus manuel de collecte et de recoupement à un flux de travail interactif assisté.
- Les utilisateurs obtenaient un document Word éditable, intégré directement aux processus existants.
Note de confidentialité
Client et spécificités du corpus restent généraux ici.
Points forts de la stack
- LangChain pour la récupération et le flux conversationnel
- Qdrant comme store vectoriel
- ONLYOFFICE pour la génération
.docx - Python de bout en bout