{"@":{"v":"gdom/1.2","profile":"https://dng.ai/gibberdom/gdom-1.2.json","proj":"text","index":"https://dng.ai/_gdom/manifest.json","site":"https://dng.ai/_gdom/site.gdom","self":"https://dng.ai/_gdom/fr/plateforme/connaissances/index.text.gdom"},"text":"# Des réponses ancrées dans vos connaissances.\n\nAssociez des sources de données RAG à n'importe quel nœud Agent IA ou LLM. Les réponses s'appuient alors sur votre base de connaissances privée, citent vos propres documents et restent exactes et fidèles à votre marque.\n\n## Des réponses fondées sur vos sources.\n\n### Récupération ancrée\n\nLes sources de données RAG fournissent aux agents les bons passages de votre base de connaissances au moment de la requête.\n\n### Cité, pas halluciné\n\nLes réponses renvoient aux titres des sources dont elles proviennent — limitées à votre documentation.\n\n### Apportez vos documents\n\nImportez du PDF, DOCX, TXT, MD, PPTX, CSV, XLSX, JSON et XML.\n\n### Réutilisable partout\n\nAssociez la même source de données à des nœuds Agent IA ou LLM dans n'importe quel workflow.\n\n### Sortie fidèle à la marque\n\nLes générations restent ancrées dans votre voix, vos faits et vos consignes.\n\n### Traçabilité intégrée\n\nChaque exécution est journalisée, afin que vous puissiez retrouver les sources et vérifier le résultat.\n\n## Récupérer d'abord, répondre ensuite.\n\nAssociez une source RAG à un nœud Agent IA ou LLM : avant de répondre, il recherche les passages les plus pertinents dans votre base de connaissances. Le résultat repose ainsi sur vos documents plutôt que sur les suppositions du modèle. Un message système peut en outre limiter les réponses aux seules sources fournies.\n\n## Les formats dans lesquels vivent déjà vos connaissances.\n\nImportez les fichiers avec lesquels votre équipe travaille chaque jour. Les documents structurés et non structurés sont acceptés comme sources de données et comme entrées de fichiers dans toute la plateforme.\n\n## Connectez vos sources aux agents et aux LLM.\n\nSélectionnez votre source de données dans les réglages du nœud — par exemple une source « Docs produit » sur un agent de support. L'agent la consulte de lui-même à mesure qu'il raisonne, et vous pouvez désactiver les outils externes pour qu'il s'appuie uniquement sur le RAG.\n\n## Une sortie fiable, adossée aux sources.\n\n### Q&R de support ancrées\n\nRépondez aux questions des clients à partir de vos docs, en citant les titres des sources utilisées.\n\n### Contenu fidèle à la marque\n\nGénérez des textes ancrés dans un brief de marque pour que le ton et les faits restent cohérents.\n\n### Analyse de documents\n\nRésumez et raisonnez sur des PDF, présentations et tableurs importés.\n\n### Réponses conformes aux règles\n\nLimitez le modèle aux sources fournies ; il répond « Je ne sais pas » lorsqu'elles sont absentes.\n\n## Q&R client ancrées, de bout en bout.\n\nL'agent recherche dans votre base de connaissances avant de répondre, renvoie une réponse concise avec les 1 à 3 titres de sources utilisés, et indique qu'il ne sait pas lorsque la réponse ne figure pas dans vos sources.\n\n## De vos documents aux réponses sourcées.\n\n### Importez vos connaissances\n\nAjoutez des PDF, DOCX et plus encore comme source de données RAG — sans code.\n\n### Attachez à un nœud\n\nSélectionnez la source de données dans les réglages d'un nœud Agent IA ou LLM dans Studio.\n\n### Exécutez de façon ancrée\n\nLe nœud récupère les bons passages et répond à partir de vos sources.\n\n### Vérifiez et faites confiance\n\nContrôlez les titres des sources citées ; chaque exécution est journalisée pour la traçabilité.\n\n## Les réponses aux questions qu’on nous pose.\n\nLe RAG — génération augmentée par récupération — signifie que l’IA recherche les passages les plus pertinents dans une base de connaissances avant de répondre : la réponse repose sur de vrais documents plutôt que sur les suppositions du modèle. Dans Draft & Goal, vous associez une source RAG à un nœud Agent IA ou LLM, qui récupère d’abord, puis répond.\n\nEn fondant les résultats sur vos propres documents. Une source RAG fournit au nœud les bons passages de votre base de connaissances au moment de la requête, les réponses renvoient aux titres des sources utilisées, et un message système peut limiter les réponses aux seules sources fournies — le modèle indique alors qu’il ne sait pas lorsque la réponse ne figure pas dans vos documents.\n\nDraft & Goal accepte les formats dans lesquels vivent déjà vos connaissances : PDF, DOCX, TXT, Markdown, PPTX, CSV, XLSX, JSON et XML. Les documents structurés et non structurés sont acceptés comme sources RAG et comme entrées de fichiers dans toute la plateforme, sans écrire de code.\n\nOui. Une source de données est réutilisable : vous associez la même à des nœuds Agent IA ou LLM dans n’importe quel workflow — par exemple une source « Docs produit » sur un agent de support. L’agent la consulte de lui-même à mesure qu’il raisonne, et vous pouvez désactiver les outils externes pour qu’il s’appuie uniquement sur le RAG.\n\nOui. Parce que la génération est ancrée dans vos documents, les résultats restent cohérents avec votre voix, vos faits et vos consignes. Les équipes utilisent Draft & Goal pour générer des textes fondés sur un brief de marque, répondre aux questions clients à partir de leurs docs en citant les titres des sources, et garder chaque exécution journalisée et traçable.\n\nMontrez-nous le workflow.Nous vous montrerons le 10x.\n\nApportez le workflow marketing qui dévore votre semaine. Nous le construirons en direct, avec vos données et vos modèles, en 30 minutes.\n\n## Outbound links\n\n- [Réserver une démo →](https://dng.ai/fr/reserver-une-demo/)\n\n- [Découvrir la plateforme](https://dng.ai/fr/plateforme/)\n\n- [Draft & Goal](https://dng.ai/)\n\n- [Lire la documentation](https://docs.dng.ai/)\n\nSite navigation: https://dng.ai/_gdom/site.gdom\n\nFull page index: https://dng.ai/_gdom/manifest.json","links":[{"rel":"internal","href":"https://dng.ai/fr/reserver-une-demo/","path":"/fr/reserver-une-demo","label":"Réserver une démo →","gdom":"/_gdom/fr/reserver-une-demo/index.text.gdom"},{"rel":"internal","href":"https://dng.ai/fr/plateforme/","path":"/fr/plateforme","label":"Découvrir la plateforme","gdom":"/_gdom/fr/plateforme/index.text.gdom"},{"rel":"internal","href":"https://dng.ai/","path":"/","label":"Draft & Goal","gdom":"/_gdom/index.text.gdom"},{"rel":"external","href":"https://docs.dng.ai/","label":"Lire la documentation"}]}