From Zero to RAG Agent: Full Beginner's Course (no code)

From Zero to RAG Agent: Full Beginner's Course (no code)

par Nate Herk

Sciences appliquées & ingénierie IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQMApprentissage par la machine
🎙 Nate Herk 👥 964K 📅 21 juillet 2025 ⏱ 22 min 👁 163K 📄 tutoriel 🧭 2026-08-28
Disponible en : Français (actuel) English

Mots-clés

RAGvector databasen8nSupabaseembeddings

Résumé

Cette vidéo est un tutoriel destiné aux débutants complets pour créer un agent RAG (Retrieval-Augmented Generation) sans écrire de code. L’auteur commence par expliquer simplement ce qu’est le RAG (récupérer des informations pour générer une réponse) et ce qu’est une base de données vectorielle (espace multidimensionnel où les textes sont placés selon leur sens). Il détaille ensuite les deux composantes du système : le pipeline RAG (chargement, découpage, embedding, vectorisation des documents) et l’agent RAG (qui reçoit une requête, l’encode, recherche dans la base vectorielle et génère une réponse). La démonstration pratique utilise n8n (outil d’automatisation no-code) et Supabase (base de données avec extension vectorielle). L’exemple concret est un PDF de 22 pages sur les règles du golf. Le tutoriel couvre la configuration de Supabase, la création d’une table vectorielle via SQL, la connexion à Google Drive, l’utilisation du modèle d’embedding d’OpenAI, la construction de l’agent avec un modèle de chat, et l’ajout d’une mémoire à court terme via PostgreSQL. L’auteur teste l’agent et montre comment consulter les logs pour comprendre le fonctionnement interne. Il termine en évoquant d’autres cas d’usage possibles (déclencheurs variés, sources de données multiples).

188 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale de cette vidéo réside dans sa clarté pédagogique : l’auteur explique des concepts techniques (RAG, embeddings, bases vectorielles) avec des analogies simples et des schémas intuitifs, ce qui rend le sujet accessible aux débutants. L’argumentation est solide car elle s’appuie sur une démonstration pratique complète, étape par étape, avec des vérifications à chaque étape (exécution des nœuds, inspection des logs, test de l’agent). L’auteur justifie ses choix (Supabase pour la double fonction vectorielle et relationnelle, modèle d’embedding spécifique) et montre comment adapter le processus à d’autres cas. Cependant, la vidéo ne discute pas des limites du RAG (qualité des réponses, biais, coûts) ni des alternatives (autres bases vectorielles, autres modèles), ce qui limite la portée critique. La démonstration est convaincante et le spectateur peut reproduire le processus, ce qui renforce la valeur pratique.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est correcte pour un tutoriel : les concepts sont expliqués avec précision et la démonstration est reproductible. Les sources citées se limitent aux outils utilisés (n8n, Supabase, OpenAI) et aux ressources de l’auteur (communauté Skool, site web). Aucune référence académique n’est fournie, ce qui est compréhensible pour un public débutant mais limite la profondeur. L’adéquation entre le titre et le contenu est parfaite : le titre annonce un cours pour débutants sans code, et la vidéo tient cette promesse. Les commentaires sont très positifs, soulignant la clarté des explications et l’utilité pratique, avec quelques demandes pour des tutoriels plus avancés.

254 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : un cours pour débutants, sans code, sur la création d'un agent RAG.

Qualité & fiabilité

7/10

Explications claires et pédagogiques, démonstration pratique complète, mais absence de sources académiques et de discussion des limites ou alternatives.

Chapitres

Sources citées

  • Communauté Skool (cours gratuit) — Lien vers la communauté où l'auteur partage le PDF utilisé dans le tutoriel.
  • Communauté Skool Plus (cours complets) — Lien vers les cours complets et le support illimité.
  • Site de l'auteur (Uppit AI) — Site professionnel de l'auteur pour des services d'automatisation IA.
  • Podcast de l'auteur — Lien pour postuler au podcast YouTube de l'auteur.
  • Glaido (voix-texte) — Outil sponsorisé mentionné dans la description, non utilisé dans le tutoriel.
  • Hostinger VPS — Offre sponsorisée pour l'hébergement VPS, non utilisée dans le tutoriel.
  • Profil LinkedIn de l'auteur — Lien vers le profil LinkedIn de l'auteur.
  • Vidéo suivante recommandée — Lien vers une autre vidéo de l'auteur, probablement sur un sujet connexe.

Sources concordantes

Apport & nouveautés

L’apport original de cette vidéo est de rendre accessible la création d’un agent RAG à des non-programmeurs, en utilisant des outils no-code comme n8n et Supabase. Elle fournit une explication claire des concepts fondamentaux et une démonstration pas à pas, ce qui permet aux débutants de construire leur premier agent RAG en 20 minutes. La vidéo se distingue par sa pédagogie visuelle et ses analogies simples.

Pour aller plus loin :

123 mots

Profil radar

Le profil radar montre une bonne qualité d'information et une fiabilité correcte, mais un niveau technique modéré, adapté aux débutants. La quantité d'information est satisfaisante pour un tutoriel, mais la profondeur technique est limitée.

Fiabilité 7/10

💬 Très positif : sur les 30 commentaires analysés, la grande majorité exprime une forte appréciation, soulignant la clarté des explications et l'utilité pratique du tutoriel, avec des demandes récurrentes pour des tutoriels plus avancés.