Get RAG Into Production in 15 Minutes | Rajiv Shah, Contextual AI

Valeur des informations & solidité de l’argumentation

La vidéo apporte une valeur pratique certaine en montrant concrètement comment déployer un RAG en production, avec des conseils utiles sur les bonnes pratiques (métadonnées, re-ranking, recherche hybride). L’argumentation s’appuie sur l’expérience de l’orateur et sur des références à des études, mais elle reste orientée vers la promotion de la solution Contextual AI. Les démonstrations sont claires et illustrent bien les concepts, mais l’absence de comparaison avec d’autres approches ou de données chiffrées limite la portée de l’argumentation.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : l’orateur cite une étude récente sur l’impact du RAG en entreprise, mais sans donner de référence précise. Les sources mentionnées se limitent à des liens vers le site de l’événement (mlopsworld.com) et à la documentation de Contextual AI. Le titre est fidèle au contenu, qui démontre effectivement une mise en place rapide d’un RAG. Cependant, la dimension commerciale est prépondérante, ce qui peut nuire à l’objectivité.

Le titre annonce une mise en production de RAG en 15 minutes, ce que la vidéo illustre effectivement par une démonstration rapide de création d'un agent RAG sur la plateforme Contextual AI.

7/10

Exposé pratique par un expert du domaine, s'appuyant sur des retours d'expérience et des bonnes pratiques reconnues en RAG, mais avec une forte dimension promotionnelle pour la solution Contextual AI, sans présentation détaillée des méthodes ou des preuves chiffrées.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction : objectif de la session, présentation de l'orateur et de Contextual AI.
• 02:00Pourquoi le RAG est important : exploitation des connaissances non structurées, gains de productivité.
• 04:00Présentation des composants d'un pipeline RAG : extraction, chunking, recherche hybride, re-ranking, génération.
• 06:00Démonstration de la plateforme Contextual AI : création d'un agent, connexion à une data store.
• 08:00Inspection du contenu extrait : vérification de la qualité de l'extraction, gestion des tables et images.
• 10:00Interrogation de l'agent : réponse avec sources, mécanismes de feedback.
• 12:00Cas d'usage d'extraction structurée : génération de JSON pour intégration dans d'autres systèmes.
• 14:00Intégration dans des workflows agentiques : utilisation de MCP et d'outils externes.
• 16:00Détails techniques : gestion des métadonnées, reformulation de requêtes, filtres, re-ranking.
• 18:00Conclusion : invitation à essayer la plateforme, ressources disponibles, questions.

• MLOps World — Site de l'événement où la session a été enregistrée, mentionné dans la description.

• Retrieval-Augmented Generation for Large Language Models: A Survey — Article de synthèse sur les techniques RAG, cohérent avec les bonnes pratiques mentionnées.