Un moteur RAG (Retrieval-Augmented Generation) modulaire et configurable pour Data Afrique Hub : on dépose des documents (PDF, TXT, Markdown), on pose des questions en langage naturel, le système retrouve les passages pertinents et génère une réponse sourcée plutôt qu’inventée.
Question → Embedding → ChromaDB → Re-ranking → LLM → Réponse + sourcesTrois modes de déploiement, pour s’adapter au contexte (contraintes de coût, de confidentialité ou de performance) :
- Free — 100 % local, aucune dépendance cloud
- Hybrid — embedding local, LLM dans le cloud
- Premium — tout cloud, pensé pour la performance
Le projet s’appuie aussi sur dah-open-rag, la version open-source du pipeline, publiée sous licence MIT.
Stack
- FastAPI — backend et API REST
- React — interface
- ChromaDB — base vectorielle
- Docker — déploiement des différents modes