La Retrieval-Augmented Generation (RAG) en Sciences Humaines et Sociales : deux ans d’expérimentation pour réinventer ISIDORE
Depuis 2024, le HN Lab et l’équipe d’ISIDORE/Huma-Num explorent les usages de la “Retrieval-Augmented Generation” (RAG) pour comprendre comment ces technologies peuvent transformer la recherche d’information en sciences humaines et sociales (SHS). Le fonctionnement de la RAG est appliqué dans le cadre d’expérimentations et de prototypes dont les résultats sont évalués à l’aide de différentes méthodes d’analyse en construction. Les fonctionnalités présentées ici correspondent à des propositions de paramétrages et d’évolution des technologies de RAG classique, testées au sein du HN Lab et à détailler dans de futures communications.
Les enjeux de l’utilisation des RAG dans les Sciences Humaines et Sociales
La RAG est une technique combinant génération de langage naturel et recherche d’information pour améliorer les performances des grands modèles de langue et des moteurs de recherche. L’intérêt pour le RAG au sein des besoins en SHS est grandissant car il offre une nouvelle manière de mobiliser et d’exploiter les données scientifiques. Il se distingue des modèles de génération classiques par sa capacité à combiner apprentissages, prompts et passages de documents fournis par l’utilisateur, ce qui permet d’assurer une certaine traçabilité et citabilité des informations et des sources de données.
Dans le cadre d’ISIDORE, cette approche constitue un atout essentiel puisque la RAG valorise les contenus en générant des réponses argumentées, contextualisées et sourcées directement à partir des documents indexés. Il contribue ainsi à renforcer les réseaux documentaires, à faciliter l’accès aux ressources et à proposer un point d’entrée unique vers un vaste ensemble de documents (articles, revues, thèses…etc), tout en simplifiant la consultation pour les chercheurs.
ISIDORE exploite la RAG pour répondre aux principaux besoins des utilisateurs : faciliter l’accès aux contenus en sélectionnant automatiquement les passages les plus pertinents dans les documents ou valoriser l’information en produisant des réponses contextualisées et sourcées à partir de ces extraits. Il agit ainsi comme un intermédiaire actif entre l’utilisateur et les contenus : la RAG analyse la demande, sélectionne les ressources pertinentes et les transforme en réponses directement exploitables. Elle leur permet d’accéder facilement aux informations sans nécessiter de compétences en traitement de données. De plus, l’usage d’une interface de type Q/R (questions et réponses) facilite l’interaction et rend l’expérience plus intuitive.
Typologie du RAG dans les perspectives d’ISIDORE 2030/HN Lab
Les expérimentations documentées dans le cadre d’ISIDORE 2030 permettent de dresser une typologie des usages du RAG et de montrer comment ce dispositif peut soutenir le travail scientifique et l’organisation des données par les chercheurs.
La RAG apparaît d’abord comme un dispositif qui facilite l’accès à des corpus contrôlés et scientifiquement validés. Il s’agit de RAG capable d’interroger simultanément plusieurs sources diverses (HAL, Zenodo, NAKALA…), et pensé comme un outil semi-généraliste de recherche d’information. Au fil des tests pratiques, notamment dans les démonstrateurs du HN Lab : EclaiRAGe, Dragon, … ou dans les hackathons internes sur ces sujets, il a été observé que la RAG peut produire des « synthèses » par l’action de contextualiser un ensemble de documents, et mettre en évidence des regroupements thématiques ou des relations entre auteurs et notions, lorsqu’il s’appuie sur des représentations ou réseaux préalablement construits (comme le GraphRAG) et tout en « sourçant » et en citatant des extraits des documents utilisés et versés dans la RAG.
Dans une autre perspective, les expérimentations suggèrent que la RAG peut fonctionner comme un « assistant » de recherche adaptable aux besoins spécifiques des chercheurs. Il peut, par exemple, tenir compte du profil disciplinaire, de l’historique de recherche ou des habitudes linguistiques pour proposer des suggestions pertinentes et contextualisées.
La RAG s’avère également efficace dans un environnement multilingue, permettant à un utilisateur de poser une question dans sa langue, de produire des résumés et d’accéder à des documents rédigés dans différentes langues (Français, Anglais, Espagnol, etc.). Dans ISIDORE cela facilite l’accès à des ressources internationales et soutient les collaborations entre chercheurs de différentes aires linguistiques. Toutefois, la traduction automatique et le regroupement sémantique multilingue restent partiels et présentent des limites selon les langues et les corpus utilisés pour les ré-entrainer. Il y a là des enjeux forts dans la constitution de corpus d’entrainement (voir par exemple les limites du Commons Corpus).
Enfin, une forme de RAG adaptée aux SHS, proposée et testée au sein du HN Lab, permet à l’utilisateur de paramétrer son dispositif pour obtenir des résultats mieux ciblés et exploratoires. Par exemple, il peut mettre en évidence des documents ou des informations peu référencés dans un corpus, repérer des relations entre auteurs ou thèmes, et comparer différentes sources pour enrichir l’analyse. Cette approche soutient une utilisation réfléchie et critique des outils numériques, sans prétendre automatiser des analyses sociales ou épistémologiques complexes.

Le RAG et ISIDORE 2030
Le projet ISIDORE 2030 questionne en partie les approches incluant la RAG afin de mieux les adapter aux besoins des différentes disciplines des SHS. Les expérimentations menées au sein du HN lab ont mis en évidence plusieurs limites importantes : la préparation des corpus s’avère chronophage, les modèles réagissent fortement à la manière dont les questions sont formulées, et la qualité des représentations numériques utilisées pour comparer les textes varie selon les jeux de données, ce qui peut affecter la pertinence des passages identifiés. Il est donc essentiel de vérifier que ces représentations sont compatibles entre des corpus hétérogènes, notamment issus de disciplines différentes, et d’ajuster les paramètres en conséquence. De plus, une expertise humaine demeure indispensable pour interpréter correctement les résultats.
Ces travaux montrent que la RAG n’est réellement efficace que lorsqu’il s’appuie sur des sources fiables, très documentées et validées, mais aussi sur une prise en compte fine de la diversité des questions, de leur dimension temporelle et de l’usage d’une fonction de recherche documentaire adaptée au type de requête comme au corpus disponible. Cela entre en synergie avec les travaux d’Huma-Num sur la qualité des données, en particulier dans NAKALA. Ces contraintes deviennent ainsi des indicateurs pour la conception pour des systèmes où la traçabilité, l’interprétabilité et la transparence sont centrales. L’objectif n’est plus de réutiliser des solutions génériques, mais de développer des outils réellement pensés pour les pratiques de recherche en SHS.
Dans cette perspective, la RAG doit être compris comme un véritable instrument socio-technique qui reconfigure la manière dont les chercheurs en SHS accèdent, explorent, vérifient et interprètent les connaissances. La priorité est donc de faciliter l’usage tout en offrant une richesse fonctionnelle, en plaçant la commodité et l’autonomie de l’utilisateur au cœur du système. L’efficacité technique reste un objectif fondamental, mais elle doit s’inscrire avant tout pour soutenir et accompagner les pratiques effectives des chercheurs en SHS.
L’accompagnement du HN Lab, permet de prendre en compte les atouts et les limites des approches de type RAG. C’est par cette méthode qu’il est possible d’asseoir une démarche construisant la confiance et l’explicitation des résultats. Elle permet également l’éventualité d’une action de débrayage de ces outillages RAG afin de revenir aux pratiques classiques de la recherche documentaire.
Enfin cette approche intègre les enjeux éthiques, notamment les biais d’entraînement de tous les modèles d’IA, les aspects juridiques et en particulier l’AI Act ainsi que les dimensions écologiques, en privilégiant le recours à des petits modèles de langage (ou SLM pour Small Language Models).
Crédits photos : Designed by Freepik
OpenEdition vous propose de citer ce billet de la manière suivante :
Rédaction (27 janvier 2026). La Retrieval-Augmented Generation (RAG) en Sciences Humaines et Sociales : deux ans d’expérimentation pour réinventer ISIDORE. Le blog d'Huma-Num et des Consortiums-HN. Consulté le 7 juin 2026 à l’adresse https://doi.org/10.58079/15iam

