La plateforme

BOOST-OI, un réseau au service de la transition agroécologique dans l'océan Indien

BOOST-OI est une plateforme collaborative qui recense et met en réseau les acteurs, projets et ressources documentaires dédiés à la transition agroécologique dans le Sud-Ouest de l'océan Indien et les zones tropicales. Portée par le Cirad et ses partenaires, elle s'appuie aujourd'hui sur plus de 150 acteurs référencés, une centaine de projets de recherche et développement agricole, et près de 220 documents techniques et scientifiques, complétés par une base partenaires de plus de 4 000 fiches (acteurs, projets, zones d'intervention). L'objectif est de faciliter les collaborations entre pays du Sud face aux enjeux de développement durable et d'adaptation au changement climatique.

Pour aller plus loin dans l'exploration de ce fonds documentaire, BOOST-OI a déployé un ChatBoosT, un assistant conversationnel basé sur l'intelligence artificielle, permettant d'interroger directement les ressources de la plateforme en langage naturel.

 

 

 

 

 

 

 

L'intelligence artificielle pour extraire la connaissance de BoosT-OI

ChatBoosT s'appuie sur le même principe technique que les autres prototypes du Cirad : le RAG (Retrieval-Augmented Generation, ou « génération augmentée par récupération »).

Un modèle de langage seul invente parfois des réponses quand il ne connaît pas la réponse exacte à une question pointue — un phénomène appelé hallucination. Le RAG corrige ce problème en obligeant le modèle à s'appuyer sur des documents réels avant de répondre, plutôt que sur sa seule mémoire d'entraînement.

Concrètement, le processus se déroule en trois temps. D'abord, l'indexation : chaque document de la base BOOST-OI (fiche technique, rapport de projet, publication) est découpé en fragments appelés chunks, puis chaque chunk est transformé en un vecteur numérique via la vectorisation (ou embedding), qui capture le sens du texte plutôt que ses mots exacts. Ces vecteurs sont stockés dans une base spécialisée capable de retrouver rapidement les passages les plus proches d'une question, même formulée différemment du texte source.

Ensuite vient la recherche sémantique : quand une question arrive, elle est elle-même vectorisée, puis comparée à l'ensemble des chunks indexés par un module appelé retriever, chargé de retrouver les passages les plus pertinents — les nuggets d'information.

Enfin, la génération augmentée : le LLM (modèle de langage) reçoit la question accompagnée des extraits les plus pertinents retrouvés, et rédige sa réponse en s'appuyant uniquement sur ce contenu — avec les sources et citations à l'appui, pour que chaque affirmation puisse être vérifiée dans le document d'origine.

Comprenez facilement le fonctionnement du RAG dans BoosT-OI en consultant la page interroger le savoir en agroécologie la page de eKoal, notre partenaire technique.