📄 Rapport d'Architecture · 2026-05-13

RAG Géotechnique sur Microsoft Azure

Architecture complète, stack technique, coûts détaillés, formation et roadmap d'implémentation Tracer Bullet pour un système de recherche intelligent de rapports géotechniques

10 000

Documents estimés

~720 $

Coût ingestion initiale

250-500 $

Coût mensuel fixe

50-100 $

Budget phase dev

Phases roadmap

📑 Sommaire

01Processus RAG Classique vs Azure 02Architecture Macro de la Stack Azure 03Recherche & Reranking 04Gestion des Données Métier 05Métadonnées & Correction Utilisateur 06Pipeline d'Ingestion Automatique 07Choix des Modèles 08Interface Utilisateur 09Coûts Détaillés 10Dernières Évolutions RAG Azure 11Formation & Adoption 12Roadmap d'Implémentation (Tracer Bullet) 13Développement Local vs Azure + Budget Dev Décisions, Conclusions et Prochaines Étapes

01Processus RAG Classique vs Azure

Qu'est-ce qu'un RAG ?

Un RAG combine Retrieval (chercher les documents pertinents) + Generation (donner ces documents à un LLM pour répondre).

💡 Processus classique :

L'utilisateur pose une question
La question est transformée en vecteur (embedding)
On cherche les K chunks les plus similaires dans l'index vectoriel
Les chunks sont insérés dans un prompt avec la question
Le LLM génère une réponse sourcée

Ce qu'Azure apporte en plus

Fonctionnalité	RAG basique	RAG Azure AI Search
Recherche	Vector search uniquement	Hybrid (BM25 + Vector)
Reranking	Pas de reranking	Semantic Ranker (modèle transformer)
Parsing PDF	À coder soi-même	Document Intelligence (Layout skill)
Pipeline ingestion	À coder soi-même	Indexer + Integrated Vectorization
Filtres	À coder soi-même	Facets + GeographyPoint natifs
Correction métadonnées	À coder soi-même	mergeOrUpload natif

02Architecture Macro de la Stack Azure

Stack Legacy (Problèmes identifiés)

Couche	Stack actuelle	Problèmes
Stockage	GED propriétaire	Pas de API REST, extraction manuelle
Métadonnées	XML dans GED	Pas liées aux PDFs
Géolocalisation	CSV séparé	Pas intégré aux documents
Recherche	Manuelle (explorateur fichiers)	Aucune recherche sémantique

Architecture — Vue d'Ensemble

🗄️ Blob Storage — PDFs / XML / CSV

⬇

⚙️ Indexer + Skillset — Document Intelligence + Integrated Vectorization

⬇

🔍 Azure AI Search — Index vectoriel + metadata + GeographyPoint

⬇

💻 Application — Hybrid Query + LLM + interface utilisateur

Description des couches

Couche	Technologie	Rôle
Stockage	Blob Storage	Héberger les PDFs, XML, CSV
Parsing	Indexer + Document Intelligence Layout	Extraire le texte des PDFs avec mise en page
Vectorisation	Integrated Vectorization	Chunking + embedding Azure OpenAI
Indexation	Azure AI Search	Index unifié : contenu + métadonnées + géoloc
Recherche	Hybrid Search + RRF + Semantic Ranker	Trouver les documents pertinents
Génération	LLM Azure OpenAI (GPT-4o / o3-mini)	Produire la réponse finale
Pipeline	Azure Function Blob Trigger	Ingestion automatique event-driven

✅ Approche "Trace Volatile" : Commencer par un index basique (PDF → content + vector), puis ajouter les champs méta/géoloc au schéma, et faire des mergeOrUpload pour enrichir les documents existants. L'index reste queryable pendant toute l'opération.

03Recherche & Reranking

Les 4 types de recherche disponibles

Type	Mécanisme	Pertinence	Coût supplémentaire
Keyword (BM25)	Matching de mots-clés	Faible	Aucun
Vector Search	Similarité sémantique (embeddings)	Bonne	Aucun
Hybrid (BM25 + Vector + RRF)	Parallèle + Reciprocal Rank Fusion	Très bonne	Aucun
Hybrid + Semantic Ranker	Hybrid puis rescoring top 50 par modèle Microsoft	Excellente	0-1 $/1000 req

Question utilisateur

→

Hybrid Search
BM25 + Vector

→

RRF Fusion
top 50 résultats

→

Semantic Ranker
rescore

→

LLM → Réponse
+ citations

🎯 Recommandation : Toujours utiliser Hybrid + Semantic Ranker. Le Semantic Ranker comprend le sens réel de la requête et du texte — il pousse le bon chunk en haut même si les mots exacts ne matchent pas. Sur des termes comme "cohésion dans la moraine", la différence avec/sans est énorme.

Impact coût

Usage	Coût
Désactivé (queryType=simple)	Gratuit
0-1000 requêtes/mois	Gratuit
Au-delà de 1000 requêtes/mois	~1 $ par 1000 requêtes

04Gestion des Données Métier

Tags et Facets

Azure AI Search supporte les facets en natif. Champ Collection(Edm.String) avec filterable: true et facetable: true.

// Filtrage OData
$filter=tags/any(t: t eq 'moraine')

// Facets retournées automatiquement
"@search.facets": {
  "tags": [
    {"value": "moraine", "count": 42},
    {"value": "molasse", "count": 28}
  ]
}

Vocabulaire Géotechnique — 4 solutions combinées

1. Analyzer français Microsoft

Utiliser fr.microsoft sur les champs texte. Lemmatisation, stop words, bien meilleur que le standard.

2. Synonym Map (format Solr)

cohésion, cohérence => cohésion
moraine, till => moraine
angle de frottement, friction, phi => angle_frottement
roche, rocher, rocheuse => roche

3. Semantic Ranker

Aide naturellement — le modèle de rescoring comprend la sémantique derrière les termes techniques.

4. Scoring Profile

Pondérer les champs de métadonnées métier (type de sol, formation géologique) pour booster les termes critiques.

Géodonnées

Champ Edm.GeographyPoint dans l'index, filterable et sortable.

// Filtrer dans un rayon de 10 km
geo.distance(location, geography'POINT(6.632 46.521)') le 10

Affichage carte : Azure Maps + SDK React (azure-maps-control).

05Métadonnées & Correction Utilisateur

L'utilisateur peut modifier les métadonnées (auteur, type de sol, etc.) directement dans l'interface.

Utilisateur modifie
dans l'interface

→

mergeOrUpload
sur l'index

→

Seuls les champs
modifiés updatés

→

Contenu vectorisé
inchangé

Deux approches

Approche	Description	Quand
Simple	Tout dans l'index Azure AI Search, update direct API REST	Démarrage rapide
Robuste	Vérité dans Table Storage, sync via indexer Table + merge	Production

💰 Coût : Inclus dans les Search Units. Pas de coût à l'écriture.

06Pipeline d'Ingestion Automatique

Setup à 3 fichiers par rapport

Clé commune (même nom de base) : rapport-123.pdf + rapport-123.xml + rapport-123.csv

📄 Nouveau PDF → Blob Trigger

⬇

⚙️ Azure Function lit XML + CSV associés

⬇

🧹 Nettoie et merge les données

⬇

📤 mergeOrUpload → Azure AI Search

⚠️ Points critiques :

Association des fichiers : L'indexer Blob ne lie pas automatiquement PDF + XML + CSV. Solutions : custom metadata sur le blob PDF, ou Azure Function Blob Trigger
Mise à jour partielle : Si seul le XML change sans le PDF, l'indexer ne se déclenche pas. Solution : Table Storage + indexer Table dédié
Solution la plus simple : Indexer sur planning + integrated vectorization. Balancer les lots → mise à jour auto

07Choix des Modèles

Embedding

Modèle	Recommandation	Coût
text-embedding-3-small	À prendre en priorité	Faible
text-embedding-3-large	Si qualité insuffisante après test	Élevé

Génération de réponses

Usage	Modèle	Pourquoi
Usage courant	GPT-4o (ou GPT-4.1 / GPT-5)	Standard, bon rapport qualité/prix
Questions complexes	o3-mini (reasoning model)	Réfléchit avant de répondre, meilleur sur requêtes multi-facettes

💡 Combo le plus rentable : text-embedding-3-small + GPT-4o-mini (courant) + o3-mini réservé aux questions complexes. Même code, on change juste le modèle déployé.

08Interface Utilisateur

Azure n'a toujours pas de solution "low-code UI" prête à l'emploi pour un cas métier spécifique.

Approche concrète

Forker le sample azure-search-openai-demo (interface chat avec citations)
Customiser :

🗺️ Carte avec Azure Maps
🏷️ Facettes/filtres sur métadonnées géotech
✏️ Édition des métadonnées
📍 Recherche par zone géographique

Front : React (recommandé) ou Blazor

09Coûts Détaillés

Structure des coûts

Poste	Détail	Coût
Search Units (fixe)	S1, 1-2 partitions	~250-500 $/mois
Vector Storage	Inclus dans les SU	Gratuit
Semantic Ranker	1000 req/mois gratuites	~1 $/1000 req
Document Intelligence Layout	Payé par page	~600 $ / 400k pages
Embeddings (Azure OpenAI)	text-embedding-3-small	~60-120 $ / 10k docs
Blob Storage	Stockage fichiers	Négligeable
Azure Functions	Plan Consumption	Quasi gratuit
LLM (GPT-4o mini)	Génération réponses	Variable

Estimation 10 000 documents

💰 Ingestion initiale (one-time)

Document Intelligence Layout (40 pp × 10k)~600 $

Embeddings (text-embedding-3-small)~60-120 $

Total ingestion : ~660-720 $

📆 Coût mensuel récurrent

Azure AI Search S1 (1-2 partitions)~250-500 $

Semantic Ranker (si utilisé)Variable

Total mensuel : ~250-500 $

📈 Évolution positive : Depuis 2024, un S1 stocke 5 à 6× plus de vecteurs qu'avant pour le même prix.

10Dernières Évolutions RAG Azure (2025-2026)

Évolution 1 : Agentic Retrieval

🚀 Le plus gros saut

Un LLM décompose la question en sous-questions, les exécute en parallèle, reranke et synthétise.

"Cohésion dans
la moraine ?"

→

Sous-Q1: cohésion

Sous-Q2: localisation

Sous-Q3: type sol

→

Synthèse
finale

Preview 2025 Parfait pour recherches multi-facettes. Coût : ~0,022 $/M tokens (50M gratuits/mois).

Évolution 2 : Foundry IQ / Knowledge Bases

Connecter plusieurs sources (Blob, SharePoint, OneLake) dans une même "knowledge base".

Évolution 3 : Azure Content Understanding Skill

Meilleure extraction de tables, images, et surtout semantic chunking natif. "Ça change la game pour les rapports techniques".

Évolution 4 : Capacité vectorielle améliorée

Bien plus de vecteurs pour le même prix. Support multi-vector.

Impact coût des évolutions

Technologie	Coût
Azure AI Search (fixe)	Moins cher — 5-6× plus de capacité
Semantic Ranker	Identique — 1000 req gratuites
Hybrid + Semantic classique	Aucun surcoût
Agentic Retrieval	Nouveau coût variable
Content Understanding	Payant en plus

11Formation & Adoption

Objectif : que toute l'équipe (devs + ingénieurs géotech) soit autonome rapidement.

Pour l'équipe technique

Élément	Détail
Format	1 atelier de 2h en visio ou présentiel
Contenu	Création/mise à jour d'index, requêtes hybrid + Semantic, mergeOrUpload
Livrables	Notebooks commentés + repo GitHub avec exemples
Suivi	1 séance Q&A de 45 min

Pour les utilisateurs finaux (ingénieurs géotechniciens)

Élément	Détail
Format	1 session de 1h30
Contenu	Démo interface : recherche naturelle, filtres, carte, correction métadonnées
Livrables	Cheat-sheet PDF "Comment poser une bonne question géotech"
Replay	Vidéo Loom de 8 min disponible
Mesure d'adoption	Requêtes/utilisateur + taux correction métadonnées (> 15 % les 3 premiers mois)

Ressources supplémentaires

📄 Documentation interne (Notion ou SharePoint) mise à jour après chaque phase
💬 Canal Teams dédié #rag-geotech-support
📝 Cheat-sheet de prompts efficaces

12Roadmap d'Implémentation (Tracer Bullet)

Approche : Phases incrémentales. Chaque fin de phase = une version qui marche en production. On ne passe à la suivante que quand la précédente est validée par les utilisateurs.

Phase 1 — MVP RAG de Base

🎯 Objectif : question → réponse avec citations

Notebooks + Integrated Vectorization + Sample UI

Tâche	Technologie
Création index + ingestion 20-50 PDFs	Notebooks Python + Integrated Vectorization
Requête hybrid + Semantic Ranker	SDK azure-search-documents
Interface basique	azure-search-openai-demo (fork)

✅ Livrable : MVP validé — question → réponse avec citations et sources

Phase 2 — Enrichissement Métier

🎯 Objectif : recherche filtrée + carte + correction métadonnées

Facets + Synonym map + GeographyPoint + mergeOrUpload + Azure Maps

Tâche	Technologie
Tags / facets / synonym map	Collection(Edm.String), format Solr
GeographyPoint + filtres géo	Edm.GeographyPoint
Correction métadonnées	mergeOrUpload API REST
Carte Azure Maps	azure-maps-control (React)

✅ Livrable : Recherche enrichie — filtres métier + carte + correction

Phase 3 — Pipeline Automatique

🎯 Objectif : zéro opération manuelle

Azure Functions + Blob Trigger + mergeOrUpload automatisé

Tâche	Technologie
Blob Trigger sur nouveaux fichiers	azure-functions + azure-storage-blob
Nettoyage XML/CSV	Python (xml.etree, csv)
Mise à jour incrémentale	mergeOrUpload automatisé

✅ Livrable : Pipeline autonome — dépôt = indexation

Phase 4 — Production & Scalabilité

🎯 Objectif : solution scalable, monitorée, adoptée

Tier payant + Tests charge + Alertes + Formation

Tâche	Technologie
Passage tier payant	S1 ou supérieur
Tests de charge	locust / azure-load-testing
Monitoring + alertes	Azure Cost Management
Formation utilisateurs	Voir section 11

✅ Livrable : Solution en production, scalable et adoptée

Frameworks & Paquets Recommandés

Couche	Technologie	Pourquoi
SDK Azure Search	`azure-search-documents` + `azure-identity`	Officiel Microsoft
Stockage Blob	`azure-storage-blob`	Trigger + lecture fichiers
Orchestration LLM	Semantic Kernel	Natif Azure, support tools
Alternative LLM	LangChain	Plus de communauté
Tests	`pytest` + azure-sdk fixtures	Tests unitaires + intégration
CI/CD	GitHub Actions	Déploiement index + Function
Local (dev)	Azurite + notebooks	Seulement pour Blob Trigger

13Développement Local vs Azure + Budget Dev

Ce qu'il faut coder vs configurer

Composant	Configuration Azure	Code
Data Source (Blob)	Portail	❌
Index (schéma, champs vector)	Wizard	❌
Indexer + Skillset	Portail	❌
Requête hybrid + semantic	❌	JSON query
Correction métadonnées	❌	mergeOrUpload API
Mapping XML/CSV → index	❌	Custom skill/Function
Connexion LLM + prompt	❌	Code applicatif

80-90 % de l'ingestion est configurable sur le portail. L'expérience utilisateur (recherche + édition métadonnées), c'est du code.

Direct Azure, pas de stack locale

Phase	Environnement	Pourquoi
Prototypage	Notebooks Python sur Free tier Azure	Validation rapide schéma + embeddings + queries
Pipeline	Code local (Function) + vrai Search cloud	Azurite suffit pour Blob Trigger
Tests	CI/CD GitHub Actions → Dev Azure	Tests unitaires local, intégration cloud
Production	Tier payant Azure	Scalabilité + monitoring

Budget Dev : 50-100 $

Poste	Coût
Azure AI Search Free tier (50 MB, 3 indexes)	Gratuit
Azure Functions Consumption	1M exec gratuites/mois
text-embedding-3-small (petits volumes)	~10-20 $
GPT-4o-mini (petits volumes)	~10-20 $
Total exploration	~50-100 $

⚠️ Anti-facture surprise :

Resource group dédié dev-rag-geotech
Alertes budget à 50 $
Supprimer les services inutilisés
Surveiller : Document Intelligence + Semantic Ranker

Décisions, Conclusions et Prochaines Étapes

Dix décisions clés

1. Stack : Azure AI Search + Blob Storage + Functions + Document Intelligence + Azure OpenAI
2. Recherche : Hybrid + Semantic Ranker
3. Démarrage : Direct Azure, pas d'émulateur local
4. Approche : Incrémentale (PDFs → métadonnées → géoloc via mergeOrUpload)
5. Embedding : text-embedding-3-small
6. Réponse : GPT-4o-mini (courant) + o3-mini (complexe)
7. UI : Sample GitHub azure-search-openai-demo + Azure Maps
8. Correction : mergeOrUpload, simple et pas cher
9. Pipeline : Event-driven Blob Trigger
10. Agentic Retrieval : Phase 4, coût supplémentaire

Prochaines Étapes

Resource Group

Créer dev-rag-geotech

Budget

Activer alerte 50 $

Déployer Free tier

Prototype

Notebooks → index + queries hybrid

PDFs

Configurer Document Intelligence

Vocabulaire

Synonym map géotech

Pipeline

Azure Function Blob Trigger

Customiser sample + Azure Maps

Volume

Estimer pages réelles

Test

Semantic Ranker on/off