Cet article propose un système de questions-réponses (QA) basé sur la génération augmentée de récupération (RAG) pour répondre aux défis d'accès à l'information liés au volume important et à la nature non structurée des documents internes des entreprises. En prenant comme exemple des documents de crash-tests issus de l'industrie automobile, nous nous concentrons sur le traitement de divers types de données, la préservation de la confidentialité des données et la traçabilité entre les réponses générées et les documents originaux. Pour y parvenir, nous présentons le cadre RAG-QA, qui comprend un pipeline de données transformant différents types de documents en un corpus structuré et des paires de QA, une architecture interne préservant la confidentialité et un outil de mise en correspondance de références léger reliant les réponses au contenu d'appui. Nos résultats expérimentaux démontrent des améliorations en termes de précision factuelle, d'informativité et de convivialité par rapport aux systèmes existants lorsqu'ils sont appliqués à l'industrie automobile.
