RAG en français : une IA qui répond depuis vos documents

import numpy as np
from openai import OpenAI

client = OpenAI(base_url="https://api.deeprelay.io/v1", api_key="dr_votre_cle")
EMB = "intfloat/multilingual-e5-large"

documents = [
    "Les livraisons à Dakar sont effectuées sous 24h pour 1500 F.",
    "Les retours sont acceptés sous 7 jours avec le reçu d'achat.",
    "Le service client répond au 77 000 00 00, du lundi au samedi 9h-18h.",
    # … vos vrais documents ici
]

# 1. Indexation (à faire une fois, puis sauvegarder)
emb = client.embeddings.create(model=EMB, input=documents)
index = np.array([e.embedding for e in emb.data])

def repondre(question: str) -> str:
    # 2. Recherche des 3 passages les plus pertinents
    q = np.array(client.embeddings.create(model=EMB, input=question).data[0].embedding)
    scores = index @ q / (np.linalg.norm(index, axis=1) * np.linalg.norm(q))
    contexte = "\n".join(documents[i] for i in scores.argsort()[-3:])
    # 3. Réponse ancrée dans le contexte
    r = client.chat.completions.create(
        model="deepseek-ai/DeepSeek-V3.2",
        messages=[
            {"role": "system", "content": f"Réponds UNIQUEMENT à partir de ce contexte:\n{contexte}\nSi la réponse n'y est pas, dis-le."},
            {"role": "user", "content": question},
        ],
    )
    return r.choices[0].message.content

print(repondre("C'est combien la livraison à Dakar ?"))