YuMoney a Construit une Plateforme RAG et Assistant IA Eugene pour la Recherche Wiki Corporative

YUMoney a construit une plateforme RAG et un assistant IA "Eugène" pour rechercher dans le Wiki d'entreprise

Le service de paiement YUMoney a expliqué sur Habr comment il a construit sa propre plateforme RAG (Génération Augmentée par Récupération) et un assistant IA "Eugène" — il a remplacé la recherche standard dans le Wiki d'entreprise et comprend le sens de la requête d'un employé, plutôt que de simplement faire correspondre les mots-clés.

Pourquoi la recherche standard a cessé de fonctionner

Au fil du temps, les entreprises accumulent des milliers de pages de documentation interne, et trouver les bonnes informations devient de plus en plus difficile. Selon YUMoney, la recherche standard dans le Wiki d'entreprise ne peut plus gérer ce volume : les employés perdent du temps à naviguer entre les pages et, au lieu de chercher des réponses de manière indépendante, ils posent les mêmes questions à leurs collègues.

• Entreprise — YUMoney, un service de paiement russe
• Nom de l'assistant — "Eugène", construit sur la technologie RAG
• Auteur du matériel — Ilya, directeur du développement chez YUMoney
• Décision clé de l'équipe — rejet des solutions RAG prêtes à l'emploi en faveur de leur propre plateforme
• Public cible du matériel — architectes, ingénieurs IA et spécialistes implémentant des solutions LLM d'entreprise

Comment fonctionne l'assistant IA "Eugène"

Eugène combine les connaissances d'entreprise de l'entreprise avec les capacités des grands modèles de langage. RAG signifie Génération Augmentée par Récupération — "génération avec augmentation par recherche" : d'abord, le système trouve des fragments de documentation dans la base de connaissances pertinents pour la question, puis le modèle de langage formule une réponse en fonction de ceux-ci, plutôt que simplement sur les données sur lesquelles il a été initialement entraîné. Cela permet de répondre en fonction du sens de la requête, plutôt que de la correspondance formelle des mots, comme dans la recherche en texte intégral classique dans le Wiki.

Selon l'équipe de YUMoney, la transition des grands modèles de langage dans la catégorie des outils de travail a rendu possible de combiner les connaissances d'entreprise accumulées avec les capacités du LLM — c'est ainsi qu'Eugène a émergé, capable de comprendre le sens de la question d'un employé, plutôt que seulement les mots-clés qu'elle contient.

Pourquoi YUMoney a rejeté les solutions prêtes

Ilya, directeur du développement chez YUMoney, promet aux lecteurs d'expliquer pourquoi l'équipe a rejeté les solutions RAG prêtes à l'emploi sur le marché et a choisi la voie de construire sa propre plateforme pour les connaissances d'entreprise. L'auteur adresse le matériel principalement aux architectes et ingénieurs IA qui font face à des choix similaires lors de la mise en œuvre du LLM au sein d'une entreprise — c'est-à-dire qu'ils décident s'il faut intégrer un produit prêt ou construire une plateforme pour leurs données d'entreprise de manière indépendante.

Le matériel de YUMoney est présenté comme une analyse pratique de précisément ce choix : pourquoi le développement interne s'est avéré préférable à l'achat ou la connexion d'un service RAG tiers pour rechercher dans la documentation interne de l'entreprise.

"Je m'appelle Ilya, je suis directeur du développement chez YUMoney.

Je vais vous expliquer pourquoi nous avons rejeté les solutions prêtes et comment nous avons construit une plateforme RAG pour les connaissances d'entreprise", écrit l'auteur sur Habr.

Qu'est-ce que cela signifie

YUMoney démontre le chemin typique de 2026 des corporations de la documentation dispersée dans le Wiki vers un assistant IA interne basé sur RAG — une technologie qui devient le standard pour la recherche de connaissances au sein des entreprises avec de grands volumes de documentation interne, et le matériel de YUMoney s'adresse principalement à ceux qui implémentent eux-mêmes ces solutions.