Combien coûte un chatbot RAG sur vos documents internes ? Acheter ou construire

RAG IA, c’est quoi : comment un chatbot répond-il avec vos documents ?

RAG signifie génération augmentée par récupération (retrieval-augmented generation). Quand quelqu’un pose une question, le système cherche d’abord dans vos documents, transmet les meilleurs passages à un modèle de langage et lui demande de répondre à partir d’eux, en citant la source. Pour la CNIL, c’est une recherche dans une base vectorisée, plus facile à mettre à jour et à tracer que le modèle seul.

Deux conséquences. Rien n’est réentraîné : vos fichiers vivent dans un index de recherche, hors du modèle. Et la réponse ne vaut pas mieux que la recherche : documents en double, périmés ou scannés sans texte donnent des réponses fluides et fausses.

Combien coûte un chatbot RAG sur vos documents internes ?

Les grilles publiées en 2026 divergent d’un facteur dix ou plus, car chacune chiffre un projet différent. Aucune n’est un devis.

Lisez la ligne VITON¹³ comme un périmètre plus étroit, pas comme une remise : le forfait plafonne documents, sources, groupes et questions de test, et laisse hors prix la numérisation, les intégrations et les frais des fournisseurs.

Pourquoi deux devis pour le même chatbot RAG diffèrent-ils autant ?

• Préparation des données : Hamza Shabbir l’estime à 30–40 % d’un budget de construction. Un dossier de texte propre se prépare en un jour, des années de PDF scannés en plusieurs semaines.
• Droits d’accès : si chacun lit des documents différents, les règles doivent passer du système source à la recherche. Koïno dit que la gestion des droits sur données sensibles est le poste qui déraille le plus.
• Entretien : Tensoria compte 15 à 25 % du coût initial par an en maintenance, plus l’hébergement (50 à 200 € par mois) et la base vectorielle (20 à 500 € par mois).
• Qui construit : selon Hamza Shabbir, les agences facturent deux à trois fois un ingénieur indépendant pour le même périmètre.

Un outil prêt à l’emploi peut-il remplacer un RAG sur mesure ?

Pour une équipe déjà installée dans une suite, souvent oui. Le tableau reprend ce que chaque éditeur affiche aujourd’hui sur sa page tarifaire.

Les postes s’additionnent. Vingt personnes sur ChatGPT Business coûtent 4 800 $ par an en paiement annuel ou 6 000 $ en mensuel ; avec l’offre Copilot Business, 4 320 $ la première année ; sur Notion Business, 4 680 € (calculs de l’auteur). C’est la fourchette d’un petit projet : demandez ce qu’un poste ne fait pas, comme tourner dans votre site ou un bot Telegram, répondre au public ou appliquer des règles par document.

Combien coûte un chatbot RAG chaque mois ?

Trois compteurs tournent après le lancement : l’indexation des fichiers, le stockage de l’index et les jetons de chaque question. Indexer coûte presque rien : 200 documents de 20 pages, à environ 600 jetons la page, font 2,4 millions de jetons, et text-embedding-3-small d’OpenAI coûte 0,02 $ le million, soit environ cinq centimes. Le stockage pèse peu : la recherche de fichiers d’OpenAI inclut 1 Go gratuit.

Les questions sont le compteur principal. Prenons 3 000 jetons en entrée (consignes, cinq passages, question) et 400 en sortie, les tailles de Hamza Shabbir, et 20 personnes posant cinq questions par jour pendant 22 jours ouvrés : 2 200 questions.

Le modèle d’une petite équipe coûte donc des dizaines de dollars. Ajoutez 25 à 150 dollars par mois d’hébergement (Hamza Shabbir). Le coût qui compte est celui d’une personne qui garde les documents à jour et lit les questions restées sans réponse.

Où un chatbot RAG se trompe-t-il encore ?

• Le mauvais passage est trouvé : un tableau ou une clause coupée en deux est traité à moitié, et un scan sans couche de texte ne donne rien à chercher.
• Versions anciennes et doublons : donnez à chaque document un responsable et une date.
• Les inventions subsistent : des chercheurs de Stanford ont constaté que des outils juridiques à base de RAG de LexisNexis et Thomson Reuters se trompaient dans 17 à 33 % des cas, moins qu’un chatbot généraliste mais loin de la suppression annoncée par certains éditeurs.
• Fuites d’accès : l’OWASP range parmi les faiblesses majeures des applications LLM le contrôle d’accès faible sur les embeddings et les bases vectorielles partagées qui laissent fuir du contexte entre utilisateurs.

Une entreprise répond de ce que dit son assistant. Dans l’affaire Moffatt c. Air Canada (2024 BCCRT 149), un tribunal de Colombie-Britannique a écarté l’argument selon lequel le chatbot était une entité distincte et condamné la compagnie à verser 812,02 dollars canadiens à un client pour un conseil tarifaire erroné. Ce bot parlait au public, mais vos salariés agissent aussi d’après un assistant interne.

Que disent le RGPD et la CNIL d’un assistant sur documents internes ?

Si vos documents contiennent des données personnelles, le fournisseur du modèle qui les traite est votre sous-traitant : l’article 28 du RGPD exige un contrat écrit qui l’engage à suivre vos instructions, l’article 32 des mesures de sécurité adaptées au risque. La CNIL précise que l’entreprise qui connecte un assistant à sa propre base de connaissances répond de ce traitement, et qu’avec des données personnelles ou une documentation sensible un déploiement sur site est généralement plus sûr.

Ce n’est pas un conseil juridique. Demandez à votre DPO ou à un avocat où le fournisseur traite les données, ce qu’il conserve et si vos fichiers servent à l’entraînement.

Construire, acheter ou attendre : quelle liste de décision ?

• Inutile de faire du RAG si toute votre bibliothèque tient en 100 à 200 pages et bouge peu : Hamza Shabbir propose un prompt en cache, et ChatGPT Business affiche une fenêtre de raisonnement d’environ 320 pages.
• Achetez des postes si tout le monde travaille dans Microsoft 365, Google Workspace ou Notion, que vous êtes quelques dizaines et que les droits de la suite suffisent.
• Prenez un constructeur de bots pour site web si le public est composé de visiteurs et le contenu public.
• Construisez sur mesure si des groupes différents lisent des documents différents, si la réponse doit renvoyer au passage, si les sources sont dans plusieurs systèmes, si vous voulez votre interface ou des tests rejouables, ou si les données doivent rester dans une région choisie.