RAG Formation · Leçon · Fiabilité et préparation du produit

Isolation des pannes et dégradation maîtrisée

Décider du comportement du système lorsque Qdrant, Meilisearch, LightRAG, les embeddings ou le LLM échouent.

Feuille de route Laboratoire d’ingénierie IA

$ lesson --status
▸ course RAG Formation
▸ lesson 13 / 16
▸ phase Fiabilité et préparation du produit
▸ status Terminé
● build → measure → learn

Leçon autonome

Apprenez la leçon complète et vérifiez votre compréhension ici.

Le contenu des 16 leçons de RAG Formation est complet. Cette page contient le contenu complet, les références locales et des exercices immédiats dans le navigateur.

Le gain concret de cette leçon

À la fin de cette leçon, vous disposerez d’une matrice des défaillances des dépendances qui distingue clairement ce qui peut être servi de manière partielle et sûre de ce qui exige un refus immédiat.

Regarder la vidéo

1 · La compétence

Établissez une matrice des défaillances pour Qdrant, Meilisearch, la récupération par graphe, les embeddings, l’appel de complétion et Redis.

Isolation des défaillances : empêcher une dépendance défaillante de corrompre toute la requête ou de voir le problème dissimulé.
Dégradation progressive : lorsque c’est sûr, renvoyer un résultat honnêtement présenté comme limité — une recherche vectorielle seule, par exemple, plutôt que de prétendre disposer encore d’une couverture hybride complète.
Échec fermé : refuser catégoriquement lorsque l’élément manquant rend les preuves indignes de confiance ou empêche de vérifier l’identité du demandeur.

Lecture principale : Disposabilité et dépendances dans le Twelve-Factor App

2 · Exécuter la boucle de preuve

cd demo
python3 setup_demo.py status

Pour chaque dépendance, notez l’apparence de la défaillance, le repli sûr, ce qui est bloqué, le message visible par l’utilisateur et l’indicateur à surveiller.

Une réponse qui semble toujours parfaitement normale après la perte des preuves sur lesquelles elle reposait n’est pas une dégradation progressive : elle est simplement dangereuse.

3 · Fiche de décision

Preuve de référence	Une hypothèse/modification	Indicateur	Contrôle de régression	Conclusion délimitée
_____	_____	_____	_____	_____

4 · Exercice de récupération

Question : Le LLM vient de tomber en panne. Quelle est la réponse sûre ?

Lien avec la mission

Les systèmes tombent en panne en production — ce point ne se discute pas. Ce qui distingue un chatbot fiable, c’est sa transparence : il reconnaît la réduction de ses capacités au lieu de renvoyer discrètement une réponse apparemment normale mais dépourvue de fondement solide.

5 · Livrable et prochaine action

Enregistrez la sortie de commande ou rédigez-en un court compte rendu.
Complétez la fiche de décision.
Notez un cas d’échec et la prochaine vérification à exécuter.

Une matrice des défaillances des dépendances qui distingue clairement le service partiel sûr du comportement en échec fermé.

Prochaine étape : leçon 14 — latence, coût et observabilité.

Posez-moi vos questions sur les preuves, l’indicateur, le cas d’échec ou l’expérience à tenter ensuite : je suis votre enseignant pour cette formation.

← Leçon précédente Fiche de référence Leçon suivante →