Liste de contrôle pour l’ingestion sécurisée de documents dans un RAG

Utilisez-la avant d’intégrer des documents à un système de génération augmentée par la recherche (RAG).

Enregistrement de la source

• Responsable de la source identifié.
• Responsable des données identifié.
• Système de référence documenté.
• Utilisateurs, rôles ou groupes autorisés documentés.
• Niveau de sensibilité attribué.
• Fréquence de mise à jour documentée.
• Comportement de conservation et de suppression documenté.
• Fréquence d’examen définie.

Sécurité des fichiers

• Liste des types de fichiers autorisés appliquée.
• Limite de taille de fichier appliquée.
• Exigence d’analyse antimalware ou de neutralisation du contenu définie.
• Fichiers chiffrés ou non pris en charge rejetés ou transmis pour examen.
• Empreinte cryptographique du fichier original stockée.
• Identité de l’auteur du téléversement ou événement source enregistré.

Extraction et reconnaissance optique des caractères (OCR)

• Méthode d’extraction enregistrée.
• Niveau de confiance de l’OCR enregistré là où pertinent.
• Nombre de pages et nombre de caractères extraits enregistrés.
• Pages vides ou ayant échoué signalées.
• Tableaux vérifiés lorsque les valeurs exactes sont importantes.
• Langue source détectée.
• Extraction de faible qualité exclue ou transmise pour examen.

Métadonnées et autorisations

• Chaque fragment possède un identifiant de source et un identifiant de document.
• Chaque fragment possède des métadonnées de visibilité relatives à l’organisation, à l’utilisateur et au rôle.
• Chaque fragment possède des métadonnées sur le responsable de la source et son niveau de sensibilité.
• Chaque fragment possède une version ou une empreinte du contenu.
• Chaque fragment possède une référence à la page ou à la section, lorsque c’est possible.
• La recherche filtre les autorisations avant le classement.
• Lors des tests, un utilisateur non autorisé ne récupère aucun fragment restreint.

Conservation et suppression

• Une procédure permet de supprimer le fichier original mis en cache.
• Une procédure permet de supprimer le texte extrait.
• Une procédure permet de supprimer les fragments.
• Une procédure permet de supprimer les embeddings et les vecteurs.
• Une procédure permet de supprimer les résumés et les caches.
• Les journaux et les sauvegardes suivent les règles documentées de conservation.
• La vérification de suppression est enregistrée.

Conditions de mise en production

• Les questions d’exemple retrouvent les sources attendues.
• Les sources obsolètes sont exclues ou signalées.
• Les citations pointent vers des emplacements de source valides.
• Le texte d’injection de prompt à l’intérieur des documents est traité comme du contenu, et non comme une instruction.
• Le responsable de la source a approuvé l’indexation en production.