14 juin 2026

Réflexion dans le bus en direction de Séoul sur les doutes concernant le dataset/pipeline RAG Godot 4

• Au départ, l’idée était de crawler la documentation officielle de Godot, de convertir les projets GitHub en formats md et jsonl, puis d’utiliser un chatbot RAG pour déterminer si le projet concernait Godot 3 ou Godot 4
• Mais il est devenu douteux de pouvoir placer le contexte complet du projet et les extraits de documentation officielle dans le même contexte d’entrée du modèle

Analyse des limites du contexte d’entrée d’un chatbot RAG

• Un projet GitHub comprend le README, la structure des répertoires, de multiples fichiers .gd, des scènes, des chemins de ressources, etc.
• Ajouter les documents officiels récupérés par RAG augmente considérablement la taille de l’entrée, ce qui rend plus crucial la sélection des fichiers et des fragments pertinents que la simple accumulation de documents

Questionnement sur la forme du jeu de données questions/réponses

• Une requête du type « crée une carte » ne se résout pas forcément par un seul morceau de code
• Elle implique plusieurs étapes de raisonnement : compréhension de la structure du projet, identification des assets, analyse du style de code existant, vérification de la syntaxe Godot 4, décision des fichiers à modifier, etc.
• Ainsi, il faut se demander si le jeu d’instructions doit contenir uniquement le code final ou également les processus d’exploration et de décision

Réflexion sur le risque que le poids du pré‑entraînement Python domine à nouveau lors du traitement par chunks

• Même en demandant « crée une carte avec Godot 4 », le modèle pourrait, lors de la lecture chunk par chunk, faire remonter des poids pré‑entraînés orientés Python
• Il faut donc injecter fortement le contexte Godot 4 en amont du prompt et filtrer davantage lors du pré‑traitement pour éviter que du code Godot 3 ou des réponses de style Python ne se mêlent

Synthèse du jour

• RAG ou le crawling ne sont pas des solutions en soi ; l’enjeu principal est de concevoir comment le modèle lira le contexte et prendra ses décisions
• On propose de segmenter le contexte du projet selon les fichiers, les rôles et les dépendances, et d’inclure dans les instructions non seulement la réponse finale mais aussi, le cas échéant, le flux d’exploration et de jugement
• Il sera nécessaire de renforcer la conception des prompts, des tags, du filtrage et des critères de données préférées afin que le contexte Godot 4 ne soit pas dilué pendant le raisonnement

Rétrospective de développement : docs/retrospectives/2026-06-14.md