Base de connaissances IA pour les entreprises.
Système RAG depuis l'Allemagne, accessible sur chaque canal.
Le savoir est partout : dans des PDF, des wikis, des documents Word, des listes de FAQ, de vieux e-mails. Les collaborateurs et la clientèle doivent le chercher manuellement. Les outils classiques de gestion des connaissances sont des outils de recherche, ils affichent des résultats mais ne répondent pas. Une IA générative comme ChatGPT sait répondre, mais ne connaît pas le savoir de votre entreprise. Ce qui manque : un système RAG qui relie les deux, et accessible sur chaque canal (téléphone, chat, e-mail).
Le RAG (Retrieval Augmented Generation) est l'architecture standard des bases de connaissances IA d'entreprise : les documents sont traduits en embeddings vectoriels et stockés dans une base de données vectorielle. Lors d'une demande, le système recherche les passages les plus pertinents, les transmet comme contexte à un LLM qui génère une réponse. Avantage par rapport aux outils de recherche classiques : une réponse en langage naturel plutôt qu'une liste de liens. Avantage par rapport à une IA générique : un savoir d'entreprise spécifique plutôt qu'un savoir général. Mais construire soi-même des systèmes RAG relève de l'ingénierie entreprise sur mesure : licencier une base de données vectorielle (service cloud américain ou auto-hébergé), configurer l'intégration LLM, bâtir le pipeline d'embeddings, choisir une stratégie de chunking, mettre en place un modèle de re-ranking, construire une couche de conformité pour le RGPD/l'AI Act. Effort en temps : 2 à 6 mois d'implémentation sur mesure. Tarification : mise en place à 5 chiffres + coûts cloud mensuels à 4 chiffres. Hors budget pour une PME DACH. L'architecture de Rinqo résout cela : la gestion des connaissances est incluse d'emblée dans le produit, base de données vectorielle Qdrant auto-hébergée sur Hetzner, LLM européens (Microsoft Azure OpenAI (Microsoft Ireland, Sweden Central)), information AI Act conforme. Activation en 10 minutes via un assistant.
Rinqo est une base de connaissances IA avec sortie multicanal. Une base de connaissances centrale fondée sur le RAG par organisation, alimentée par des PDF, l'exploration du site, des listes de FAQ, des articles de helpdesk ; d'autres sources comme Confluence, Notion ou SharePoint, nous les connectons sur demande. Accessible via quatre canaux : téléphone (un appel fournit la réponse issue de la base de connaissances), chat (widget avec function calling), e-mail (un agent de tri autonome répond aux demandes standard) et assistant personnel (recherche interne en questions-réponses pour toute l'équipe). Hébergement Hetzner Allemagne, à partir de 99 € HT/mois au forfait.
Tester la base de connaissances IAWarum Rinqo?
RAG prêt à l'emploi plutôt qu'ingénierie sur mesure
Implémentation RAG classique : 2 à 6 mois d'ingénierie sur mesure avec licence de base de données vectorielle, mise en place LLM, pipeline d'embeddings, chunking, re-ranking, conformité. Rinqo : configuration par assistant en 10 minutes, Qdrant, Microsoft Azure OpenAI, information AI Act intégrée par défaut.
Sortie multicanal sans intégration séparée
Les outils de base de connaissances classiques sont des interfaces web. Rinqo rend la même base de connaissances accessible par téléphone, widget de chat, tri e-mail et via l'assistant personnel, sans intégrations de canal séparées. Une base de connaissances, quatre canaux.
Hetzner Allemagne plutôt qu'une base vectorielle en cloud américain
Les services de base de données vectorielle répandus hébergent dans des régions américaines. Rinqo utilise Qdrant auto-hébergé sur Hetzner Falkenstein/Nuremberg, aucune exposition au Cloud Act pour le savoir de l'entreprise. Contrat de sous-traitance automatique à la signature.
Résolution des lacunes de connaissances, apprentissage continu
Quand l'IA ne peut pas répondre à une demande, la lacune est signalée dans le tableau de bord. Vous ajoutez la réponse en une minute, et la fois suivante l'IA sait répondre. La base de connaissances grandit à partir de vraies demandes clients, pas d'un entretien théorique de FAQ.
Information AI Act art. 50 par défaut
Pour chaque réponse générée par l'IA : une mention d'information (annonce vocale, badge de chat, pied de page e-mail). Obligatoire à partir du 02/08/2026, par défaut chez Rinqo. Les implémentations RAG sur mesure classiques doivent intégrer l'information manuellement.
Function calling pour des réponses structurées
Au lieu de simples réponses textuelles, l'IA peut appeler des fonctions : réserver un rendez-vous dans Cal.com, créer un lead dans le CRM, déclencher un webhook, ré-escalader vers un humain. La base de connaissances devient ainsi active (elle agit) plutôt que passive (elle informe seulement).
Vorher. Nachher.
Options classiques pour la gestion des connaissances d'entreprise : (1) outils de wiki et de documents, interface web pour la recherche, aucune réponse IA, aucune disponibilité multicanal. (2) implémentation RAG sur mesure, 2 à 6 mois d'ingénierie, coûts de mise en place à 5 chiffres, base vectorielle en cloud américain, conformité RGPD manuelle. (3) chats IA génériques, ne connaissent pas le savoir de votre entreprise, donnent des réponses inventées (hallucinations).
Rinqo (Allemagne, Hetzner) : système RAG prêt à l'emploi avec base de données vectorielle Qdrant UE, LLM européens, standard AI Act. Sortie multicanal : téléphone + chat + e-mail + assistant personnel. Résolution des lacunes de connaissances pour un apprentissage continu. Mise en place en 10 minutes via un assistant. Forfait à partir de 99 € HT/mois au lieu d'une mise en place sur mesure à 5 chiffres.
Qu'est-ce qu'une base de connaissances IA ? Le RAG pour les entreprises expliqué
Le RAG (Retrieval Augmented Generation) est l'architecture de référence des bases de connaissances IA. Trois étapes : premièrement, les documents sont traduits en embeddings vectoriels sémantiques (p. ex. via un modèle d'embedding comme text-embedding-3) et stockés dans une base de données vectorielle. Rinqo utilise Qdrant (open source, Apache 2.0) auto-hébergé sur Hetzner. Deuxièmement, lors d'une demande, le système calcule l'embedding vectoriel de la question et recherche les passages de documents les plus proches dans la base, typiquement les 5 meilleurs résultats. Troisièmement, les passages trouvés sont transmis comme contexte à un LLM (Rinqo : Microsoft Azure OpenAI (Microsoft Ireland, Sweden Central) comme socle IA unique) qui génère une réponse en langage naturel. Avantage : un savoir d'entreprise spécifique plutôt qu'un savoir général, une réponse en langage naturel plutôt qu'une liste de liens. Compromis : nécessite des contenus de base de connaissances de bonne qualité et un chunking propre. Rinqo a calibré par défaut le chunking et le re-ranking pour les bases de connaissances de PME DACH (articles de helpdesk de 100 à 500 mots, mélangés à des listes de FAQ et des documents PDF).
Comment la base de connaissances de Rinqo se construit, trois sources d'entrée
Rinqo accepte trois types d'entrée de base de connaissances. Premièrement, l'exploration du site. Vous indiquez l'URL de votre domaine principal, Rinqo explore automatiquement toutes les pages indexables (typiquement 50 à 500 pages pour une PME DACH), extrait le texte, l'intègre dans Qdrant. Effort de 5 à 15 minutes selon le nombre de pages. Deuxièmement, le téléversement de fichiers. Documents PDF, documents Word, fichiers Markdown, tableaux Excel sont téléversés. Rinqo extrait le texte avec une compréhension de la mise en page (titres, tableaux, listes), l'intègre automatiquement. Fonctionne pour des collections d'articles de helpdesk, des manuels collaborateurs, de la documentation produit, des politiques de conformité. Troisièmement, les sources tierces. Les contenus d'outils comme Confluence, Notion, SharePoint, Google Drive ou Zendesk, nous les connectons sur demande ; la mise en place est assurée par nos soins, en général en quelques jours.
Sortie multicanal, une base de connaissances pour quatre canaux
Les outils classiques de gestion des connaissances sont des interfaces web, les collaborateurs et la clientèle doivent ouvrir l'application, chercher, lire. Lors d'appels, de demandes de chat ou d'e-mails, le savoir doit être consulté manuellement par quelqu'un de l'équipe. Rinqo inverse la logique : la même base de connaissances est diffusée via quatre canaux. Canal téléphone : l'agent téléphonique IA prend l'appel, cherche dans la base de connaissances, répond vocalement (synthèse vocale d'un fournisseur allemand, hébergée dans l'UE). Canal chat : widget web avec la même base de connaissances. Canal e-mail : un agent de tri autonome se connecte via IMAP à la boîte, répond aux demandes qui figurent dans la base de connaissances, escalade les mails complexes. Assistant personnel : recherche directe en questions-réponses pour toute l'équipe (p. ex. sur la documentation du processus de déclaration d'arrêt maladie), avec citation de la source à chaque réponse. Une base de connaissances, quatre canaux, aucun silo de savoir.
Résolution des lacunes de connaissances, la base apprend de vraies demandes
Les systèmes RAG classiques ont un problème typique : la base de connaissances est initialement incomplète. Les collaborateurs et la clientèle posent des questions non couvertes par la base. Les systèmes classiques répondent alors par un message d'erreur ou, pire, hallucinent. Rinqo a une boucle d'apprentissage continu. Étape 1 : pour une demande sans réponse possible, l'IA escalade honnêtement vers un humain ET consigne la lacune de façon structurée dans le tableau de bord. Étape 2 : vous voyez toutes les lacunes de connaissances ouvertes, triées par fréquence. Étape 3 : vous ajoutez la réponse en 30 secondes (sous forme d'entrée de FAQ, de passage de documentation complété ou de nouveau fichier de connaissances). Étape 4 : la demande identique ou similaire suivante reçoit une réponse automatique. La base de connaissances grandit à partir de vraies demandes clients, pas d'un entretien théorique de FAQ. Effet : le taux de réussite passe typiquement de 60 à 70 pour cent en semaine 1 à 90 à 95 pour cent en semaines 4 à 6.
Rinqo vs. outils classiques de gestion des connaissances, le comparatif
Trois options sont comparées par les PME DACH en 2026 pour la gestion des connaissances. Premièrement, les outils de wiki et de base de connaissances classiques. Force : des interfaces éditoriales matures, versionnage, permissions, collaboration d'équipe. Faiblesse : interface web uniquement, aucune réponse IA, aucune disponibilité multicanal. Tarification typique de 8 à 15 €/personne/mois, mais sans couche IA incluse. Deuxièmement, l'implémentation RAG sur mesure. Force : flexibilité maximale en architecture et intégrations. Faiblesse : 2 à 6 mois d'ingénierie, coûts de mise en place à 5 chiffres, licences de base de données cloud, conformité RGPD/AI Act manuelle. Hors budget pour une PME DACH. Troisièmement, les chats IA génériques. Force : des réponses LLM matures. Faiblesse : ne connaissent pas le savoir de l'entreprise (sauf à copier manuellement le contexte), hallucinent sur les demandes spécifiques, souvent un hébergement en cloud américain. Rinqo réunit les trois avantages : une base de connaissances entretenue avec des fonctions éditoriales de base, plus des réponses RAG, plus RGPD/hébergement UE (made in Germany), prêt à l'emploi à partir de 99 €/mois au forfait.
Questions fréquentes
Sources
- Base de données vectorielle Qdrant (open source, Apache 2.0)
- Règlement européen 2024/1689 (AI Act), art. 50
- RGPD art. 28, sous-traitance
- CJUE C-311/18 (exposition au Cloud Act), transfert de données vers un pays tiers
Dernière mise à jour : 2026-05-09
Fondateur & CEO, Rinqo
Sven construit Rinqo à partir d'une observation simple : la plupart des outils d'IA sont conçus à San Francisco et vendus à Berlin. L'atelier de la Forêt-Noire, le cabinet vétérinaire de Salzbourg, l'hôtel familial du Tyrol reçoivent des logiciels qui ne parlent pas leur langue. Rinqo inverse la donne. Sur des serveurs européens, configuré en dix minutes, en vingt langues. Avec des modèles issus du métier lui-même.
Dernière mise à jour:
Essayer en direct
Voir l'agent