GENOVA – Guide Touristique Intelligent avec RAG

Projet réalisé dans le cadre du module LO17 – Indexation et Recherche d’Information (UTC).

---

Objectif du projet

GENOVA (Générateur de réponses touristiques avec navigation assistée) est une application de type RAG (Retrieval-Augmented Generation) combinant :

• extraction de contenus touristiques,
• indexation sémantique,
• génération de réponses à l’aide d’un LLM (Gemini),
• et une interface simple via Streamlit.

Elle permet de répondre à des requêtes du type :

• « Que faire à Tokyo ? »
• « Quels sont les plats typiques de Naples ? »
• « Quel est le climat en Albanie ? »

---

Technologies principales

• LangChain pour la gestion du pipeline RAG
• Gemini (Google) pour les embeddings et la génération
• ChromaDB pour le stockage vectoriel
• Streamlit pour l’interface utilisateur
• RAGAS pour l’évaluation automatique des réponses

---

Structure du projet

LO17_projet2_LLM/
├── data/ # Contient les fichiers de liens extraits depuis différents sites sources
│ ├── urls_routard.csv # Liste des URLs extraites depuis le site du Routard
│ ├── urls_diplomatie_gouv.csv # Liste des URLs extraites depuis le site du Ministère des Affaires étrangères
│ └── urls_wikivoyage.csv # Liste des URLs extraites depuis le site Wikivoyage
│ ├── evaluation/ # Contient les scripts liés à l’évaluation des performances du système RAG
│ └── RAG_LO17_evaluation.py # Script d’évaluation des performances (métriques de pertinence, qualité des réponses, etc.)
│
├── .env # Fichier de configuration pour stocker les variables d’environnement (API keys, chemins, etc.)
│
├── index/ # Contient les scripts liés à l’indexation et au moteur de recherche
│ ├── chroma_index.py # Script principal de création et d’interrogation de l’index Chroma (vecteurs, documents)
│ └── documents.py # Préparation, nettoyage et structuration des documents avant indexation
│
├── url_extraction/ # Contient les scripts d’extraction de données depuis les différentes sources en ligne
│ ├── diplomatie_gouv.py # Extraction des URLs et contenus depuis diplomatie.gouv.fr
│ ├── routard.py # Extraction des URLs et contenus depuis le site du Routard
│ └── wikivoyage.py # Extraction des URLs et contenus depuis Wikivoyage
│
├── .gitignore # Liste des fichiers et dossiers à exclure du suivi Git
├── app.py # Script principal de l’application Streamlit (interface utilisateur)
├── LO17_Slides_RAG.pdf # Support de présentation utilisé lors de la soutenance du projet
├── LO17_Rapport_RAG.pdf # Rapport de projet
├── requirements.txt # Liste des bibliothèques Python nécessaires au bon fonctionnement du projet
├── readme.md # Documentation du projet : objectifs, instructions d’installation, usage
└── demo_streamlit_genova.webm # Vidéo de démonstration de l’application (fonctionnement en conditions réelles)

Évaluation du code

Enfin, pour assurer un code propre, lisible et conforme aux bonnes pratiques, nous avons utilisé l’outil pylint afin d’analyser l’ensemble de notre base de code. Grâce à ce travail, nous avons obtenu un score global supérieur à 10 / 10, ce qui témoigne d’un code bien structuré, bien documenté et maintenable.

La commande utilisée pour obtenir ce score est la suivante :

pylint --disable=C0301,E0611,E1101 ./*.py

Accès direct

L'application est disponible en ligne à l'adresse :
https://genova-rag.streamlit.app/

Remarque importante

L'application repose sur une base de données volumineuse (~2 Go). En cas d’erreur du type :

gdown.exceptions.FileURLRetrievalError (This app has encountered an error...)

cela signifie que la limite de téléchargement du lien Google Drive a été atteinte ; il suffit alors simplement de réessayer plus tard.

Auteurs

Projet réalisé par :

• Samuel Beziat
• Emma Choukroun
• Jeanne Galet
• Selima Khessairi