Dans cet article, nous illustrons la manière dont l'architecture complète de génération augmentée par recherche (Retrieval-Augmented Generation, RAG) peut être affinée de manière end-to-end. Nous mettons en évidence les principaux défis ingénierie qui ont dû être relevés pour atteindre cet objectif. Nous comparons également les performances de l'architecture RAG end-to-end avec celles de l'architecture RAG originale sur la tâche de réponse aux questions. Nous avons rendu notre implémentation disponible en open source dans la bibliothèque HuggingFace Transformers.