Indexation RAG de Confluence et intégration MCP

Ce qu’OKC indexe dans Confluence Cloud

Le connecteur lit via l’API REST les contenus publiés des espaces et des pages autorisés. Il conserve leurs titres, sections, tableaux, versions et liens. Une synchronisation incrémentale repère les modifications. Le périmètre d’analyse visuelle peut être choisi séparément du périmètre documentaire.

Texte et tableaux

L’index découpe les pages en passages utilisables pour la recherche. La section et la version restent associées à chaque passage. Les lignes et les en-têtes d’un tableau conservent leur relation.

Images et captures

OKC récupère les pixels des images autorisées. Le modèle relève le texte visible, les objets, les couleurs et les relations. Pour un workflow, il détaille les étapes et rôles écrits ainsi que les flèches, leur sens, leurs libellés et leurs conditions lisibles. La description et ces observations sont indexées avec le contexte de chaque occurrence. Les mots-clés affichés dans l’exemple sont des termes de ce texte indexé, sans filtre de tags distinct.

Pièces jointes

Les images jointes prises en charge alimentent la recherche visuelle. Les documents PDF, Word, Excel et PowerPoint sont téléchargés dans leur version, puis traités par les lecteurs locaux communs aux fichiers et à Confluence. Les extraits gardent le nom du fichier, sa version et leur localisation. Le suivi distingue les documents extraits, en attente, vides, non pris en charge ou en erreur.

Fédérer Confluence et vos sources de fichiers

Le module documentaire indexe les PDF, documents Word, classeurs Excel, présentations PowerPoint et formats texte des emplacements autorisés. Les lecteurs conservent les passages et leurs localisations, par exemple la page d’un PDF ou les coordonnées d’une cellule Excel. Selon le format et le lecteur retenu, un OCR peut extraire le texte d’un document numérisé. L’analyse visuelle détaillée de chaque figure d’un PDF constitue un périmètre à qualifier.

La recherche fédérée interroge les index Confluence et fichiers puis fusionne leurs classements. Elle conserve les modèles de représentation propres à chaque corpus. Avant restitution, OKC vérifie la source Confluence ou le fichier original. L’interface propose les deux corpus ; l’API et MCP les croisent avec knowledge_search(sources=“all”). Les contenus non extraits et les erreurs restent identifiables dans le suivi de couverture.

Du mot-clé à la réponse sourcée

La recherche lexicale retrouve une référence ou l’intitulé précis d’un bouton. La recherche sémantique utilise des embeddings, des représentations qui rapprochent des passages de sens voisin. Le mode hybride combine les deux pour classer les extraits de texte, les tableaux et les descriptions d’images. L’architecture de référence utilise PostgreSQL et pgvector.

Le RAG (Retrieval-Augmented Generation) fournit au modèle les passages sélectionnés pour la question. Les sources sont revérifiées dans Confluence avant et après la génération. Le lecteur obtient une réponse avec ses citations et peut ouvrir la page correspondante. Les modèles d’indexation, de vision et de génération de l’installation de référence s’exécutent localement.

Comment nous vérifions la qualité avec vos équipes

Ovyka prépare avec vos référents des questions portant sur un paragraphe, une capture avec un libellé et un visuel sans texte. Pour chaque cas, nous vérifions séparément si l’index retrouve la bonne pièce jointe, si la description respecte les détails visibles et si la citation renvoie à la bonne page et à sa version. Le suivi de couverture permet de distinguer une image en attente d’une image déjà analysée.

Ce travail guide les réglages du périmètre, des descriptions et de la recherche avant de brancher le canal retenu. À la remise du produit, vos administrateurs savent où suivre les modifications et quels éléments faire relire au métier.

Une API pour vos applications, des outils MCP pour vos agents

Votre portail peut appeler l’API pour rechercher, poser une question ou ouvrir un document. Un assistant compatible MCP peut aussi interroger directement les outils de lecture. L’assistant reçoit des extraits avec leurs sources et peut composer la réponse avec son propre modèle.

Recherche documentaire

knowledge_search classe les passages. knowledge_images cible les images par leur description et leur contexte.

Lecture et couverture

knowledge_document ouvre le détail d’une page retrouvée. knowledge_status renseigne l’assistant sur le périmètre indexé et son état.

Fichiers et recherche croisée

knowledge_files recherche les documents par contenu, chemin ou type. knowledge_file ouvre les passages localisés après vérification de l’original. knowledge_files_status expose la couverture documentaire. knowledge_search(sources=“all”) croise Confluence et fichiers, en conservant les sources.

Skills et consignes

La skill précise quand appeler ces outils, quelles preuves conserver et comment les restituer. Ovyka adapte ces consignes au canal, à la terminologie de l’entreprise et au lecteur. Les autorisations de lecture et de diffusion s’appliquent indépendamment du ton choisi.

Quel rôle pour l’API, MCP et une skill ?

API OKC

Votre application ou votre portail appelle directement les fonctions de recherche et de lecture. Elle maîtrise le parcours et la présentation de la réponse.

Serveur MCP

Un assistant compatible découvre les outils de recherche, les appelle et reçoit les extraits avec leurs liens. Le même adaptateur peut servir plusieurs clients IA.

Skill de l’assistant

Les instructions indiquent quand chercher, quels détails vérifier et comment citer la page. Elles utilisent un outil déjà raccordé, via MCP ou via une action propre à la plateforme.

Pour connecter OKC à plusieurs assistants, Ovyka privilégie une API commune et une façade MCP, puis adapte les consignes de chaque assistant. Pour un parcours exclusivement Atlassian, une action Forge peut aussi appeler l’API et être utilisée par une skill Rovo.

Choisir le branchement selon votre environnement

Préparer une intégration interne, partenaire ou grand public

Le branchement local de référence utilise une identité de lecture. Avant un accès partagé, Ovyka définit le corpus autorisé pour chaque public, contrôle les droits par lecteur et teste leur retrait. Une réponse interne peut citer la procédure Confluence. Pour un client externe, l’assistant utilise des sources autorisées et renvoie vers la documentation à laquelle le destinataire a accès.

Indiquez-nous votre source Confluence, le chat ou le portail envisagé et vos règles de diffusion. Nous pourrons vous présenter l’architecture qui convient à cet usage.