Les grands modèles de langage (LLMs) ont émergé comme un outil largement utilisé pour la recherche d'information, mais il reste difficile pour l'utilisateur de détecter si leur réponse est fiable ou hallucinée. Dans ce travail préliminaire, notre objectif est de permettre aux LLMs de répondre à une requête de façon attribuable, améliorant ainsi leur factualité et leur vérifiabilité. Les travaux existants reposent principalement sur les moteurs de recherche commerciaux et l'évaluation humaine, ce qui rend difficile la reproduction et la comparaison des différentes approches de modélisation. Nous proposons un modèle multi-phases et ouvert qui permet de restituer des documents supports et générer des réponses avec citations. De plus, nous explorons différents scénarios pour évaluer notre modèle et ses divers modules de manière automatique.