RAG agentique
Pourquoi c'est important
C'est ainsi que fonctionnent la plupart des produits de recherche par IA modernes. Les fonctions de recherche approfondie de ChatGPT, Claude, Gemini et Perplexity lancent des dizaines ou des centaines de recherches par question. Les agents de codage explorent une base de code de la même manière, par des recherches et des lectures de fichiers répétées plutôt que par une seule recherche par embeddings.
L'approche est devenue praticable parce que les modèles sont devenus bons dans l'utilisation d'outils et dans l'évaluation de leurs propres résultats. Le gain est le plus grand sur les questions difficiles : les questions à plusieurs sauts, les questions vagues qui demandent à être clarifiées, et celles où la première recherche révèle le bon terme à chercher ensuite.
En profondeur
Le RAG classique est un pipeline fixe : on prend la question de l'utilisateur, on récupère une seule fois les quelques meilleurs chunks, on les colle dans le prompt et on génère une réponse. Le modèle n'a pas son mot à dire sur ce qui est récupéré. Si la recherche passe à côté, la réponse est fausse, et rien dans le système ne s'en aperçoit.
Le RAG agentique confie la récupération au modèle. La recherche devient un outil que le modèle peut appeler autant de fois qu'il en a besoin. Il peut réécrire la question en meilleures requêtes, découper une question complexe en parties, lire les résultats, repérer les manques, chercher à nouveau avec ce qu'il vient d'apprendre, et s'arrêter quand il a assez d'éléments.
Ce que l'agent peut faire
- Décider s'il faut récupérer quoi que ce soit. « Combien font 2+2 » ne demande aucune recherche.
- Écrire ses propres requêtes. Les utilisateurs écrivent des questions brouillonnes. Le modèle peut en tirer plusieurs recherches précises.
- Choisir parmi les sources. Recherche vectorielle, recherche par mots-clés, SQL, API de recherche web, outils de fichiers et autres systèmes peuvent tous être proposés comme outils.
- Itérer. Lire les résultats, suivre les références et affiner. C'est la boucle ReAct appliquée à la récupération.
- Se vérifier. Évaluer si les passages récupérés répondent vraiment à la question, et vérifier le brouillon de réponse par rapport aux sources.
La version la plus simple
Vous n'avez pas besoin d'un framework. Donnez à un modèle capable un ou deux outils de recherche avec des descriptions claires, dites-lui de chercher avant de répondre et de citer ce qu'il a utilisé, et plafonnez le nombre d'étapes. Rien que cela bat souvent, sur les questions difficiles, un pipeline en une seule passe soigneusement réglé.
Compromis
- Latence et coût : chaque étape de recherche est un appel de modèle supplémentaire. Une question simple qui prenait une seconde peut en prendre dix, et une tâche de recherche approfondie peut durer des minutes et consommer des centaines de milliers de tokens.
- Croissance du contexte : les résultats s'accumulent dans la fenêtre de contexte, et les outils devraient donc renvoyer des extraits compacts et pertinents.
- Moins prévisible : l'agent peut s'arrêter trop tôt, tourner en rond ou s'égarer. L'évaluation doit examiner toute la trajectoire, pas seulement la réponse.
- Sécurité : les pages web et les documents récupérés peuvent contenir des injections de prompt, et un agent disposant d'autres outils peut agir en conséquence.
La qualité de la récupération compte toujours
Un agent ne peut compenser un mauvais outil de recherche que jusqu'à un certain point. Un bon découpage en chunks, la recherche hybride et le reclassement rendent chaque étape plus utile et réduisent le nombre d'étapes nécessaires. Fait intéressant, les agents s'en sortent souvent bien avec des outils simples, comme la recherche par mots-clés et la lecture directe de fichiers, car ils peuvent rattraper l'imprécision en réessayant.
Quand utiliser quoi
Pour des consultations simples et à fort volume où la vitesse compte, comme un bot de support qui répond à partir d'une FAQ, le RAG classique en une seule passe reste le bon outil. Pour la recherche, l'analyse et les questions complexes, laissez le modèle conduire. De nombreux systèmes utilisent les deux : une première récupération rapide, l'agent ne cherchant plus loin qu'en cas de besoin.