Recherche agentique

La recherche agentique est une approche de récupération dans laquelle un agent IA (généralement piloté par un grand modèle de langage) planifie et exécute activement un processus de recherche en plusieurs étapes, plutôt que d’effectuer une simple recherche statique. L’agent décompose une requête, décide quelles sources ou quels outils consulter, lance plusieurs recherches, évalue ce qu’il trouve et affine son approche en boucle jusqu’à ce qu’il ait rassemblé suffisamment d’informations pour répondre.

En résumé, la recherche traditionnelle ne récupère souvent les informations qu’une seule fois, tandis que la recherche agentique raisonne, récupère et récupère de nouveau jusqu’à ce que la question soit véritablement résolue.

Comment fonctionne la recherche agentique

La recherche agentique remplace l’étape unique « requête en entrée, résultats en sortie » par une boucle itérative contrôlée par l’agent :

1. Compréhension de l’intention : l’agent interprète ce que l’utilisateur veut réellement, y compris les contraintes implicites et l’objectif sous-jacent derrière la requête littérale.
2. Planification et décomposition : les questions complexes sont divisées en sous-questions ou tâches plus petites, qui peuvent être traitées de façon indépendante.
3. Sélection des outils et des sources : l’agent choisit où chercher, en sélectionnant parmi un index de recherche Web, une base de données vectorielle, une base de connaissances interne, une API structurée ou une combinaison de ces éléments.
4. Récupération itérative : l’agent lance des recherches (parfois en parallèle, parfois en séquence) et lit les résultats.
5. Évaluation : l’agent juge si les éléments récupérés sont pertinents, suffisants et fiables, et il identifie les lacunes ou les contradictions.
6. Affinage : sur la base de ce jugement, l’agent reformule les requêtes, approfondit ou explore un nouvel angle, en répétant la boucle selon les besoins.
7. Synthèse : une fois qu’il en a assez, l’agent combine ses résultats en une réponse cohérente, souvent en citant ses sources.

Une caractéristique déterminante est la réflexion : l’agent peut reconnaître qu’une réponse est incomplète ou peu fiable et décider d’effectuer une nouvelle recherche avant de fournir une réponse.

Recherche agentique, recherche par mots-clés et recherche sémantique

• La recherche par mots-clés (lexicale) met en correspondance les termes littéraux d’une requête avec les documents, généralement sans boucle de planification explicite en plusieurs étapes.
• La recherche sémantique utilise des embeddings pour établir une correspondance de sens plutôt que de mots exacts, en renvoyant les passages les plus similaires. Cela est souvent mis en œuvre sous la forme d’une seule passe de récupération.
• La génération augmentée par récupération (RAG) standard récupère souvent le contexte pertinent une seule fois et le transmet à un LLM pour générer une réponse, bien que des variantes itératives existent également.
• La recherche agentique ajoute de l’autonomie et de l’itération à ces techniques. L’agent peut utiliser la recherche par mots-clés ou la recherche sémantique comme outils, mais il décide du nombre de recherches à effectuer, de l’objet de la prochaine recherche et du moment où il a terminé.

La recherche agentique est étroitement liée au RAG agentique ; la différence est surtout une question de mise en avant. La recherche agentique décrit le comportement de récupération autonome en plusieurs étapes, tandis que le RAG agentique décrit un pipeline complet qui associe ce comportement à la génération de réponses.

Où la recherche agentique est-elle appliquée

• Moteurs de réponses par IA et outils de « recherche approfondie » : synthétisent les informations de nombreuses sources avant de répondre.
• Assistants de connaissances d’entreprise : effectuent des recherches dans les documents, les wikis, les systèmes de ticketing et les bases de données pour répondre aux questions des employés.
• Agents de support client : recherchent les politiques, les détails de compte et la documentation dans plusieurs systèmes pour résoudre un problème.
• Assistants de codage : ils recherchent dans une base de code, ses dépendances et sa documentation afin de comprendre le contexte avant de suggérer des modifications.
• Recherche spécialisée : workflows dans des domaines tels que l’analyse juridique, médicale et financière, où de bonnes réponses dépendent du rapprochement de plusieurs sources faisant autorité.

La recherche agentique est particulièrement précieuse lorsqu’une question est complexe, s’étend sur plusieurs sources ou ne peut pas être résolue par un seul document, des situations où une seule passe de récupération se révèle souvent insuffisante.

Termes associés

Génération augmentée par récupération (RAG), RAG agentique, recherche sémantique, base de données vectorielle, embeddings, décomposition de requête, utilisation d’outils, agents LLM.