Ancrage web

L’ancrage web consiste à fonder les réponses d’un modèle de langage sur du contenu web en direct récupéré au moment de la requête, afin que ses réponses reflètent des sources actuelles et vérifiables, plutôt que uniquement ce qu’il a appris lors de son entraînement. Un modèle ancré effectue une recherche sur le Web pour une requête donnée, récupère les pages pertinentes et génère sa réponse à partir de ce contenu, en citant souvent les sources utilisées.

En résumé : l’ancrage web relie les réponses d’un modèle à des sources web réelles et récentes, récupérées au moment de la requête, plutôt que de s’appuyer uniquement sur ses données d’entraînement.

Comment fonctionne l’ancrage web

Le modèle reçoit du contenu web actuel sur lequel raisonner avant de répondre :

1. Recherche : lorsqu’une requête nécessite des informations actuelles ou factuelles, le système effectue une recherche sur le Web et récupère des résultats pertinents et classés.
2. Récupération du contenu : le système récupère le contenu de ces pages sous forme de texte intégral, de passages extraits, de snippets ou de métadonnées riches, car le modèle ne peut raisonner que sur ce qui lui est fourni. Un contenu plus complet produit généralement des réponses mieux ancrées.
3. Injection en tant que contexte : le contenu récupéré est placé dans la fenêtre de contexte du modèle, aux côtés de la question.
4. Génération d’une réponse ancrée : le modèle rédige sa réponse à partir du contenu fourni et y joint généralement une attribution des sources afin que chaque affirmation puisse être vérifiée.

L’exigence déterminante réside dans la fraîcheur et la fidélité : une réponse ne vaut que par le contenu récupéré, de sorte que l’ancrage dépend de la capacité à faire parvenir un contenu pertinent et actuel dans la fenêtre de contexte du modèle.

Ancrage web, RAG et génération non ancrée

• La RAG est la technique générale consistant à récupérer des documents pour éclairer la génération d’une réponse ; l’ancrage web est une forme de RAG dont la source est le Web public en direct plutôt qu’un corpus privé.
• Les connaissances issues de l’entraînement du modèle constituent un instantané figé, limité par sa date limite de connaissances ; l’ancrage web peut fournir des informations sur des événements et des changements survenus après cette date.
• La génération non ancrée répond à partir de la mémoire et peut donner lieu à des hallucinations ; la génération ancrée s’appuie sur des sources récupérées (qui peuvent également être citées). En fin de compte, l’ancrage réduit les affirmations non étayées, sans toutefois les éliminer.

Où l’ancrage web fait la différence

• Questions d’actualité : les actualités, les prix, la météo et tout ce qui évolue après l’entraînement d’un modèle nécessitent un ancrage en direct pour être traités correctement.
• Confiance et vérification : l’ancrage permet à un modèle de citer de vraies sources, ce qui est le moyen dont les utilisateurs et les moteurs de réponse vérifient ses affirmations.
• Moteurs de réponse et agents IA : l’ancrage est ce qui permet à un assistant agentique de répondre à propos du Web en direct plutôt que de se limiter à ses connaissances figées.
• Les API de recherche comme couche d’ancrage commune : une API de recherche est souvent le moteur de récupération qui sous-tend l’ancrage web. Elle trouve et renvoie du contenu web destiné à l’ancrage du modèle. Selon l’API, les résultats peuvent inclure des URL et des snippets, des passages extraits ou un contenu préformaté plus riche. L’API du moteur de recherche Brave inclut un endpoint LLM Context qui renvoie un contenu de page pré-extrait et classé par pertinence, conçu pour les flux de travail d’ancrage.

L’ancrage web comble l’écart entre les données d’entraînement d’un modèle et l’instant présent. Une API de recherche est souvent le moteur qui permet de combler cet écart.

Termes associés

Génération augmentée par récupération (RAG), attribution des sources, hallucination, date limite de connaissances, moteur de réponse IA, recherche agentique, recherche sémantique, fenêtre de contexte, API de recherche.