Agentic RAG

Le RAG agentique est une génération augmentée par récupération (RAG) dans laquelle un agent d’IA, soit un grand modèle de langage (LLM) qui planifie et appelle des outils en boucle, décide s’il faut récupérer des informations, quelles sources consulter et si les résultats suffisent pour répondre. Le RAG standard suit une seule passe prédéfinie : vectoriser la question, récupérer les passages les plus pertinents, puis générer la réponse. Un agent peut décomposer une question en sous-questions, en envoyer une à un index documentaire et une autre à une base de données SQL ou à une recherche Web, remarquer qu’un résultat n’est pas pertinent, reformuler la requête et relancer la recherche. Une étude de 2025 sur le RAG agentique répartit ces comportements en quatre schémas de conception agentique : réflexion, planification, utilisation d’outils et collaboration multi-agent.

Fonctionnement du RAG agentique#

Le modèle accède à ses outils de récupération par l’intermédiaire de l’appel de fonctions. Chaque outil, comme une recherche vectorielle dans des documents, une requête de base de données ou une recherche Web, est décrit par un nom et un schéma de paramètres ; le modèle émet un appel structuré lorsqu’il souhaite l’utiliser. Le protocole de contexte de modèle (MCP) offre aux agents un moyen standard de se connecter à ces outils. La boucle de contrôle suit le schéma ReAct, qui alterne étapes de raisonnement et actions :

Une question comme « Quels fournisseurs ont enregistré plus de retards de livraison ce trimestre que le trimestre dernier, et quelles pénalités leurs contrats prévoient-ils ? » montre l’intérêt de la boucle. Une seule passe de récupération vectorise la question entière et renvoie des passages de contrats qui mentionnent les retards de livraison de manière générale. L’agent interroge d’abord la base de données des livraisons pour obtenir le nombre de retards par fournisseur, puis consulte l’index des contrats une fois pour chaque fournisseur dont le nombre a augmenté, et combine les deux sources dans sa réponse.

Les outils ne se limitent pas au texte. Lorsqu’une réponse dépend de ce qu’une caméra voit à l’instant présent, un agent peut appeler un modèle Ultralytics YOLO26 comme outil : la prédiction sur la dernière trame renvoie chaque objet détecté, et results[0].summary() transforme les détections en une liste de dictionnaires contenant le nom de la classe, le niveau de confiance et les coordonnées des boîtes ; l’agent les consulte comme n’importe quel autre résultat récupéré.

RAG agentique et approches apparentées#

• RAG standard : effectue une seule récupération par question au moyen d’un pipeline fixe, avec une latence et un coût faibles et prévisibles. Il convient aux questions auxquelles un ou deux passages peuvent répondre.
• Self-RAG et RAG correctif : Self-RAG (2023) entraîne un modèle à émettre des jetons de réflexion qui déterminent quand récupérer des informations et évaluent sa propre sortie ; le RAG correctif (2024) ajoute un évaluateur de récupération qui déclenche une recherche Web lorsque les documents récupérés obtiennent de mauvais résultats. Ces deux méthodes intègrent un comportement agentique au sein d’un pipeline qui reste autrement fixe.
• GraphRAG : récupère des entités, des relations et des résumés de communautés à partir d’un graphe de connaissances construit à partir des documents. Un agent peut appeler des requêtes sur le graphe comme l’un de ses outils.
• Flux de travail agentiques : famille plus générale des systèmes LLM en plusieurs étapes, dont le RAG agentique est la variante consacrée à la recherche d’informations.
• Agents de recherche approfondie : RAG agentique qui effectue de nombreuses recherches pour répondre à une question, souvent réparties entre plusieurs agents. Dans le système de recherche multi-agent d’Anthropic, un agent principal Claude Opus 4 confie des sous-tâches à des sous-agents Claude Sonnet 4 exécutés en parallèle ; le système a surpassé un agent Opus 4 unique de 90,2 % lors de l’évaluation interne de recherche d’Anthropic.

Applications concrètes#

• Assistants de recherche d’entreprise : répondent à des questions portant à la fois sur un entrepôt de données, des magasins de documents et le Web, par exemple en comparant les chiffres de ventes internes aux résultats publiés d’un concurrent.
• Service client : un agent vérifie l’état d’une commande dans un système, récupère la politique de retour dans un autre et détermine si un remboursement s’applique avant de répondre.
• Dépannage en fabrication : un assistant récupère le journal de maintenance et les pages du manuel correspondant à la machine mentionnée dans un rapport de panne, puis consulte les tickets d’incident précédents si le manuel ne couvre pas le code d’erreur.
• Programmation agentique : les agents de programmation parcourent un dépôt, lisent les fichiers trouvés et relancent des recherches avec les noms découverts en cours de route avant de modifier le code.

Coûts et modes de défaillance#

Chaque étape supplémentaire ajoute un appel au LLM ; le RAG agentique est donc plus lent et plus coûteux qu’une seule passe. L’analyse par Anthropic de son système de recherche multi-agent a révélé que les agents utilisent généralement environ 4 fois plus de jetons que les interactions par chat, et les systèmes multi-agents environ 15 fois plus. Les agents peuvent aussi échouer d’une manière que les pipelines fixes ne connaissent pas : ils répètent des requêtes similaires, s’arrêtent avant de trouver le document clé, appellent le mauvais outil ou propagent une erreur initiale à toutes les étapes suivantes, ce qui peut donner lieu à des hallucinations formulées avec assurance. Les systèmes de production limitent le nombre d’étapes, enregistrent les traces complètes et évaluent les trajectoires entières avec l’évaluation d’agents. Dans l’analyse d’Anthropic, l’utilisation des jetons à elle seule expliquait 80 % de la variance des performances sur le benchmark de navigation BrowseComp.