Des réponses cadrées et vérifiables
Question de recherche
Une étape structurée en amont de la recherche rend-elle les réponses sur les systèmes d'une entreprise plus complètes, plus justes et plus efficaces ?
Pourquoi c'est difficile
Une question comme « quelles commandes ouvertes de plus de 10 kW, par client ? » exige chaque membre, une seule fois, dans la bonne unité et à jour. La recherche trouve des passages, pas des ensembles complets, et les modèles de langage comptent de façon peu fiable. De plus, la recherche faiblit à mesure que l'index grandit.
Hypothèses
Nous testons si le chemin combiné :
- H1répond plus complètement et plus justement aux questions sur des ensembles ;
- H2réduit le coût et le temps par réponse exploitable ;
- H3conserve son gain quand les sources et les données augmentent ;
- H4ne fait pas moins bien sur les autres questions (non-infériorité).
Ce que nous mesurons
Part de résultats exploitables dans le budget, justesse, exhaustivité (F1 par élément, comptages exacts), chiffres et unités corrects, coût et temps par réponse exploitable, traçabilité, et passage à l'échelle quand les sources et les données augmentent.
S'appuie sur
- Qualité et confiance des données
- Synchronisation distribuée
- Résolution d'entités et valeurs typées
- Agents quasi déterministes et évaluation
Études R1 à R5, R7, R8.
Pour aller plus loin
- Wong, R.; Wang, J. et al. (2025): WideSearch: Benchmarking Agentic Broad Info-Seeking. Preprint, arXiv 2508.07999.
- Ravnik, J. et al. (2026): FinSheet-Bench. Preprint, arXiv 2603.07316.
- Reimers, N.; Gurevych, I. (2021): The Curse of Dense Low-Dimensional Information Retrieval for Large Index Sizes. ACL-IJCNLP 2021.
- Gao, L. et al. (2023): PAL: Program-aided Language Models. ICML 2023.




