Orange Business prépare un RAG multi-agent pour mieux exploiter les documents complexes

Les assistants d’IA en entreprise se heurtent souvent à une difficulté très concrète : l’information utile ne se trouve pas seulement dans une phrase de texte. Elle peut être répartie entre un rapport, un tableau chiffré, un graphique, une image ou plusieurs documents liés entre eux. C’est sur ce terrain qu’Orange Business entend avancer avec un projet de système de RAG multi-agent, annoncé en décembre 2024.

L’ambition est de dépasser les approches de recherche documentaire qui traitent surtout le texte ou qui s’appuient sur un agent unique. La filiale d’Orange dédiée aux services numériques pour les entreprises veut mettre à contribution plusieurs agents spécialisés, capables d’analyser des formats distincts, puis de coordonner leurs résultats. À terme, cette approche doit permettre de fournir des réponses plus précises à partir de fonds documentaires complexes.

Pourquoi le RAG est devenu central pour les données d’entreprise

Le sigle RAG désigne la génération augmentée par récupération. Derrière ce terme se trouve un principe simple : plutôt que de demander à un modèle d’IA générative de répondre uniquement à partir de ses connaissances générales, on lui donne d’abord accès à une base de documents pertinente. Le système recherche les passages susceptibles de répondre à la question, puis les transmet au modèle afin qu’il formule une réponse.

Cette méthode intéresse les entreprises parce qu’elle peut faire dialoguer un assistant avec des contenus internes : documentation technique, procédures, comptes rendus, catalogues, présentations ou référentiels de compétences. Elle ne dispense pas de vérifier les réponses, mais elle vise à ancrer celles-ci dans un corpus documentaire défini, plutôt que dans la seule capacité du modèle à produire du texte plausible.

Le point délicat réside dans la préparation de ces documents. Les systèmes de RAG transforment généralement les contenus en représentations numériques, appelées vecteurs. Ces vecteurs permettent de rapprocher une question des extraits dont le sens paraît voisin, y compris quand les termes employés ne sont pas exactement les mêmes.

Ce qu’Orange Business veut changer avec plusieurs agents

Le projet porté par Orange Business Digital Services part d’un constat : dans les implémentations traditionnelles, le RAG exploite fréquemment le texte au détriment des autres éléments d’un document. Or, un tableau peut contenir une donnée essentielle, un graphique peut résumer une tendance et une image peut apporter un contexte absent du corps du texte.

Selon Didier Gaultier, responsable de l’IA chez Orange Business Digital Services, les utilisateurs restent par ailleurs souvent dans des habitudes de recherche par mots-clés. L’enjeu est donc aussi de les aider à tirer parti des possibilités offertes par l’IA générative, notamment en transformant une intention de recherche exprimée de façon brève en une requête plus intelligible pour le système.

L’approche dite multi-agent consiste ici à confier différentes tâches à plusieurs composants spécialisés. Un agent peut se concentrer sur le texte, un autre sur les images, un autre encore sur les tableaux ou les graphiques. Le résultat attendu n’est pas une juxtaposition de recherches indépendantes : les agents doivent contribuer à une compréhension plus intégrée du document et de ses liens avec le reste du corpus.

Orange Business ne présente donc pas un assistant déjà disponible, mais un chantier de développement. Son objectif est de parvenir à une offre packagée et commercialisable dans les mois à venir.

Comment fonctionnerait l’architecture envisagée

Le cœur de l’architecture repose sur une base documentaire qualifiée de méta-vectorisée. Cette expression désigne l’idée d’enrichir la recherche vectorielle classique en combinant les représentations de plusieurs types de contenus et en tenant compte de leurs correspondances.

Un moteur d’orchestration doit coordonner les agents. Son rôle est déterminant : face à une question, il doit aiguiller la demande vers les analyses pertinentes, réunir les résultats issus des différents formats et les transmettre de manière cohérente à l’étape de génération de la réponse.

Cette organisation cherche à répondre à une limite fréquente des moteurs documentaires : un document n’est pas une succession de blocs de texte isolés. Un graphique et son commentaire, par exemple, prennent leur sens ensemble. De même, deux fichiers peuvent évoquer une même notion sous des vocabulaires différents ou se compléter sans se citer explicitement.

Au-delà des vecteurs, le rôle des graphes documentaires

Orange Business prévoit également de mettre les contenus en réseau au moyen d’un système de graphes. Dans ce type de représentation, les éléments d’information deviennent des nœuds reliés par des liens. Ces relations peuvent refléter des correspondances détectées entre fichiers, thèmes, compétences, entités ou contenus associés.

La promesse est d’aller au-delà d’une recherche qui se contenterait de sélectionner les vecteurs mathématiquement les plus proches d’une question. Le graphe peut aider à replacer une information dans un ensemble de relations : quel document complète celui-ci, quel tableau se rattache à cette procédure, quel contenu fait apparaître une compétence voisine ?

Cette couche relationnelle n’élimine pas les difficultés. La pertinence des liens dépend de la qualité de l’analyse initiale, de l’organisation du corpus et des règles utilisées pour établir les correspondances. Elle peut toutefois offrir une piste pour mieux exploiter des fonds documentaires où l’information est dispersée et hétérogène.

Un exemple d’usage autour des compétences

Orange Business évoque notamment un cas d’usage lié au matching de compétences et d’intitulés de poste. Le système pourrait détecter, dans les contenus professionnels produits ou manipulés par un salarié, une compétence qui ne figure pas explicitement dans son CV. Cette information pourrait alors faciliter le rapprochement entre les profils et les besoins liés à un poste.

L’exemple illustre l’intérêt potentiel d’une analyse qui ne se limite pas au texte d’un CV. Une présentation, un compte rendu, un tableau de suivi ou un document de projet peuvent en effet contenir des indices complémentaires sur l’expérience ou les savoir-faire d’une personne.

Mais il souligne aussi l’importance du cadre d’usage. Une compétence inférée par un système n’est pas automatiquement une compétence validée. Dans le contexte des ressources humaines, les entreprises devront notamment s’assurer que les données interrogées sont appropriées, que les résultats peuvent être compris et vérifiés, et que l’outil assiste une décision humaine au lieu de la remplacer de manière opaque.

Un consortium avec Lighton et un objectif de commercialisation

Pour accélérer ce chantier, Orange Business a constitué un consortium comprenant Lighton, spécialiste de l’IA générative. La participation de partenaires industriels doit contribuer au développement de la solution, tandis que l’entreprise recherche également des soutiens financiers pour faire avancer le projet.

Cette démarche traduit une réalité du marché de l’IA d’entreprise : concevoir un assistant performant exige plus qu’un modèle de langage. Il faut préparer les données, connecter les sources documentaires, choisir les mécanismes de recherche, assurer l’orchestration entre composants et intégrer l’ensemble aux outils de travail existants.

L’enjeu commercial sera de transformer cette architecture en une offre suffisamment claire et déployable pour les organisations. Les entreprises attendent généralement des solutions capables de s’adapter à leurs corpus, à leurs règles d’accès et à leurs cas d’usage, sans imposer une refonte complète de leur système d’information.

Ce qu’il faut surveiller dans les prochains mois

Le premier point à suivre sera la capacité d’Orange Business à concrétiser son objectif d’offre packagée. Entre une architecture prometteuse et un produit exploitable par des clients, plusieurs étapes restent nécessaires : construction de l’infrastructure, intégration des agents, mise en place du moteur d’orchestration et tests approfondis de la qualité des résultats.

La démonstration de valeur reposera aussi sur des critères très pratiques. Le système retrouve-t-il réellement les informations présentes dans un tableau ou un graphique ? Réussit-il à expliquer sur quels documents repose sa réponse ? Les liens établis par les graphes améliorent-ils la recherche, sans ajouter de bruit ni de complexité inutile ?

Enfin, le projet sera jugé sur sa capacité à concilier richesse documentaire et simplicité d’usage. L’utilisateur ne devrait pas avoir à connaître la structure technique du système pour poser une question pertinente. C’est précisément le rôle attendu des agents et de leur orchestration : convertir une demande humaine en recherche adaptée, tout en restituant une réponse fondée sur les contenus de l’entreprise.