AGENCE402

RAG · documentation riche

Qwen + pi peuvent-ils remplacer l'embedding ?

Note courte, 16/11/2026. Chiffres mesurés sur un projet industriel : 30 documents d'ingénierie (procédés, thermique, incendie, matériaux), 11 195 pages, 34 questions d'ingénieurs.

Réponse courte

En quoi c'est différent

RAG classique : un seul tir

Question→ Embedding de la question→ k extraits les plus proches→ LLM, 1 appel→ Réponse

Si les bons extraits ne sont pas dans les k premiers, la réponse est fausse ou vide : la recherche décide de tout.

Agent Qwen + pi : il cherche comme un ingénieur devant une bibliothèque

Question→
Qwen dans pi, en boucle (≈ 5 min au plus) rgsearchpage cite_checkpython3 ↺ jusqu'à avoir les preuves
→ Réponse citée (document, page)

Le LLM reformule lui-même ses requêtes, suit les renvois et relit les pages voisines : il compense une recherche imparfaite.

Comment ça marche

Outil de l'agentRôlePlace de l'embedding
rg "motif"Recherche exacte : n° de tableau, symbole, référenceAucune ; plus fiable que des vecteurs sur les identifiants
search "…"Recherche hybride, 8 pages avec extraitIci : sens (embedding) + mots-clés (BM25), fusionnés
page doc NLit des pages entières, seule lecture qui donne le droit de citerAucune ; remplace les extraits découpés
cite_checkVérifie que chaque valeur citée figure sur une page lueAucune
python3CalculsAucune

Protocole imposé : plan des besoins → plusieurs recherches → lecture des pages utiles et voisines → carnet de preuves → brouillon → vérification des citations → fin. Garde-fous : chronomètre, rédaction forcée à partir des notes si le temps manque, retrait de toute citation d'une page non lue en entier.

Est-ce que ça marche : les mesures

Système (1 DGX Spark, 34 questions)Score
RAG classique : recherche hybride puis 1 appel de rédaction18,5 / 34
Agent de recherche, puis 1 appel de rédaction28,5 / 34
Agent complet Qwen + pi, 300 s par question30 / 34
Même agent, 200 s par question25 / 34
Même agent, deux utilisateurs en même temps25 à 26 / 34

Juge : Claude Opus 5.5 avec une grille figée par question avant tout jugement. Bruit d'un passage à l'autre : ± 1 à 2 questions. Sur 189 questions (deux DGX) : 92 % de réponses correctes.

Ce que ces essais disent de l'embedding

Quand se passer de l'embedding

rg + BM25 + agent suffisent

  • Questions qui citent des identifiants (« § 7620 », « tableau 3 », nuance d'acier).
  • Vocabulaire du métier stable, utilisateurs experts.
  • Sommaire fiable : l'agent navigue par la table des matières.
  • Corpus qui change souvent : aucun index vectoriel à recalculer (13 h sur processeur pour 9 300 tranches dans l'essai cité).

L'embedding reste utile

  • Question formulée loin du texte (« combien de temps la paroi tient au feu » ↔ « résistance EI 60 »).
  • Plusieurs langues, synonymes, abréviations maison.
  • Corpus très large et hétérogène.
  • Premier tour de recherche : moins de tours d'agent, donc moins de temps par question.

Le prix de l'agent

Recommandation

Garder l'embedding, mais comme un outil de l'agent