Pourquoi la recherche vectorielle seule ne suffit pas
Les bases de données vectorielles trouvent bien les correspondances sémantiques, mais la documentation d'entreprise obéit à ses propres règles : une hiérarchie stricte de répertoires, de nombreux domaines thématiques, des références croisées entre les sections. Une requête comme « comment réduire la consommation énergétique d'une station de base » exige non seulement des paragraphes similaires, mais une correspondance précise avec la bonne sous-section, en tenant compte des instructions connexes. Les schémas RAG classiques commencent à faire des erreurs à ce stade : la requête part vers un mauvais domaine, la structure des documents est en pratique ignorée, et la recherche n'est pas étayée par un raisonnement sur l'endroit précis où il convient de chercher.
Les auteurs d'une récente prépublication sur arXiv ont proposé le framework VDGR-RAG, qui combine quatre approches : les vecteurs, les répertoires, les graphes et la réflexion. Le système fonctionne comme un agent : il ne se contente pas d'extraire des fragments, mais se déplace délibérément dans la base de connaissances, évalue les résultats intermédiaires et, si nécessaire, change de cap.
L'idée clé : du répertoire au graphe de connaissances
À la base de VDGR-RAG se trouve la construction, à partir des documents, d'un graphe de connaissances hétérogène (H²KG). Celui-ci préserve la hiérarchie des répertoires — les relations « parent-enfant » entre sections et sous-sections — ainsi que les relations sémantiques entre les blocs de sens. Grâce à cela, le système peut à tout moment répondre aux questions : « dans quelle section se trouve ce fragment ? », « qu'est-ce qui est encore lié à ce sujet ? », « où faut-il remonter pour obtenir le contexte général ? ».
Outils de recherche atomiques
La logique d'agent est implémentée via quatre modules en interaction.
- Directory-enhanced routing — navigation dans la table des matières. Le module décide d'abord à quel domaine ou graphe de connaissances la requête appartient, puis lance la recherche approfondie.
- Multi-route retrieval — extraction parallèle d'informations par trois moyens : vectoriel, structurel (selon les sections de la table des matières) et par graphe. Cela réduit le risque de manquer un document important.
- Directory backtracking — si le routage initial s'avère incorrect, l'agent revient au répertoire et modifie sa trajectoire de recherche.
- Dynamic reflection — après chaque étape, le système évalue si suffisamment de faits ont été accumulés et planifie la requête suivante. Il s'agit en substance d'une auto-réflexion itérative qui évite de « s'enliser » dans des fragments non pertinents.
Les modules ne fonctionnent pas l'un après l'autre, mais comme une boucle unifiée : la réflexion peut déclencher un nouveau routage, et la multi-recherche peut ramener des candidats qu'il faut ensuite vérifier via le graphe. La recherche devient un processus itératif flexible, et non une simple requête ponctuelle à l'index.
Ce que les tests ont montré
Les auteurs ont vérifié la valeur pratique sur des documents d'entreprise relatifs à quatre domaines sans fil — notamment la gestion de l'énergie et la gestion des pannes. Les résultats se sont révélés nettement meilleurs que ceux des systèmes RAG standard, tant en termes de complétude des connaissances trouvées que de précision des réponses aux questions.
La possibilité de revenir au répertoire s'est avérée particulièrement utile : c'est elle qui corrigeait les situations où la recherche vectorielle classique fournissait avec assurance un mauvais résultat. Pour une documentation hiérarchique, une telle « vérification avec la table des matières » est souvent plus importante qu'un index supplémentaire.
Conclusions
VDGR-RAG n'est pas simplement un énième récupérateur hybride, mais un exemple de la manière dont les principes d'agent et les représentations par graphes comblent les lacunes des véritables besoins des entreprises. Lorsque la hiérarchie est importante dans une base de connaissances et qu'une erreur dans le choix de la section peut compromettre l'ensemble de la réponse, la recherche vectorielle seule ne suffit effectivement pas.
