Mistral AI lance Agentic Search, une technologie capable de naviguer dans des documents, d'en extraire les informations pertinentes et surtout d'en vérifier les sources. Une approche qui entend corriger certaines faiblesses du RAG traditionnel et affiche des gains spectaculaires sur plusieurs benchmarks documentaires.

La recherche documentaire dopée à l'IA franchit une nouvelle étape. Mistral AI mise sur une nouvelle approche. Plutôt que de fournir au modèle quelques extraits issus d'une recherche initiale, le système est capable d'explorer les documents jusqu'à trouver les éléments nécessaires pour répondre à une question.

Baptisée Agentic Search, cette fonctionnalité est accessible via Mistral Search Toolkit et Library, mais également dans Mistral Studio et Le Chat. Elle s'appuie sur cinq capacités : recherche, ouverture, navigation, exploration et capture. L'IA peut ainsi consulter directement un fichier, aller jusqu'à une page ou un tableau précis, puis rechercher un élément particulier pour vérifier une information.

• IA industrielle : Mistral AI rachète Emmi AI pour modéliser le monde physique

Une nette amélioration de la précision des réponses

Mistral AI revendique des progrès importants lors de ses évaluations internes. Sur FinanceBench, un benchmark consacré aux questions-réponses à partir de documents financiers, la précision serait passée de 26,7 % à 86 % avec Agentic Search.

Le test porte sur 150 questions fondées sur 368 documents déposés auprès de la SEC américaine, représentant environ 53 900 pages. Sur OfficeQA Pro, qui met notamment l'accent sur les documents riches en tableaux, le score serait passé de 6,3 % à 51,9 %, soit un gain de 45,6 points.

Ces résultats ont été obtenus avec les paramètres de recherche par défaut de Mistral Search Toolkit, sans optimisation spécifique. Mistral indique avoir utilisé notamment Mistral Medium 3.5 ainsi qu'un modèle plus important de GLM.

Une IA qui ne se contente plus des premiers résultats

Cette approche marque une différence importante avec le RAG traditionnel (Retrieval-Augmented Generation). Dans une architecture classique, le système récupère des fragments jugés pertinents dans un index, puis les transmet au modèle pour générer une réponse.

Cette mécanique atteint toutefois ses limites lorsque l'information recherchée n'apparaît pas dans les premiers résultats, ou lorsqu'elle est répartie entre plusieurs documents. Les tableaux, notes de bas de page, annexes ou clauses contractuelles peuvent notamment compliquer la recherche.

Avec Agentic Search, le modèle peut modifier sa requête, ouvrir un document, parcourir différentes sections et comparer plusieurs sources. Il peut également rechercher une expression dans un fichier afin de confirmer un élément avant de formuler sa réponse.

Cette capacité de vérification constitue l'un des principaux arguments de Mistral. L'IA ne cherche plus seulement une information, elle peut aussi remonter jusqu'aux éléments permettant de l'étayer.

Moins de recherches, moins de latence et de tokens

Cette exploration supplémentaire ne signifie pas nécessairement davantage de coûts. Mistral affirme au contraire avoir réduit la latence au 90e percentile jusqu'à 39,6 % et la consommation de tokens jusqu'à environ un tiers, notamment en évitant les recherches répétitives.

L'approche est destinée à des environnements où les documents sont volumineux ou particulièrement sensibles : informations financières, contrats juridiques, spécifications techniques, documents administratifs ou fichiers numérisés.

Autre avantage mis en avant : Agentic Search ne nécessite ni nouvel entraînement ni configuration spécifique du modèle. Le système conserve les index existants et peut théoriquement bénéficier des progrès futurs des modèles en matière de raisonnement et d'utilisation d'outils.

Mistral estime ainsi que la recherche agentique peut dépasser certaines limites structurelles du RAG actuel. L'entreprise reconnaît toutefois que les performances peuvent encore être améliorées en adaptant le système aux besoins de chaque cas d'usage.