Base documentaire pour agent IA : préparer des réponses vérifiables

Vous savez que la réponse se trouve dans vos documents, mais il faut encore retrouver la bonne version, le passage pertinent et l’exception qui change tout. Une base documentaire pour agent IA vise à raccourcir ce trajet. Son intérêt n’est pas de faire parler une archive entière : c’est de permettre au lecteur d’obtenir une réponse et de vérifier d’où elle vient.

Le bon point de départ est un audit limité : quelles questions veut-on traiter, quels documents font autorité et qui peut les consulter ? Un premier périmètre bien tenu permet d’identifier les problèmes avant d’indexer une archive entière. Voici une méthode illustrée par une association fictive qui veut répondre aux questions d’inscription de ses membres.

Partir des questions, pas du nombre de fichiers

L’association possède des notices, des comptes rendus et plusieurs versions d’un formulaire d’inscription. Tout importer semble pratique, mais cela mélange des décisions provisoires avec les règles en vigueur. Commencez plutôt par une liste de questions réelles : quelles pièces fournir, jusqu’à quand s’inscrire, qui contacter en cas de dossier incomplet ?

Associez chaque question à une source approuvée. Si personne ne sait où se trouve la réponse officielle, le problème est documentaire avant d’être technique. Créer une réponse automatique à partir d’une conversation ancienne ne résout pas ce manque d’autorité.

Pour le pilote, choisissez un sujet avec un responsable disponible. Il devra arbitrer les contradictions et valider les réponses attendues. La personne qui configure l’outil ne devrait pas être obligée de deviner quelle procédure représente réellement la position de l’organisation.

Construire une fiche d’identité pour chaque source

Un inventaire utile contient davantage qu’un nom de fichier. Pour chaque document retenu, renseignez :

• le sujet couvert et les questions auxquelles il répond ;
• le responsable qui peut confirmer son contenu ;
• son statut : brouillon, approuvé, remplacé ou archivé ;
• sa date de prise d’effet et, si nécessaire, sa période d’application ;
• la version qui le remplace ou qu’il remplace ;
• les publics autorisés à lire son contenu ;
• l’emplacement du passage de référence et la prochaine revue prévue.

La date de dernière modification n’indique pas toujours la règle applicable. Un ancien document peut rester valable pour un dossier ouvert l’année précédente. À l’inverse, un fichier récemment déplacé n’est pas forcément plus actuel. Les règles de priorité doivent utiliser des informations de fond, pas seulement l’ordre des résultats de recherche.

Un exemple de versionnement qui change la réponse

Dans notre exemple fictif, une notice approuvée pour la campagne 2026 indique une date limite au 30 septembre. Une notice 2027 fixe le 15 octobre. Un compte rendu préparatoire évoque le 31 octobre, mais cette proposition n’a jamais été validée.

À la question « Jusqu’à quand puis-je m’inscrire ? », une réponse fiable nécessite d’identifier la campagne concernée. Si le contexte ne le précise pas, l’agent demande l’année. Il ne choisit pas la date la plus récente dans les fichiers et ne combine pas les trois documents pour proposer une moyenne ou une plage approximative.

Une fois la campagne connue, la réponse doit renvoyer à la notice approuvée correspondante et au passage qui établit la date. Le compte rendu peut rester dans les archives internes sans entrer dans le périmètre de réponse aux membres. L’exclusion est une décision documentaire explicite, pas une correction improvisée après une mauvaise réponse.

Comprendre la chaîne de recherche et de réponse

Une approche RAG récupère des éléments documentaires pertinents pour les fournir au modèle lors de la génération. La documentation Microsoft décrit cette articulation entre recherche et réponse. Elle explique une méthode, pas une garantie que la bonne source sera retrouvée et correctement interprétée dans chaque cas. Source : Microsoft Learn.

Pour diagnostiquer le système, séparez trois questions : le document a-t-il été correctement extrait ? Le bon passage est-il retrouvé ? La réponse respecte-t-elle ce passage ? Un tableau mal extrait peut perdre la correspondance entre un tarif et une catégorie. Une recherche peut ensuite retrouver ce texte dégradé, et le modèle produire une réponse fluide mais inutilisable.

Examinez donc quelques documents réellement utilisés : PDF scanné, tableau, liste d’exceptions ou page contenant des liens vers des annexes. Vérifiez que les titres, conditions et unités restent associés aux bonnes valeurs. Les passages doivent être assez complets pour être compris sans arracher une exception à la règle qu’elle modifie.

Une citation doit permettre de contrôler un fait

Demandez une référence vers le document et, lorsque l’outil le permet, la section ou la page concernée. Un lien vers le dossier général ne permet pas de vérifier rapidement une date limite. La citation doit soutenir la phrase précise, pas seulement mentionner le même sujet.

Dans le pilote, ouvrez la référence et comparez la réponse au passage. Contrôlez l’année, le public visé et les conditions. « Les adhérents peuvent demander un report sous certaines conditions » ne permet pas de répondre « votre report est accepté » à une personne donnée.

Prévoyez une réponse pour l’absence d’information : indiquer ce qui manque et orienter vers le responsable identifié. Cette sortie est plus utile qu’une formulation assurée fondée sur une connaissance générale qui ne correspond peut-être pas aux règles de l’association.

Tester les droits avec deux profils différents

Un service d’indexation peut avoir accès à davantage de documents qu’un membre. Cette capacité ne doit pas se transmettre automatiquement à toutes les personnes qui interrogent l’agent. Testez au minimum un profil public ou membre et un profil interne, avec une question identique sur un document restreint.

Le contrôle concerne les passages récupérés, les extraits affichés, les réponses rédigées et les liens. Résumer un document interdit révèle encore son contenu. Les suggestions de titres peuvent également exposer une information si elles montrent l’existence d’un dossier confidentiel.

Vérifiez ce qui se passe quand un droit est retiré ou qu’une source est remplacée. Le document peut disparaître du stockage principal tout en restant dans un index, un cache ou un historique. Demandez où ces copies existent et quel délai de mise à jour est réellement prévu, sans supposer une suppression instantanée.

RAG, recherche directe et MCP : trois notions à ne pas mélanger

Le RAG décrit une manière d’alimenter une réponse avec des informations retrouvées. MCP décrit un protocole par lequel une application IA peut accéder à des capacités et à du contexte. Une recherche documentaire peut donc être exposée par un outil MCP sans que MCP soit, à lui seul, le moteur de recherche ou l’index.

Le serveur peut proposer un outil de recherche, une ressource représentant un document ou d’autres capacités. La documentation distingue ces catégories ; leur présence réelle dépend de l’implémentation. Source : capacités des serveurs MCP.

Pour l’association, plusieurs montages sont possibles : rechercher directement dans un petit ensemble de pages approuvées, interroger un index documentaire, ou appeler depuis l’agent un outil MCP qui effectue cette recherche. Le choix doit répondre à des contraintes : volume, vitesse de mise à jour, droits par personne, qualité des références et maintenance.

Un dossier de cinq notices stables n’a pas nécessairement besoin de la même infrastructure qu’une bibliothèque de milliers de documents révisés chaque jour. Avant de construire un index complexe, testez si la recherche existante retrouve les passages nécessaires. À l’inverse, ne chargez pas systématiquement toutes les archives dans le contexte du modèle lorsque quelques passages suffisent.

Nettoyer les documents là où les erreurs se produisent

Le texte visible à l’écran n’est pas toujours celui que le système extrait. Un PDF scanné peut nécessiter une reconnaissance de caractères. Un tableau peut être lu ligne par ligne en perdant ses en-têtes. Une note de bas de page peut être détachée de la règle qu’elle limite.

Choisissez plusieurs documents de formes différentes et comparez la sortie extraite à l’original. Pour notre association, une liste de pièces justificatives, un tableau de dates par activité et une notice contenant des exceptions constituent un bon début. L’objectif est de trouver des défauts représentatifs, pas de vérifier uniquement la page la plus propre.

Exemple fictif : un tableau indique une date pour les nouveaux membres et une autre pour les renouvellements. Si l’extraction conserve les dates mais perd les intitulés, la génération ne pourra pas retrouver magiquement l’association correcte. Il faut réparer l’extraction ou fournir une version plus explicite avant de noter la qualité de réponse.

Une méthode simple consiste à réécrire les informations complexes dans une fiche approuvée structurée : règle, public, période, exception et source. Cette fiche n’a pas vocation à remplacer discrètement le document officiel ; son responsable doit valider la correspondance et la maintenir lorsqu’une règle change.

Découper un document sans découper son sens

Les systèmes de recherche travaillent souvent sur des passages plus petits que le document complet. Ce découpage peut améliorer la pertinence et respecter les limites de traitement, mais il doit conserver les éléments qui donnent un sens à la règle. Microsoft présente plusieurs techniques de découpage et souligne l’importance de la structure et du contexte. Source : découpage documentaire Azure AI Search.

Dans notre exemple, séparer « les inscriptions ferment le 15 octobre » de « pour la campagne 2027 » produit un passage dangereux. Séparer une exception de la catégorie à laquelle elle s’applique crée le même problème. Les titres, l’année et le public doivent rester accessibles avec le passage ou dans ses métadonnées.

Ne choisissez pas une taille de passage parce qu’un tutoriel la présente comme idéale. Testez plusieurs découpages sur vos questions difficiles. Un passage trop court perd les conditions ; un passage très long peut diluer l’information recherchée. Votre critère est la capacité à retrouver une unité compréhensible et vérifiable.

Conservez également un chemin vers l’original : nom lisible, version, section et page lorsque cela existe. Un identifiant technique de fragment peut servir au système, mais il n’aide pas un membre à vérifier la règle.

Examiner la recherche avant de juger le texte final

Pour une question donnée, demandez d’abord quels passages sont retrouvés, sans vous laisser distraire par la rédaction. Le bon document est-il présent ? Le passage répond-il vraiment à la question ? Une source hors sujet prend-elle la place d’une exception importante ?

Vous pouvez constituer une petite table de référence :

Question	Passage attendu	Erreur à repérer
Date de renouvellement 2027	Notice approuvée, section renouvellement	Ancienne campagne privilégiée
Pièces pour une première inscription	Liste applicable aux nouveaux membres	Liste de renouvellement à la place
Demande hors délai	Procédure de traitement des exceptions	Date limite présentée comme accord automatique
Contact en cas de document manquant	Coordonnées approuvées actuelles	Signature ancienne d’un compte rendu

Si le passage attendu n’est pas retrouvé, le problème précède la génération. Travaillez alors la qualité du document, ses métadonnées, les formulations de recherche ou le moteur utilisé. S’il est retrouvé mais mal utilisé, examinez la consigne et la manière dont le contexte est présenté au modèle.

Cette inspection évite une fausse solution fréquente : ajouter toujours plus de documents pour corriger une mauvaise réponse. Un corpus plus grand peut au contraire multiplier les versions concurrentes et rendre la sélection plus difficile.

Mettre à jour avec une preuve de bout en bout

Lorsqu’une règle change, l’enregistrement du nouveau fichier n’est que la première étape. Il faut vérifier que le système de recherche le voit, que l’ancienne version n’est plus utilisée pour les nouveaux dossiers et que les réponses attendues ont été mises à jour.

Pour la campagne suivante, préparez une fiche de changement : source remplacée, date d’effet, questions touchées et responsable. Puis exécutez une question qui doit changer de réponse et une autre qui ne doit pas changer. Vous contrôlez ainsi l’ajout sans supposer que tout le corpus a été correctement retraité.

Testez aussi le retrait. Supprimez ou désactivez une source d’essai, puis recherchez une phrase distinctive qu’elle contenait. Si elle apparaît encore, identifiez l’index, le cache ou l’historique qui la conserve. La suppression du fichier d’origine et l’effacement de toutes ses copies sont deux opérations différentes.

Enfin, prévoyez le cas d’une mise à jour incomplète. Si la nouvelle notice n’a pas été indexée, le système doit pouvoir signaler que l’information récente n’est pas disponible, ou suspendre les réponses sur le sujet concerné. Répondre avec assurance à partir d’une règle remplacée ne constitue pas une continuité de service utile.

Organiser la contribution sans perdre l’autorité des sources

Plusieurs personnes peuvent proposer une correction, mais toutes les propositions ne doivent pas devenir immédiatement des références. Distinguez l’espace de préparation de l’espace approuvé. Désignez qui tranche le fond et qui vérifie l’accès technique.

Une question non résolue peut devenir une amélioration documentaire : le responsable ajoute la réponse validée à la notice, puis crée un test correspondant. Le système s’enrichit ainsi à partir de besoins observés, pas d’une accumulation de fichiers sans propriétaire.

Lors de la revue périodique, regardez les questions sans réponse, les sources rarement retrouvées et les corrections répétées. Vous pourrez décider de réécrire une fiche, d’ajouter un exemple ou de retirer un document inutile. Une bonne base ne grandit pas seulement ; elle devient aussi plus claire.

Préparer une petite batterie de tests réutilisable

Retenez six cas : réponse dans un seul passage, réponse nécessitant deux sources, question sans réponse, versions contradictoires, document inaccessible au profil testé et source retirée récemment. Pour chacun, notez le profil, la réponse attendue, la source applicable et le comportement en cas d’incertitude.

Classez les échecs : extraction, recherche, version, permission ou rédaction. Cette distinction évite de rallonger les consignes lorsqu’il faudrait corriger l’indexation. Rejouez les mêmes tests après chaque changement important ; une nouvelle procédure ne devrait pas améliorer une réponse au prix d’une fuite sur une autre.

Confiez enfin la maintenance à un responsable nommé. Lorsqu’une règle change, il met à jour la source, vérifie sa disponibilité dans la recherche et adapte les réponses attendues. La qualité d’une base documentaire se juge à cette continuité, pas au volume de fichiers importés le premier jour.

Questions fréquentes

Faut-il importer toute l’archive pour obtenir de bonnes réponses ?

Non. Un périmètre réduit et approuvé facilite l’évaluation. Ajoutez progressivement des sujets lorsque les versions, les droits et les responsabilités de maintenance sont clairs.

Une citation suffit-elle à prouver une réponse ?

Non. Elle doit renvoyer au passage qui soutient réellement l’affirmation, dans la version applicable et pour le bon public. Le lecteur doit pouvoir vérifier cette correspondance.

Que faire lorsque deux sources approuvées se contredisent ?

Appliquer une règle de priorité documentée si elle existe. Sinon, signaler le conflit au responsable au lieu de choisir arbitrairement. L’arbitrage doit ensuite être intégré aux documents et aux tests.