Nous avons souvent raconté ici ce qu’est un RAG : une IA qui, au lieu de répondre de mémoire, va d’abord chercher dans vos documents les passages pertinents, puis rédige une réponse appuyée sur ces sources — citées, vérifiables. C’est la brique qui a rendu l’IA fréquentable en entreprise, parce qu’elle ancre la réponse dans ce que vous savez, chez vous. Mais il faut être honnête sur une limite : ce RAG-là répond en un seul geste. Une recherche, un tri, une synthèse. Or vos questions les plus importantes, celles qui engagent, ne se traitent presque jamais en un geste. Elles se décomposent, se recoupent, se vérifient. La bonne nouvelle : l’architecture apprend à faire ça aussi.

Le RAG linéaire : une seule recherche — si possible la bonne

Le RAG classique suit un chemin en ligne droite : votre question est transformée en représentation mathématique, comparée aux morceaux de vos documents, les plus proches sont retenus, et le modèle rédige à partir d’eux. Toute la qualité de la réponse repose donc sur un pari : que la proximité sémantique entre votre question et un passage suffise à identifier le bon contexte du premier coup. Quand la question est simple et le corpus propre, le pari est gagnant — et la traçabilité des sources fait le reste.

Mais « proche de la question » n’est pas « juste pour le dossier ». Le RAG linéaire prend ce qui ressemble, pas ce qui répond. Il ne sait pas qu’il aurait fallu d’abord reformuler votre question mal posée, ni que la réponse complète vit éclatée entre trois documents qui ne se ressemblent pas entre eux, ni qu’une note de 2019 très « proche » sémantiquement est contredite par un avenant de 2025 formulé tout autrement. Il fait en une passe ce qui, chez un humain compétent, en prendrait cinq. Parfois ça suffit. Parfois non — et le pire est qu’il répond avec le même aplomb dans les deux cas.

Ce qui coince dans la vraie vie

Prenez une question réelle d’entreprise : « peut-on résilier ce contrat prestataire sans pénalité ? ». Un professionnel ne cherche pas « résiliation pénalité » dans une pile de PDF. Il qualifie d’abord — quel contrat, quelle version, quelles annexes ? Puis il cherche la clause, vérifie s’il existe un avenant postérieur qui la modifie, croise avec les conditions générales, regarde les courriers échangés. Cinq recherches différentes, chacune orientée par le résultat de la précédente. Une seule recherche par similarité, même excellente, écrase cette démarche en une étape — et rate ce que seule la séquence révèle.

C’est le même schéma pour un historique de sinistres, une conformité de procédure, un état des engagements pris avec un client sur plusieurs années : l’information décisive est distribuée, datée, hiérarchisée — et sa pertinence dépend d’un raisonnement, pas d’une ressemblance. Les utilisateurs le sentent d’instinct : ils font confiance au RAG pour « retrouve-moi le passage » et gardent pour eux les questions d’enchaînement. La frontière de confiance passe exactement là où s’arrête la recherche unique.

Le RAG agentique : chercher comme un documentaliste

Le RAG agentique franchit cette frontière en changeant la forme du travail : au lieu d’un pipeline en ligne droite, un agent — un modèle doté d’un plan et d’outils — décompose votre question, lance plusieurs recherches spécialisées, décide de la suivante en fonction des résultats, croise, vérifie s’il existe plus récent ou contradictoire, puis assemble. Chaque sous-recherche reste un RAG — ancré dans vos sources, traçable — mais l’ensemble reproduit la séquence du professionnel : qualifier, chercher, recouper, contrôler, conclure.

Le gain le plus précieux n’est pas seulement la justesse : c’est la restituabilité du raisonnement. Un bon système agentique peut montrer son chemin — « j’ai d’abord identifié le contrat, puis trouvé la clause 12, puis vérifié les avenants, celui de mars la modifie » — et chaque étape cite ses pièces. Pour un dirigeant, un juriste, un DPO, c’est la différence entre une réponse à croire et une réponse à vérifier en deux clics. La supervision humaine, qu’on ne cessera de défendre ici, devient plus facile, pas plus lourde : on contrôle un raisonnement déplié, pas un oracle.

Ce que ça coûte, et ce qu’on en voit sur nos machines

Il faut dire le prix : un RAG agentique fait plusieurs allers-retours là où le linéaire n’en faisait qu’un. C’est plus lent — quelques dizaines de secondes au lieu de quelques-unes — et plus gourmand en calcul, ce qui compte doublement en local, où votre machine est la seule à travailler. Nos propres travaux sur l’orchestration d’agents locaux — router chaque demande vers le bon outil, borner le nombre d’étapes, garder chaque action traçable — nous ont appris une règle simple : l’agentique se déploie par cas d’usage, pas par principe. Question factuelle, réponse linéaire ; dossier qui engage, séquence agentique.

La bonne architecture n’est donc pas « l’une ou l’autre », mais l’une posée sur l’autre. Et c’est une nouvelle rassurante pour qui a déjà investi : le RAG agentique ne remplace pas votre RAG — il s’en sert. Le corpus proprement ingéré, les sources fiables, le périmètre d’accès bien posé restent le socle ; l’agent n’est qu’une façon plus intelligente de le parcourir. Un corpus mal tenu produira un raisonnement agentique faux avec la même assurance qu’une réponse linéaire fausse — en plus long.

Ce que ça change pour une PME

Concrètement, rien ne vous oblige à choisir aujourd’hui entre les deux : le chemin raisonnable commence par le socle. Un corpus propre, un RAG linéaire qui rend déjà l’essentiel des services — retrouver, résumer, citer —, des utilisateurs qui apprennent à interroger et à vérifier. C’est ce socle qui constitue votre actif : les données prêtes, les usages installés, la confiance construite. L’étage agentique s’ajoute ensuite, sur les cas d’usage qui le justifient — l’analyse contractuelle, les dossiers multi-sources, les vérifications de conformité — sans rien jeter de l’existant.

C’est aussi, en creux, un conseil d’achat : méfiez-vous des démonstrations où « l’IA agentique » résout des cas spectaculaires sur un corpus de démonstration impeccable. La question à poser reste la nôtre depuis le premier jour : sur mes documents à moi, chez moi, avec mes contraintes — que fait-elle, et comment je le vérifie ? Un RAG souverain bien construit sait grandir du linéaire vers l’agentique. L’inverse — rattraper un corpus bâclé sous une couche d’agents — ne marche jamais.

Votre corpus est-il prêt pour l’étage d’au-dessus ?

On regarde ensemble vos cas d’usage : ceux qu’un RAG linéaire couvre déjà très bien, et ceux — analyse contractuelle, dossiers multi-sources, conformité — qui justifieraient une séquence agentique. Avec le même principe non négociable : tout reste chez vous, et chaque réponse cite ses sources.

Découvrir AQUIFÈRE →