Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG
Le papier présente Corpus2Skill, une méthode qui transforme un corpus de documents en une hiérarchie de compétences navigables permettant à un agent LLM de raisonner activement sur la structure des données pour améliorer les performances en QA et RAG, surpassant ainsi les approches de récupération traditionnelles sur le benchmark WixQA.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
🌲 L'Art de la Navigation : Ne cherchez plus, explorez !
Imaginez que vous avez une bibliothèque géante remplie de milliers de livres sur des sujets très différents : comment réparer un vélo, les règles de la cuisine, les lois fiscales, etc. Vous avez un super-intelligent (une Intelligence Artificielle) qui connaît tout par cœur, mais il a un gros problème : il ne peut pas voir les livres, il ne peut que deviner.
1. Le Problème : La Méthode "Lancer de Fléchettes" (RAG Classique)
Aujourd'hui, la plupart des systèmes d'IA fonctionnent comme un lancer de fléchettes aveugle.
- Vous posez une question : "Comment changer mon statut d'entreprise ?"
- Le système lance une fléchette (une recherche) dans la bibliothèque.
- Il attrape les 5 premiers livres qui semblent avoir des mots-clés similaires (comme "entreprise" ou "changement").
- Il les donne à l'IA.
Le souci ? Si la réponse exacte se trouve dans un livre qui n'a pas les bons mots-clés, ou si la réponse est cachée dans un livre différent que le système n'a pas pris, l'IA va inventer une réponse fausse ou incomplète. C'est comme chercher une aiguille dans une botte de foin en ne regardant que le haut de la botte.
2. La Solution : La Méthode "Carte au Trésor" (CORPUS2SKILL)
Les auteurs de cet article proposent une idée géniale : au lieu de lancer des fléchettes, donnons une carte à l'IA.
Ils ont créé un système appelé CORPUS2SKILL. Voici comment ça marche, avec une analogie simple :
L'Étape 1 : La Préparation (La Cuisine)
Avant même que quelqu'un ne pose une question, l'équipe prend tous les documents (les livres) et les organise méticuleusement dans un immense arbre de compétences.
- Ils ne les empilent pas au hasard.
- Ils créent des chapitres (ex: "Finance"), puis des sous-chapitres (ex: "Changement de statut"), puis des pages précises.
- À chaque niveau, ils écrivent un petit résumé (comme un sommaire de livre) qui explique de quoi parle cette section.
- Le résultat est une arborescence de dossiers parfaitement rangée, comme un système de fichiers sur un ordinateur, mais avec des résumés intelligents.
L'Étape 2 : L'Exploration (Le Voyage)
Quand un utilisateur pose une question, l'IA ne lance plus de fléchettes. Elle devient un explorateur.
- Elle voit d'abord la vue d'ensemble (la carte). Elle voit les grands chapitres.
- Elle lit le résumé du chapitre "Finance" et se dit : "Tiens, ça a l'air pertinent !"
- Elle ouvre ce chapitre, lit le sommaire des sous-sections, et choisit "Changement de statut".
- Elle descend encore plus bas, lit les titres des pages, et trouve le document exact.
- Elle lit le document complet et répond.
Pourquoi c'est mieux ?
- Elle voit la forêt ET les arbres : L'IA sait ce qu'elle a manqué et peut revenir en arrière si elle s'est trompée de chemin.
- Elle combine les indices : Si la réponse nécessite de lire un livre sur la "comptabilité" ET un autre sur le "droit", l'IA peut naviguer vers les deux sections et les assembler. Avec l'ancienne méthode, elle aurait peut-être manqué l'un des deux.
3. L'Analogie du Supermarché
- L'ancienne méthode (RAG) : C'est comme si vous demandiez à un robot de trouver une boîte de céréales spécifique dans un supermarché immense. Le robot regarde les étiquettes des rayons, en choisit 5 au hasard qui ressemblent à votre demande, et vous les apporte. S'il rate le bon rayon, vous n'aurez pas vos céréales.
- La nouvelle méthode (CORPUS2SKILL) : C'est comme si le robot avait une carte du magasin en main. Il voit d'abord la section "Épicerie", puis "Petit-déjeuner", puis "Céréales". Il suit le chemin logique, lit les étiquettes des rayons pour s'assurer qu'il est au bon endroit, et va chercher exactement la boîte qu'il vous faut.
🏆 Le Résultat
Les chercheurs ont testé cette méthode sur de vraies questions de service client (pour une entreprise appelée Wix).
- Résultat : L'IA qui "navigue" avec sa carte a donné des réponses beaucoup plus précises et fiables que celle qui "cherche" avec des fléchettes.
- Le petit bémol : Cette méthode demande un peu plus de temps de calcul au moment de préparer la carte (la compilation), mais une fois prête, elle est très efficace.
En résumé
Au lieu de forcer l'IA à deviner où se trouve l'information dans un tas de documents, on lui donne la structure exacte de l'information. On transforme une recherche aveugle en une promenade guidée où l'IA sait exactement où aller, ce qui lui permet de trouver la vérité plus vite et sans halluciner.
C'est la différence entre chercher une aiguille dans une botte de foin et avoir un aimant qui vous guide directement vers elle ! 🧲✨
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.