💬 NLP

HistoRAG: Embedding Historical Methodology in Retrieval-Augmented Generation Through Critical Technical Practice

Cet article présente HistoRAG, un cadre qui adapte la génération augmentée par récupération pour la recherche historique en intégrant des principes historiographiques — tels que le fenêtrage temporel, la séparation de la récupération et de la génération, et l'évaluation transparente par LLM-en-tant-que-juge — afin de remédier aux biais factuels du RAG standard et de mieux soutenir les pratiques savantes interprétatives.

Auteurs originaux : Noah J. Kim-Baumann, Torsten Hiltmann

Publié 2026-06-17

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Noah J. Kim-Baumann, Torsten Hiltmann

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

Imaginez que vous êtes un historien cherchant à comprendre ce que les gens pensaient des ordinateurs en Allemagne entre 1950 et 1979. Vous disposez d'une bibliothèque massive de plus de 100 000 articles de journaux.

Si vous utilisez un outil d'IA standard (appelé « RAG ») pour vous aider, il agit comme un bibliothécaire très rapide mais légèrement maladroit. Vous demandez : « Que pensait les gens des ordinateurs ? » et le bibliothécaire court vers les étagères, attrape les livres qui contiennent le mot « ordinateur » et vous les tend.

Le problème ? Ce bibliothécaire a quelques mauvaises habitudes qui nuisent à la recherche historique :

Il ne parle qu'en argot moderne. Si vous posez une question sur les « ordinateurs » en utilisant les mots des années 1970, il ignore tous les livres des années 1950 car, à l'époque, les gens les appelaient des « cerveaux électroniques ». Le bibliothécaire passe à côté de l'histoire la plus importante.
Il attrape les livres les plus bruyants. Si un sujet a été beaucoup discuté en 1970, le bibliothécaire vous apporte une énorme pile de livres de 1970 et ignore les discussions plus discrètes, mais tout aussi importantes, de 1950.
Il ne comprend pas pourquoi vous posez la question. Il se contente de saisir des livres qui ressemblent à votre question, même s'ils ne répondent pas réellement à votre question de recherche spécifique sur les peurs ou les espoirs humains.

Le document présente HistoRAG (Historical RAG). Voyez cela non pas comme un bibliothécaire plus rapide, mais comme une nouvelle façon de travailler avec un assistant de recherche qui respecte les règles de l'histoire.

Voici comment fonctionne HistoRAG, à travers trois astuces simples :

1. La « Danse en deux étapes » (Séparation de la Récupération et de la Génération)

Dans un système d'IA normal, vous posez une question et l'IA donne instantanément une réponse. C'est comme une boule de cristal.
Dans HistoRAG, le processus est divisé en deux étapes distinctes :

Étape 1 : La Chasse (Heuristik). L'IA part à la recherche et rassemble beaucoup de sources potentielles. Mais elle s'arrête là. Elle les pose sur une table et dit : « Voici les candidats. C'est à vous, l'historien, de regarder et de décider lesquels méritent d'être lus. »
Étape 2 : L'Analyse (Interpretation). Ce n'est qu' après que vous avez choisi les meilleures sources que l'IA vous aide à rédiger un résumé ou à trouver des modèles.

L'analogie : Imaginez que vous êtes un détective. Une IA normale est comme un détective qui trouve un suspect et écrit immédiatement son plaidoyer final. HistoRAG est un détective qui trouve une liste de suspects, vous la remet et dit : « Vous décidez qui interroger. Une fois que vous avez choisi les bonnes personnes, alors je vous aiderai à rédiger le rapport. » Cela garantit que l'historien humain garde le contrôle de l'histoire.

2. La « Grille du Voyageur Temporel » (Fenêtrage Temporel)

Les outils d'IA standard sont biaisés en faveur du présent. Si vous posez une question sur les « ordinateurs », l'IA saisira principalement des articles récents car le langage correspond mieux. C'est comme essayer de trouver de vieilles recettes en ne cherchant que des termes de cuisine modernes ; vous passerez à côté des anciennes.

HistoRAG force l'IA à être équitable. Elle divise la période de 30 ans en petits blocs temporels (comme des tranches de 5 ans). Elle dit ensuite : « Peu importe le nombre d'articles sur "ordinateur" qui existent en 1970, vous devez saisir un nombre égal d'articles en 1950, 1955, 1960, etc. »

L'analogie : Imaginez que vous préparez une salade de fruits. Une IA normale attrape un énorme seau de fraises (parce qu'elles sont partout en ce moment) et ignore les myrtilles de la saison dernière. HistoRAG est un chef strict qui dit : « Nous avons besoin d'exactement une tasse de chaque fruit de chaque saison de l'année, même si les fraises sont plus populaires. » Cela garantit que vous goûtez toute l'histoire, pas seulement l'ère la plus populaire.

3. Le « Juge Humain » (LLM-as-Judge)

Même si l'IA saisit les bonnes périodes, elle peut toujours saisir les mauvais types d'articles. Elle pourrait saisir un manuel technique aride alors que vous vouliez une lettre d'un citoyen inquiet.

HistoRAG ajoute une seconde couche de vérification. Après que l'IA a saisi les articles, elle les soumet à un « Juge » (une autre IA) qui agit comme un historien humain. Ce Juge lit les articles et demande : « Est-ce que cela parle vraiment de peur ou d'espoir ? » Il attribue un score à l'article et écrit une raison.

L'analogie : Imaginez un concours de talents. La première IA est le « Directeur de casting » qui trouve tous ceux qui savent chanter. Le « Juge » est le « Critique musical » qui les écoute et décide : « D'accord, vous savez chanter, mais vous ne chantez pas la ballade émotionnelle que nous recherchons. » Le Juge ne compte pas seulement les notes ; il comprend le sentiment de la chanson.

Le Résultat : « Zwischentexte » (Textes Intermédiaires)

Enfin, le document parle de ce que l'IA écrit réellement. Dans les systèmes normaux, l'IA essaie de vous donner une réponse finale. Dans HistoRAG, l'IA produit ce que les auteurs appellent des Zwischentexte (Textes Intermédiaires).

L'analogie : Ne les voyez pas comme un roman terminé, mais comme un brouillon ou une esquisse. L'IA dit : « Voici une interprétation possible de ce que les gens ressentaient en 1964. Voici un modèle que je vois. Mais je ne suis qu'un outil. C'est à vous, l'historien, de vérifier mon travail, de vérifier les sources et de décider si mon esquisse est exacte. »

Pourquoi cela importe

Le document soutient que pour l'histoire et d'autres domaines interprétatifs, nous ne voulons pas seulement la réponse la plus « rapide ». Nous avons besoin d'un système qui :

N'oublie pas le passé simplement parce que le langage a changé.
Ne laisse pas l'ère la plus populaire étouffer les plus silencieuses.
Rend son raisonnement visible pour qu'un humain puisse dire : « Je ne suis pas d'accord avec cette conclusion. »

HistoRAG est un modèle pour construire des outils d'IA qui agissent comme des humbles assistants de recherche plutôt que comme des oracles omniscients, garantissant que l'historien humain reste celui qui décide de la signification du passé.

Résumé Technique : HistoRAG

Énoncé du Problème
La génération augmentée par récupération (RAG - Retrieval-Augmented Generation) est devenue l'architecture standard pour ancrer les productions des modèles de langage étendus (LLM) dans des preuves externes. Cependant, les paradigmes dominants du RAG sont optimisés pour la réponse à des questions factuelles, supposant que la « pertinence » est une propriété fixe des documents et que la similitude équivaut à l'utilité. Pour les disciplines interprétatives comme les études historiques, ces hypothèses entrent en conflit avec la pratique savante. Les systèmes RAG standards confondent la découverte de sources avec l'interprétation, s'appuient sur des mesures de similitude qui introduisent des biais temporels (dus au glissement du vocabulaire et à la densité thématique), et traitent la sélection des sources comme un processus automatisé et opaque. Cela menace l'agence épistémique des chercheurs, qui doivent pouvoir scruter, contester et justifier la base de leur sélection de sources et de leur cadrage interprétatif.

Méthodologie : Le Cadre HistoRAG
Les auteurs introduisent HistoRAG, un cadre qui intègre la méthodologie historique dans l'architecture RAG à travers trois interventions spécifiques fondées sur la Pratique Technique Critique (Agre, 1998) et le concept de Kontinuitätsannahme (Welskopp, 2008). Ces interventions sont implémentées dans SPIEGELragged, un système appliqué à 102 189 articles de Der Spiegel (1950–1979).

Séparation de la Récupération et de la Génération (Heuristique vs Analyse) :
Le cadre découple formellement la découverte de sources (Heuristik) de l'interprétation (Analyse). Dans un RAG standard, une requête déclenche un pipeline fluide vers une réponse. Dans HistoRAG, la phase de récupération produit un corpus de segments curatés basés sur des requêtes descriptives de sujets, et non sur des requêtes interrogatives. Un chercheur humain doit explicitement examiner, accepter ou rejeter ces sources avant que toute analyse assistée par LLM ne commence. Cela restaure la distinction entre la recherche de sources et le fait de leur poser des questions, garantissant que l'historien conserve le contrôle sur les matériaux qui entrent dans la phase interprétative.
Fenêtrage Temporel :
Pour contrer le « biais d'alignement du vocabulaire » et le « biais de densité thématique » inhérents à la récupération basée sur la similitude, HistoRAG impose une représentation équilibrée des sources à travers la période de recherche. Au lieu de récupérer les $N$ segments les plus similaires globalement, le système divise le corpus en fenêtres temporelles (par exemple, des intervalles de cinq ans) et récupère un quota égal de chaque fenêtre. Cela garantit que les périodes présentant une densité thématique plus faible ou un vocabulaire historique distinct (par exemple, les termes des années 1950 comme Elektronenhirn par rapport aux termes des années 1970 comme Computer) ne soient pas systématiquement sous-représentées par des formulations de requêtes modernes.
Évaluation par LLM-as-Judge (LLM comme Juge) :
Après la récupération et l'équilibrage temporel, le système emploie un LLM pour évaluer chaque segment par rapport à des critères explicites définis par le chercheur (une grille d'évaluation). Contrairement au RAG standard qui repose sur des scores de similitude vectorielle, cette couche produit un score numérique et une justification écrite de la pertinence. Cela transforme le processus de sélection, passant d'un filtre algorithmique boîte noire à un processus argumentatif transparent où la base de la pertinence est contestable. L'évaluation est effectuée de manière indépendante (et non comparativement) pour éviter les biais de classement par lots.

Contributions Clés

Traduction Architecturale de l'Épistémologie : L'article démontre comment des engagements historiographiques spécifiques (par exemple, le besoin d'un échantillonnage temporel équilibré, la distinction entre découverte et interprétation) peuvent être traduits en décisions concrètes de conception logicielle.
Le Concept de Zwischentexte : Les auteurs proposent les Zwischentexte (textes intermédiaires) comme un cadre pour les sorties de LLM. Plutôt que de traiter les textes générés comme des conclusions finales ou des réponses, ces sorties sont positionnées comme des « propositions interprétatives » ou des échafaudages nécessitant la validation de l'historien. Cela recadre le rôle du LLM, passant d'un oracle à un outil de génération d'hypothèses et de reconnaissance de formes au sein d'un processus de recherche documenté.
Architecture de Récupération Multi-couches : Le système intègre la recherche par mots-clés (avec expansion du vocabulaire entraîné sur le corpus), la récupération sémantique et le filtrage interprétatif basé sur le LLM comme des couches complémentaires, plutôt que comme des alternatives concurrentes.

Résultats et Évaluation
En utilisant l'implémentation SPIEGELragged, les auteurs ont validé empiriquement les déficiences du RAG standard et l'efficacité de leurs interventions :

Biais Temporel : La récupération par similitude standard présente un biais temporel sévère. Les requêtes utilisant la terminologie des années 1970 n'ont récupéré aucun segment des années 1950, tandis que la terminologie des années 1950 a récupéré 48 % des résultats des années 1950 (le double de la base du corpus). Le fenêtrage temporel a réussi à imposer une représentation équilibrée, acceptant des scores de similitude globale plus faibles pour assurer la couverture des périodes formatrices.
Divergence des Métriques de Pertinence : Il existe une corrélation faible (Spearman $\rho = 0,275$ ) entre les scores de similitude vectorielle et la pertinence évaluée par le LLM. Des sources hautement similaires à une requête (utilisant par exemple le mot « Computer ») ont souvent été jugées peu pertinentes pour l'interprétation par le LLM, tandis que des sources utilisant un vocabulaire différent (par exemple « Rationalisierung ») mais traitant la question de recherche centrale (les craintes de l'automatisation) ont reçu des scores de pertinence élevés.
Ensembles de Sources Disjoints : La recherche par mots-clés et la récupération sémantique font émerger des ensembles d'articles largement disjoints. Dans le cas de test de Der Spiegel, seuls 12,9 % des articles coïncidaient entre les deux méthodes. La couche sémantique a réussi à faire émerger des textes vernaculaires (lettres de lecteurs) que les filtres par mots-clés avaient manqués, mais cela a introduit un bruit qui a nécessité le filtrage efficace de la couche LLM-as-judge.
Robustesse du Modèle : Bien que la calibration absolue des scores varie considérablement selon les différents LLM (par exemple, Mistral vs Claude), le classement relatif des sources est resté hautement cohérent ( $r > 0,96$ ). Cela suggère que si les seuils absolus dépendent du modèle, l'ordre relatif de la pertinence est transportable.

Signification et Revendications
L'article affirme que HistoRAG offre un modèle de la manière dont les engagements épistémologiques spécifiques à un domaine peuvent être opérationnalisés dans les systèmes d'IA. Il soutient que pour les disciplines interprétatives, l'objectif n'est pas simplement de récupérer le « meilleur » passage pour une question factuelle, mais de construire un corpus transparent, contestable et temporellement équilibré pour l'interprétation.

Les auteurs positionnent modestement leur travail non pas comme une solution finale, mais comme une ouverture de conversation sur l'IA dans la recherche historique. Ils soulignent que l'architecture est conçue pour préserver l'agence épistémique, garantissant que l'historien reste le lieu de la responsabilité pour la sélection des sources et l'argumentation. Le système ne remplace pas l'historien mais augmente sa capacité à engager de grands corpus tout en maintenant la distance critique requise par la science herméneutique. L'article conclut que les outils ne doivent pas déterminer les questions ; au contraire, ce sont les questions (et l'historien) qui doivent déterminer les outils.

1. La « Danse en deux étapes » (Séparation de la Récupération et de la Génération)

2. La « Grille du Voyageur Temporel » (Fenêtrage Temporel)

3. Le « Juge Humain » (LLM-as-Judge)

Le Résultat : « Zwischentexte » (Textes Intermédiaires)

Pourquoi cela importe

Articles similaires