🤖 AI

Fetch-then-Explore: Decoupling Selection from Extraction over a Persistent Workspace for Search Agents

L'article introduit « Fetch-then-Explore », un cadre d'agent de recherche qui découple la sélection de pages de l'extraction de preuves en maintenant un espace de travail de système de fichiers persistant, permettant aux agents de revisiter et d'extraire des informations de pages précédemment récupérées à la demande, ce qui améliore considérablement la précision sur les benchmarks de recherche complexes par rapport aux interfaces transitoires traditionnelles.

Auteurs originaux : Qi Liu, Yiqun Chen, Zidan Chen, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao, Fengbin Zhu, Tat-Seng Chua

Publié 2026-08-04

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Qi Liu, Yiqun Chen, Zidan Chen, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao, Fengbin Zhu, Tat-Seng Chua

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 soyez un détective tentant de résoudre un mystère colossal, mais au lieu d'une scène de crime unique, les indices sont éparpillés sur l'ensemble d'Internet. Vous avez un assistant super intelligent (un agent IA) capable de discuter avec vous, de réfléchir aux problèmes et d'utiliser des outils pour trouver des réponses. C'est le monde des agents de recherche IA. Ces détectives numériques ne se contentent pas de lire un livre ; ils doivent traquer l'information à travers des milliers de sites web, assembler les faits et découvrir la vérité.

Pour ce faire, l'agent a besoin de deux compétences principales : trouver les bonnes pages web et les lire. Considérez le « trouver » comme l'utilisation d'un moteur de recherche pour obtenir une liste d'indices potentiels. « Lire » est la partie délicate. Par le passé, lorsqu' l'agent cliquait sur un lien, il devait avaler la page entière d'un coup, ou du moins un gros morceau, immédiatement. C'était comme si l'on vous remettait un roman de 500 pages en vous disant : « Lisez ceci tout de suite et donnez-moi la fin », même si vous ne saviez pas encore quel chapitre détenait la réponse. Si vous manquiez un détail, vous deviez jeter le livre, retourner à la bibliothèque et le consulter à nouveau. Ce papier explore une manière plus intelligente de gérer ces livres numériques afin que le détective n'ait pas à relire sans cesse les mêmes pages.

Le Problème : Le piège du « Lire maintenant ou perdre pour toujours »

Imaginez que vous jouez à une partie de « Cluedo » à enjeux élevés avec un ami qui est une IA. Vous demandez : « Qui a cofondé Acme Corp ? ». L'IA cherche sur le web et trouve une liste de liens.

Dans l'ancienne méthode (appelée Visiter-et-Lire), l'IA choisit un lien et force immédiatement l'intégralité de la page dans sa mémoire à court terme. C'est comme si l'IA saisissait un livre, lisait les premières pages, en faisait un résumé, puis jetait le reste du livre à la poubelle. Si l'IA se rend compte plus tard : « Attendez, j'ai besoin de connaître le second fondateur, pas le premier », elle ne peut plus revenir au livre. Le livre a disparu. L'IA doit retourner à la bibliothèque, retrouver le livre et le relire entièrement. C'est lent, coûteux, et cela conduit souvent l'IA à manquer des détails cruciaux parce qu'elle a été forcée de lire la mauvaise partie de la page trop tôt.

Une autre méthode, appelée Navigation, est légèrement meilleure. Elle permet à l'IA d'ouvrir une page et de l'observer avant de résumer. Mais il y a un piège : l'IA ne peut garder qu'une seule page ouverte à la fois. Dès qu'elle ouvre une nouvelle page, l'ancienne disparaît de sa mémoire. C'est comme avoir une fenêtre unique sur votre ordinateur ; si vous ouvrez un nouvel onglet, l'ancien se ferme. Si l'IA doit comparer des faits de la Page A et de la Page B, elle doit constamment basculer de l'une à l'autre, en les rouvrant et en les relisant sans cesse.

La Solution : Le « Classeur Numérique »

Les auteurs de ce papier proposent une nouvelle méthode appelée Récupérer-puis-Explorer (Fetch-then-Explore). Ils ont réalisé que le problème n'est pas seulement comment l'IA lit, mais où elle conserve les pages qu'elle trouve.

Au lieu de forcer l'IA à lire une page immédiatement ou de ne tenir qu'une seule page dans une fenêtre temporaire, ils lui donnent un espace de travail persistant — pensez à un classeur numérique personnel sur un disque dur.

Voici comment cela fonctionne :

Récupérer (Le Bibliothécaire) : Lorsqu'elle trouve un lien prometteur, l'IA ne le lit pas encore. Elle se contente de « récupérer » la page et de sauvegarder l'intégralité dans son classeur. Elle obtient un minuscule reçu indiquant : « Page sauvegardée à cet emplacement ». Cela ne coûte presque rien.
Explorer (Le Détective) : Plus tard, lorsqu'elle a une question spécifique (comme « Qui était le cofondateur ? »), elle se rend dans le classeur. Elle n'a pas besoin de retélécharger la page. Elle utilise simplement un outil appelé grep (comme une fonction de recherche ultra-rapide) pour trouver la ligne exacte dans le fichier sauvegardé qui mentionne « cofondateur ».

C'est comme avoir une bibliothèque où vous pouvez emprunter un livre, le poser sur votre étagère, et y revenir plusieurs jours plus tard sans avoir à le réemprunter. L'IA peut sauvegarder des dizaines de pages, puis revenir vers n'importe laquelle d'entre elles à tout moment pour demander : « Qu'as-tu dit à propos de X ? » ou « Montre-moi la partie concernant Y ».

Ce qu'ils ont découvert : Le pouvoir de revenir en arrière

Les chercheurs ont testé cette nouvelle méthode par rapport aux anciennes méthodes en utilisant trois modèles de « cerveau » différents (bases d'IA) et deux benchmarks de recherche sur Internet exigeants : BrowseComp (qui nécessite de trouver un fait très difficile à débusquer) et WideSearch (qui nécessite de remplir un grand tableau avec de nombreux faits).

Les résultats sont clairs :

Meilleure précision : La méthode « Récupérer-puis-Explorer » a été la gagnante. Sur le test de recherche de faits difficiles (BrowseComp), elle a battu toutes les autres méthodes sur les trois cerveaux d'IA. Par exemple, avec le cerveau d'IA le plus puissant, elle a atteint 70,5 % de précision, contre 66,0 % pour la méthode suivante.
L'arme secrète : La plus grande raison de ce succès a été la révisite. L'IA utilisant le classeur est revenue sur des pages déjà vues 12 % à 20 % du temps sur les tâches difficiles, et jusqu'à 75 % du temps sur les tâches larges. Les anciennes méthodes, qui jetaient les pages, revenaient rarement en arrière.
Efficacité : Parce que l'IA pouvait relire les pages sauvegardées instantanément, elle n'a pas eu besoin de chercher sur le web de nouveau et encore de nouveau. Elle a en fait utilisé moins de requêtes de recherche que les autres méthodes tout en obtenant de meilleures réponses.

Pourquoi cela importe

Ce papier démontre que la manière dont une IA « détient » l'information est tout aussi importante que la manière dont elle « pense ». En séparant l'acte de sélectionner une page (la sauvegarder dans le classeur) de l'acte d'extraire la réponse (la lire plus tard), l'IA devient beaucoup plus flexible. Elle peut former une hypothèse, vérifier une page sauvegardée, changer d'avis, et vérifier à nouveau la page sans perdre sa trace.

Les auteurs suggèrent que cette approche d'« espace de travail persistant » change la donne pour les tâches de recherche longues et complexes. Elle transforme l'IA d'un lecteur frénétique qui oublie tout dès qu'il passe à autre chose, en un enquêteur méticuleux qui garde toutes ses preuves organisées et prêtes à être réexaminées dès que le mystère s'épaissit. L'étude confirme que donner à une IA un endroit pour stocker ses découvertes — et la liberté de les consulter à nouveau — conduit à des réponses plus intelligentes et plus précises.

Résumé Technique : Fetch-then-Explore (Récupérer puis Explorer)

Énoncé du Problème

Les agents de recherche à long horizon actuels, qui répondent à des questions complexes nécessitant des dizaines de recherches, reposent principalement sur deux interfaces d'accès aux documents qui lient le contenu de la page au moment de la récupération.

Visiter et Lire (Visit-and-Read) : Cette interface fusionne la sélection du document et l'extraction de preuves en une seule action. Lors de la visite d'une URL, l'agent reçoit immédiatement un rendu fixe (par exemple, une fenêtre segmentée par objectifs, un résumé LLM ou un corps de texte tronqué) injecté dans l'historique des messages. Cela force l'agent à s'engager dans une lecture spécifique avant même de savoir de quels faits précis il aura besoin. Le contenu tombant en dehors de ce rendu initial est perdu, à moins que la page ne soit récupérée à nouveau.
Navigation à État (Open-and-Find) : Cette approche découple la sélection de l'extraction en ouvrant une page dans une session transitoire. Cependant, elle ne peut contenir qu'une seule page à la fois ; l'ouverture d'une nouvelle page libère la précédente. Par conséquent, si un agent doit revisiter une page plus tard pour vérifier une affirmation ou lire sous un nouvel angle, il doit récupérer et re-rendre la page, ce qui entraîne le coût d'une nouvelle récupération et perd la capacité d'accumuler des preuves à travers les documents.

Les deux paradigmes souffrent de l'incapacité de conserver les pages sélectionnées pour une extraction différée et répétable. Une page qui devient pertinente de nombreux tours plus tard doit être récupérée et rendue dans la fenêtre de contexte à nouveau, ce qui rend le raisonnement à long horizon inefficace et sujet à l'omission de preuves.

Méthodologie : Fetch-then-Explore (FTE)

Les auteurs proposent Fetch-then-Explore (Récupérer puis Explorer), un paradigme qui découple la sélection de la page de l'extraction de preuves et conserve le contenu sélectionné dans un espace de travail persistant et externe.

Architecture Centrale

FTE fonctionne au sein d'un cadre d'agent ReAct standard, mais remplace l'ensemble d'outils d'accès aux documents par un ensemble d'outils agissant sur un cache de fichiers par question ( $C_q$ ).

Espace de Travail Persistant : Au lieu d'injecter le corps des pages dans la fenêtre de contexte ou dans une session transitoire, FTE stocke le texte intégral des pages récupérées sous forme de fichiers texte brut dans un répertoire temporaire sur le système de fichiers.
Outils Découplés :
- fetch(url) : Récupère une page, la normalise en texte et la stocke dans $C_q$ . Elle ne retourne qu'un enregistrement léger (chemin, taille, statut) plutôt que le contenu. La sélection devient "presque gratuite" car elle ne consomme pas de jetons de contexte pour le texte de la page.
- grep(pattern, path, context) : Recherche des correspondances regex dans les fichiers stockés. Il peut chercher dans l'ensemble du cache (toutes les pages récupérées) ou dans un fichier spécifique, retournant des correspondances avec numéros de lignes et contexte optionnel.
- read(path, offset, limit) : Lit une fenêtre de lignes bornée d'un fichier spécifique, permettant à l'agent d'approfondir un résultat de grep.
- list_fetched() : Énumère le contenu du cache.

Principes de Conception

Découplage : La sélection (fetch) est séparée de l'extraction (grep/read). L'agent peut sélectionner une page basée sur un extrait et différer l'extraction jusqu'à ce que son hypothèse s'affine.
Rétention : Les pages ne sont pas évincées lorsque l'agent passe à une nouvelle tâche. L'espace de travail croît au fil de la trajectoire, permettant aux preuves de s'accumuler à travers les documents.
Extraction Différée et Répétable : L'agent peut interroger la même page plusieurs fois avec différentes hypothèses sans la récupérer à nouveau.

Configuration Expérimentale

L'étude isole l'impact de l'interface de document en maintenant fixes le moteur de recherche (API Serper), le harnais de l'agent (ReAct) et les modèles de base.

Modèles de Base : Trois modèles couvrant différents niveaux de capacité : Qwen3.5-35B-A3B, Qwen3.5-122B-A10B et DeepSeek-V4-Pro.
Benchmarks :
- BrowseComp : Un benchmark de recherche approfondie nécessitant un raisonnement multi-étapes pour trouver un fait unique difficile à trouver (1 266 questions, échantillonnées à 200).
- WideSearch : Un benchmark de recherche d'informations large nécessitant un remplissage de tableaux à haut rappel à partir de nombreuses pages (200 tâches).
Lignes de Base (Baselines) :
- Snippet-only : Pas d'accès aux documents.
- Visit-Snippet / Visit-Summary : Visite et lecture standard avec différents niveaux de compression.
- Open+Find : Navigation à état avec sessions transitoires.

Résultats Clés

1. Gains de Performance

BrowseComp : FTE atteint la précision la plus élevée sur les trois modèles de base (respectivement 44,5 %, 52,5 % et 70,5 %), surpassant les meilleures lignes de base de 2 à 4,5 points de pourcentage et la ligne de base brute visit-snippet de 7 à 14 points.
WideSearch : FTE égale généralement les lignes de base ou les dépasse. Il est en tête sur le modèle 122B et égale la plus forte ligne de base sur les modèles 122B/Pro, bien que la ligne de base visit-summary le dépasse légèrement sur le modèle le plus faible.
Efficacité de Recherche : Les agents FTE émettent moins de requêtes de recherche que les lignes de base. Comme ils peuvent extraire des preuves à partir des pages conservées à la demande, ils dépendent moins de la recherche répétée pour trouver des informations qu'ils possèdent déjà.

2. Analyse Comportementale

Revisiter des Pages : La différence comportementale déterminante est la capacité de revenir à une page après l'avoir quittée. FTE revisite 12 à 20 % des documents sur BrowseComp et 67 à 76 % sur WideSearch, contre 3 à 10 % pour les interfaces transitoires.
Études d'Ablation :
- Supprimer grep (imposant un parcours aveugle) ou read fait chuter significativement les performances, confirmant que les deux outils sont nécessaires.
- Restreindre grep à un seul fichier (supprimant la portée de recherche sur l'ensemble du cache) provoque une baisse de performance comparable à la suppression totale d'un outil d'extraction. Cela indique que la persistance seule est insuffisante ; la capacité de questionner l'intégralité de l'espace de travail accumulé est critique.

Signification et Contributions

Le papier revendique trois contributions principales :

Identification de la Persistance : Il identifie la "persistance" comme un axe inexploré dans les interfaces de documents pour les agents de recherche. Alors que les agents existants fusionnent soit la sélection/extraction, soit utilisent des sessions transitoires, FTE introduit un espace de travail externe et persistant.
Isolation Contrôlée : En fixant le harnais et le moteur de recherche, l'étude isole la valeur de l'interface de document. Les résultats démontrent que l'externalisation de l'accès aux documents vers un cache persistant conduit à des gains mesurables de précision finale, particulièrement pour les tâches de recherche profonde (BrowseComp).
Mécanisme de Gain : L'analyse lie l'amélioration des performances à la capacité spécifique de revenir sur une page après l'avoir quittée. Cela permet aux agents de corriger des hypothèses incomplètes et de récupérer des preuves manquées sans le coût d'une nouvelle récupération, une capacité que les interfaces transitoires ne possèdent fondamentalement pas.

Les auteurs concluent que le découplage des opérations de l'interface supportant leur sortie soulève des questions structurelles sur l'endroit où la mémoire de travail d'un agent devrait résider, suggérant que les substrats externes et persistants sont une alternative viable et efficace à la mémoire basée sur la fenêtre de contexte pour le long horizon.