RAG dans l’entreprise : architectures, permissions et chunking en 2026

Chaque fois qu’une nouvelle génération de modèles élargit la fenêtre contextuelle, quelqu’un annonce que la récupération de documents n’est plus nécessaire : il suffit de tout charger et de laisser le modèle se débrouiller tout seul. La prédiction se répète depuis trois ans et les chiffres vont dans la direction opposée, car les actifs informationnels d’une entreprise de taille moyenne se mesurent en milliards de jetons répartis sur différents systèmes, et aucune fenêtre ne les contiendra jamais dans leur intégralité et il ne serait pas économiquement raisonnable d’essayer.

Ce qui a changé concerne la localisation. La récupération augmentée n’est plus une fonctionnalité supplémentaire pour réduire les hallucinations et est devenue la couche qui décide de ce que le système sait à un moment donné, avec quels droits et avec quelle récence.

Du schéma de récupération au moteur de contexte

L’implémentation de la première génération était linéaire : vous décomposiez le document en fragments, calculiez les vecteurs, recherchiez la similarité sémantique, transmettiez les premiers résultats au modèle. Ça marche sur un manuel, ça se dégrade vite sur un véritable patrimoine documentaire.

La limitation apparaît sur trois fronts et est reconnue par quiconque a mis en production un tel système. Les questions qui demandent de relier des informations présentes dans différents documents renvoient des réponses partielles, car la similarité sémantique retrouve chaque morceau séparément sans savoir lesquels doivent être composés.

Les recherches sur les codes produits, les acronymes internes et les références réglementaires échouent, car la recherche vectorielle est bonne sur les concepts et médiocre sur les chaînes exactes. Et les informations obsolètes continuent d’apparaître, car personne n’a indiqué au système quelle version comptait.

Le dépassement vient d’une idée différente : la récupération cesse d’être une étape unique avant la génération et devient un moteur qui peut être interrogé plusieurs fois, avec différents outils, décidant au fur et à mesure de ce qui manque. Les agents ont accéléré la transition car ils génèrent des ordres de grandeur plus de requêtes de données qu’un utilisateur humain, et cette charge a révélé des limites auparavant cachées sur les volumes de conversation.

L’intention hybride triple en un trimestre

Le marché enregistre ce changement à une vitesse inhabituelle. L’outil de suivi trimestriel des infrastructures de récupération de VentureBeat révèle qu’entre janvier et mars 2026, l’intention d’adoption de la récupération hybride est passée de 10,3 % à 33,3 %, tandis que la part des investissements consacrée à l’optimisation de la récupération est passée de 19 % à 28,9 %, dépassant pour la première fois les dépenses de valorisation.

Le deuxième chiffre dit quelque chose de précis sur la maturité du secteur. Les organisations qui, l’année précédente, avaient investi dans la mesure de la qualité de leur rétablissement dépensent désormais pour le corriger, ce qui signifie que la phase dans laquelle vous avez découvert que vous aviez un problème est fermée et la phase dans laquelle vous le résolvez est ouverte.

Pour ceux qui doivent décider maintenant, le signal opérationnel n’est pas de concevoir l’architecture sur les volumes conversationnels actuels. Un système dimensionné à partir des requêtes humaines doit gérer, en quelques trimestres, les requêtes générées par les flux automatiques, et repenser la couche de récupération aval coûte bien plus cher que de bien la dimensionner immédiatement.

Quatre variantes qui répondent à des problématiques différentes

Les architectures disponibles sont variées et le choix doit se faire en fonction du type de demande que le système recevra.

• Recherche hybride, lexicale et sémantique ensemble. Combinez la recherche par mot-clé et par vecteur et rapprochez les résultats avec un modèle de réorganisation. Il résout le problème des codes produits et des acronymes et constitue la configuration par défaut raisonnable pour la plupart des analyses de rentabilisation.
• Sur graphique, relations explicites entre entités. Il construit un graphique d’entités et de relations au-dessus du corpus et vous permet de répondre à des questions qui nécessitent plusieurs sauts, par exemple quels contrats actifs impliquent des fournisseurs basés dans un pays donné. Cela coûte beaucoup plus cher à construire et à entretenir, et se justifie lorsque les questions sont structurellement relationnelles.
• Récupération agentique et itérative. Le système décide de manière autonome quelles sources interroger, évalue si les informations obtenues sont suffisantes et répète la recherche en reformulant la question. Adapté aux tâches d’analyse complexes, avec un coût de fonctionnement qui doit être budgétisé car chaque itération est un appel au modèle.
• Adaptatif, routage par type de question. Un classificateur léger décide si la question doit être récupérée et de quel type, ou si elle peut recevoir une réponse directe. C’est la variante qui a le plus grand impact sur les coûts, car elle évite d’activer la machine complète pour des demandes qui n’en ont pas besoin.

La configuration qui résiste au fil du temps, dans les moyennes et grandes organisations, regroupe plusieurs variantes derrière une couche de routage et se développe par ajout plutôt que par remplacement.

Les autorisations s’appliquent pour récupérer avant l’interface

Il existe un défaut architectural qui apparaît régulièrement dans les implémentations mises en œuvre à la hâte et qui coûte cher à corriger ultérieurement. Les droits d’accès sont vérifiés au niveau de l’application, tandis que l’index vectoriel contient des fragments de tous les documents, peu importe qui peut les voir.

Le système récupère, le modèle lit, la réponse est filtrée en aval. Le contenu confidentiel a déjà été traité, il a pu apparaître sous forme paraphrasée, et les traces de ce passage subsistent dans les logs. Dans les organisations dont les autorisations sont stratifiées sur plusieurs années, la surface d’exposition est plus grande que quiconque ne l’imagine avant de la mesurer.

Le paramètre correct propage l’identité de l’utilisateur jusqu’à la requête d’index, de sorte que la récupération renvoie uniquement les fragments auxquels cette personne a droit à ce moment-là. Chaque fragment comporte des métadonnées de visibilité, héritées du document source et réalignées lorsque les autorisations changent. C’est un choix qu’il faut faire dès le départ, car reconstruire l’index avec les métadonnées de sécurité revient à réingérer l’intégralité du corpus.

La segmentation des documents s’effondre avant toute autre chose

Lorsqu’on demande à quiconque a mis un système en production où il a perdu le plus de temps, la réponse concerne rarement le modèle ou la base de données vectorielles. Il s’agit de la façon dont les documents sont divisés.

Une segmentation de longueur fixe coupe les tableaux en deux, sépare un en-tête du contenu qu’il qualifie, rompt une clause contractuelle au point où elle introduit l’exception. Le fragment récupéré est formellement pertinent et fondamentalement trompeur, et le modèle répond avec assurance à un texte mutilé. C’est le type d’erreur le plus difficile à repérer, car la réponse est plausible et la source citée existe.

Les contre-mesures sont connues et nécessitent un travail sur le domaine spécifique : segmentation qui respecte la structure du document plutôt que la longueur, préservation du chemin hiérarchique au sein de chaque fragment, traitement séparé des tableaux et des pièces jointes, chevauchement entre fragments contigus. Aucun de ces éléments n’est configuré à partir d’un panneau, tous nécessitent que vous examiniez les documents réels de cette entreprise.

Et c’est peut-être la raison pour laquelle la récupération de documents, considérée comme obsolète à chaque nouvelle génération de modèles, continue d’être le point sur lequel les projets se démarquent. La pièce achetée est devenue bon marché et interchangeable, ce qui reste difficile c’est la connaissance de la manière dont sont élaborés les documents d’une organisation spécifique, et cela ne s’accompagne d’aucune mise à jour de la part du fournisseur.