Mistral veut enterrer le RAG classique avec sa recherche agentique

Le RAG tel qu'on le connaît vit peut-être ses derniers mois. Le laboratoire parisien Mistral a présenté le 20 août Agentic Search, une brique logicielle qui change la manière dont un modèle de langage va chercher l'information dans un corpus de documents. Là où la génération augmentée par récupération classique se contente de coller quelques extraits présélectionnés dans le contexte du modèle, la recherche agentique laisse le modèle mener l'enquête lui-même : chercher, ouvrir, naviguer, lire, recommencer. Le changement est technique, mais ses conséquences sont très concrètes pour toute entreprise qui veut interroger ses propres archives.

Fouiller plutôt que deviner

Le principe du RAG traditionnel est simple, et c'est là son défaut. On découpe les documents en morceaux, on les indexe, et au moment de la question on remonte les extraits jugés les plus proches sémantiquement pour les injecter dans le prompt. Le modèle répond à partir de ce qu'on lui a servi — ni plus, ni moins. Si le bon passage n'a pas été récupéré, ou si la réponse suppose de recouper trois tableaux dispersés dans un rapport de deux cents pages, le système échoue en silence et invente une réponse plausible.

L'approche agentique inverse la logique. Le modèle dispose de cinq outils qui reproduisent les gestes d'un humain devant un dossier : rechercher un terme, ouvrir un fichier, naviguer entre les sections, lire en continu et faire un grep pour retrouver une occurrence précise. Il enchaîne ces actions de manière itérative, inspecte ce qu'il trouve, vérifie, et revient en arrière si nécessaire. On passe d'un système qui répond à partir d'un contexte figé à un système qui construit son contexte au fil de sa recherche.

Des gains qui ne sont pas cosmétiques

Les chiffres avancés par Mistral sont suffisamment spectaculaires pour mériter méfiance — et vérification. Sur FinanceBench, un jeu de tests portant sur des documents déposés auprès du régulateur boursier américain, la précision passe de 26,7 % à 86 %, soit un triplement. Sur OfficeQA Pro, qui interroge des documents du Trésor américain, le bond est encore plus net : de 6,3 % à 51,9 %, plus de quarante-cinq points gagnés. Ces deux corpus ont un point commun : ce sont des documents longs, denses, truffés de tableaux, exactement le terrain où le RAG classique décroche.

Le plus intéressant, c'est que ces gains ne se paient pas en lenteur. Mistral revendique jusqu'à 39,6 % de latence en moins et un tiers de jetons consommés en moins par rapport à une approche naïve. Autrement dit, laisser le modèle chercher intelligemment coûte moins cher que de lui déverser des montagnes de contexte en espérant que la bonne réponse s'y trouve. C'est contre-intuitif, mais logique : un enquêteur méthodique lit moins de pages qu'un lecteur qui parcourt tout au cas où.

L'argument souverain, encore et toujours

Mistral ne serait pas Mistral sans son positionnement européen. La recherche agentique est proposée via le Mistral Search Toolkit et intégrée à ses plateformes Studio et Vibe, avec une caractéristique mise en avant : elle fonctionne aussi bien dans le cloud qu'en déploiement sur site. L'entreprise insiste sur un outillage « portable et ouvert » permettant d'exploiter des données sensibles « sans franchir les frontières d'isolement » — comprendre : sans que les documents confidentiels quittent l'infrastructure de l'organisation.

C'est un argument taillé pour les banques, les cabinets juridiques et les administrations, qui manipulent précisément le type de documents où la recherche agentique brille — contrats, dépôts réglementaires, dossiers multi-sources — et pour qui l'envoi de ces fichiers vers un service américain est un non-sujet juridique. Dans un marché européen où l'écart d'investissement avec les États-Unis se creuse, Mistral continue de jouer sa partition : moins de puissance de frappe financière, mais une offre pensée pour les contraintes réelles des acteurs régulés du continent.

Ce qu'il reste à prouver

La prudence s'impose sur deux points. D'abord, les benchmarks sont choisis par le fournisseur : FinanceBench et OfficeQA Pro sont réels et publics, mais un triplement de score sur des tests maison mérite d'être répliqué par des tiers avant d'en faire une loi. Ensuite, la recherche agentique déplace le coût sans le supprimer : multiplier les appels d'outils allonge la chaîne, et la latence gagnée sur le volume de contexte peut être reperdue sur les allers-retours si le corpus est mal structuré.

Reste que la direction est claire, et Mistral n'est pas seul à la prendre — les agents qui manipulent des fichiers comme un système d'exploitation deviennent le standard émergent, y compris chez ses concurrents américains. Pour les entreprises européennes qui hésitaient à confier leurs archives à une IA, l'argument « vos données ne bougent pas, et le modèle cherche mieux » est de ceux qui font basculer un comité de direction. C'est peut-être là, plus que dans les scores, que se joue la vraie annonce.