Agents IA : outils typés et garde-fous sur Azure

Un ingénieur teste un agent de recherche augmenté sur Azure, sans ajout de service, face à un pipeline fixe fusionnant graphe typé et recherche hybride. Les métriques publiées montrent des gains d’ancrage mais un rappel inchangé, et posent une question centrale : une boucle contrôlée par le modèle respecte-t-elle la porte de contradiction quand les outils deviennent plus expressifs que la simple similarité ?

Rappel inchangé et corpus limité, mais ancrage enrichi

Pour un jeu d'or composé de vingt et un documents, le rappel reste à 0,75 que le graphe soit utilisé ou non. Bien que cette restriction subsiste, chaque paquet ancré inclut en moyenne dix chemins de relation typés et temporellement valides, ce que la seule recherche ne permet pas d'obtenir. Lors du passage en production, le nombre de fragments conceptuels a diminué de 149 à 120, et le détecteur de temps d’ingestion a généré une contradiction sur lui-même pendant la phase initiale. À cette étape, la fusion se traduit principalement par un meilleur ancrage, sans augmentation du rappel.

Pourquoi la simple similarité échoue à valider

Un agent limité à des appels répétés de recherche de similarité reformule et décompose, mais reste confiné à la même opération sur des morceaux plats. L’itération permet surtout d’obtenir des suppositions reformulées. Avec la seule similarité, l’agent ne peut pas confirmer l’applicabilité d’une règle, déterminer la période de validité d’une version ou constater un désaccord entre deux documents.

Ce que change un vocabulaire d’outils typés

L’hypothèse testée est que le raisonnement d’un agent dépend du vocabulaire de ses outils. En dotant l’agent du langage de la couche de connaissance – relations typées avec périodes de validité, entités résolues en identités canoniques, désaccord interrogeable – l’itération se rapproche d’une navigation. À chaque étape, l’agent peut résoudre une entité incertaine ou parcourir la relation spécifique dont il a besoin, au lieu de multiplier les recherches de similarité.

Conception : mêmes données, même pile, limites imposées

Les expériences sont menées sur la même pile Azure et le même corpus, sans ajout de service : l’agent n’est que du code et des jetons, livré comme un commit additif dans le dépôt existant. Le modèle reçoit le contrôle avec des contraintes strictes, tandis qu’une question centrale demeure : la porte de contradiction subsiste-t-elle quand la boucle est contrôlée par le modèle ? Les résultats sont rapportés, y compris lorsqu’ils ne sont pas favorables à l’approche, avec pour objectif de mesurer la boucle face à une référence à passage unique solide et d’en chiffrer le coût.

Base de comparaison : un pipeline fixe fusionné

La référence s’appuie sur un pipeline fusionné qui retire le routeur, lance à chaque fois une recherche hybride associée à un parcours typé sur deux sauts, puis transmet le résultat combiné à un réévaluateur externe chargé de présenter les chemins de relation en guise de preuve. Chaque relation intègre la dimension temporelle au moyen d’une fenêtre de validité et d’un horodatage d’ingestion, tandis que la résolution d’entités repose sur deux seuils, avec blocage d’intégration et arbitrage en zone intermédiaire. Le système effectue à présent une exploration de son propre graphe.

Là où un seul passage ne suffit pas : la séquence contrafactuelle

Un pipeline fixe décide implicitement, une fois et avant tout raisonnement, de ce qui sera récupéré. Il exécute toujours les mêmes étapes dans le même ordre et ne peut revenir chercher plus d’éléments en fonction d’un résultat intermédiaire, même s’il respecte le temps et met en lumière des contradictions. Par exemple, pour une exigence d’inspection de toit passée d’un seuil de vingt ans à partir de juin 2025 à quinze ans pour les nouvelles affaires H3 à compter du 1er mars 2026, la question du 20 février se règle par filtrage temporel. En revanche, une analyse contrafactuelle des réclamations nécessite de découvrir les versions et leur vigueur, d’extraire des attributs de propriété, d’appliquer la règle de mars à des dépôts antérieurs et de comparer. Aucune requête unique, même fusionnée, n’exprime cette séquence. Le risque est alors une réponse partiellement ancrée qui paraît complète. À l’inverse, la pratique humaine entrelace lecture, récupération additionnelle et vérification de la version applicable avant de répondre. Pour la plupart des questions, le pipeline fixe reste rapide, peu coûteux, auditable et prévisible, mais certaines nécessitent de découvrir quoi récupérer après un premier raisonnement.

Un terme galvaudé, une mise à l’épreuve recherchée

Le terme agent est largement utilisé dans des contenus marketing, des tutoriels d’orchestration et des réflexions sans système vérifiable, ce qui ne répond pas à la question d’ingénierie posée : face à une base de référence à passage unique, sur les mêmes données, que rapporte réellement la boucle et à quel coût ? Le dispositif décrit vise précisément cet objectif et cadre la conception en conséquence.