RAG : parser les dossiers avec des tables relationnelles

Les systèmes RAG (Retrieval-Augmented Generation) destinés aux entreprises font face à une limite croissante : ils sont conçus pour interroger des corpus homogènes ou des documents uniques, mais peinent à traiter des dossiers complets composés de pièces hétérogènes. Plutôt que d’injecter l’intégralité d’un dossier dans une fenêtre de contexte, une nouvelle approche architecturale propose de passer par une structuration relationnelle des fichiers. Cette méthode, présentée dans le cadre d’une série de travaux sur l’intelligence documentaire d’entreprise, démontre que l’ajout massif de contexte dans les prompts aggrave le phénomène du lost in the middle, où les modèles traitent moins fiablement les informations centrales. Pour un dossier d’assurance, un dossier médical ou un dossier juridique, l’objectif n’est pas de classer des passages, mais de vérifier l’exhaustivité et la cohérence des pièces. L’architecture proposée s’appuie sur trois principes opérationnels. Premièrement, le dossier est analysé via une liste de pièces attendue, définie par le processus métier avant même l’ouverture des fichiers. Un algorithme de jointure compare ensuite les documents reçus à cette attente, identifiant les pièces manquantes, les fichiers mal rangés et les attributions peu fiables. Deuxièmement, la détection des contradictions repose sur une comparaison mécanique de valeurs normalisées entre documents, plutôt que sur la recherche sémantique. Chaque comparaison conserve une référence précise, permettant un contrôle humain instantané. Troisièmement, la réponse du système n’est plus un extrait classé, mais un objet structuré résumant l’état du dossier : pièces présentes, absentes, en conflit, et un verdict clair sur les blocages potentiels. Cette approche comble un vide méthodologique actuel. Les benchmarks RAG mesurent traditionnellement la capacité du système à retrouver un passage, mais ignorent la vérification de l’absence de contenu ou la cohérence croisée entre fichiers. La détection d’une pièce manquante ne constitue plus une défaillance de recherche, mais le résultat attendu du workflow. Des jeux de données académiques comme ContractNLI ou MuSiQue offrent des points de repère, mais restent limités à l’analyse de documents isolés. Sur le plan opérationnel, la mise en œuvre requiert un investissement initial modeste. Il suffit de documenter les pièces attendues par type de dossier, de les confronter à un échantillon de dossiers réels et d’automatiser les jointures et vérifications de valeurs. Cette transition, d’un paradigme de récupération à un paradigme de validation structurelle, permet aux entreprises de traiter des dossiers complexes avec une fiabilité supérieure, tout en conservant un contrôle explicite sur les décisions. L’intégration de modèles génératifs intervient en aval, pour enrichir le rapport final, et non en remplacement de la vérification relationnelle.