RAG 2.0 : vers une recherche augmentée vraiment efficace

RAG en 2025 vs 2026

Le RAG naïf — chunking fixe, embedding simple, top-k en similarité cosinus — n'est pas mort. Mais il a cessé d'être la frontière. En 2026, la récupération est devenue une boucle : le modèle ne se contente plus des fragments choisis au premier passage, il cherche, ouvre les documents, navigue jusqu'à la bonne page, lit et vérifie avant de répondre.

Mistral a donné le nom et les chiffres de cette bascule avec Agentic Search (août 2026) : sur FinanceBench, la part de réponses correctes passe de 26,7 % à 86 % ; sur les questions multi-documents centrées tableaux d'OfficeQA Pro, +45,6 points. Le tout avec une latence p90 réduite jusqu'à 39,6 % et un tiers de tokens en moins. La leçon tient en une phrase : la limite n'était pas le modèle, c'était le fragment.

Ce qui change réellement

Le reranker, toujours le premier gain. Cohere a sorti Rerank 5 en octobre 2026 : scores calibrés entre 0 et 1 (lisibles comme une probabilité d'utilité), ce qui permet enfin de fixer un seuil sous lequel l'assistant répond « je ne sais pas » au lieu d'improviser. Son option Context Focus retire les passages inutiles : perdre la moitié du contexte ne coûte que 2 points de qualité de réponse. Anthropic avait déjà mesuré l'effet combiné : 67 % d'échecs de recherche en moins quand on améliore la récupération puis qu'on rerank. Aucun changement de modèle ne donne ça.

La recherche agentique. Le RAG one-shot échoue pour trois raisons documentées : récupération sans raisonnement, plafond du fragment, absence d'itération. La boucle agentique répond aux trois avec des outils simples — search, open, navigate, read, grep — et sans fine-tuning : la qualité de récupération suit désormais les progrès des modèles au lieu d'être plafonnée par votre stratégie de chunking.

La rentrée des embeddings. Trois familles lancées entre fin septembre et début novembre 2026 : Embed 5 de Cohere (Pro et Fast partagent le même espace vectoriel — on indexe avec Pro, on interroge avec Fast), Nemotron 3.5 Embed de NVIDIA (1B et 8B, poids téléchargeables, endpoint gratuit en préversion), et pplx-embed-v2 de Perplexity (une branche « context » qui encode chaque passage en voyant le document entier). Point de vigilance : un index construit avec un modèle ne se lit pas avec un autre. Changer d'embedding, c'est réindexer.

Ce qui reste surestimé

GraphRAG — La version 2.0 publiée par Microsoft fin 2025 corrige une partie de nos réserves : extraction d'entités améliorée, architecture hybride vecteur + graphe + mots-clés, et +39,8 points d'Exact Match sur HotpotQA. Mais l'extraction de graphe reste coûteuse à construire et à maintenir, et le gain se concentre sur les questions multi-sauts où les relations entre entités sont le cœur du sujet. Une option, pas un défaut.

Les vrais problèmes non résolus

La mauvaise réponse vient presque toujours du mauvais extrait, pas du mauvais modèle. Trois défauts reviennent dans la plupart des projets, et aucun ne se corrige en changeant d'outil : les versions périmées qui cohabitent dans la base, les chunks qui coupent un tableau ou une clause en deux, et les références exactes (codes, numéros d'article) que la seule recherche sémantique rate encore.

L'évaluation reste le parent pauvre. Les chiffres qui circulent sur les embeddings et rerankers de 2026 sont des chiffres d'éditeurs : à ce jour, aucun banc d'essai indépendant ne les classe sur le même corpus. Le test le plus rentable tient en une journée : vingt vraies questions du terrain, la réponse et sa source notées par un expert, et on compare ce que la recherche trouve à ce que le modèle répond.

Notre recommandation

Commencer simple tient toujours. Mais l'ordre des priorités a changé : le reranker calibré d'abord, l'hybride lexical + sémantique ensuite, et la boucle agentique dès que les documents sont longs, denses ou que les réponses doivent être vérifiables. Choisir son embedding pour la durée : la réindexation est le vrai coût caché de 2026.