Mistral Agentic Search : la fin du RAG naïf pour tes documents ?

Il y a un cas d'usage de l'IA qui revient dans absolument toutes les entreprises qu'on accompagne. Ce n'est ni la génération d'images, ni le chatbot du site, ni l'agent autonome. C'est beaucoup plus prosaïque : « je voudrais pouvoir poser une question à mes propres documents ».

Les contrats, les devis passés, les comptes-rendus de chantier, les fiches techniques, les archives comptables, les procédures. Tout le monde veut ça. Et jusqu'à présent, tout le monde se cassait les dents dessus — parce que la technologie standard, le RAG, fonctionnait moyennement dès que le corpus devenait volumineux ou mal structuré.

Fin août 2026, Mistral a annoncé Agentic Search. Et les chiffres publiés, s'ils se confirment, font changer cette brique de catégorie.

Le problème du RAG classique, expliqué simplement

Le RAG (retrieval-augmented generation) fonctionne en deux temps. D'abord, un moteur cherche dans un index les extraits de documents qui ressemblent le plus à ta question. Ensuite, ces extraits sont transmis au modèle, qui rédige une réponse à partir d'eux.

C'est astucieux, mais ça a un défaut structurel : le modèle ne voit que ce qu'on lui a présélectionné. S'il manque le bon paragraphe, il ne le saura jamais. Il ne peut pas dire « attendez, je vais aller vérifier page 47 ». Il répond avec ce qu'il a — et il répond quand même, avec assurance.

Les cas où ça casse sont toujours les mêmes, et ce sont malheureusement les cas réels :

• l'information est éclatée sur plusieurs documents ;
• la réponse est dans un tableau, mal découpé à l'indexation ;
• le document est un PDF scanné dont la structure a été perdue ;
• la question demande de comparer deux sources.

Ce que fait Agentic Search à la place

L'approche est inversée. Au lieu de recevoir des extraits, le modèle reçoit cinq outils qui reproduisent ce que fait un humain devant une pile de dossiers :

La conséquence pratique est celle qui compte : le modèle peut vérifier avant de répondre. Il ne cherche plus seulement une information, il peut remonter aux éléments qui l'étayent. Pour un usage professionnel — un contrat, une clause, un montant — c'est exactement la différence entre « intéressant » et « utilisable ».

Les chiffres annoncés

Le point contre-intuitif : explorer davantage ne coûte pas plus cher. Mistral explique ce gain par l'élimination des recherches répétitives — le modèle cible mieux, donc il travaille moins.

Deux précisions honnêtes. D'abord, ces résultats ont été obtenus avec les réglages par défaut du Search Toolkit, sans optimisation spécifique — l'éditeur les présente comme un plancher, pas un plafond. Ensuite, ce sont des chiffres publiés par Mistral, mesurés dans ses propres conditions. La vraie validation viendra des déploiements clients. On préfère le dire.

Détail intéressant pour ceux qui suivent le marché : les tests ont été menés avec deux modèles, Mistral Medium 3.5 et GLM-5.2, un modèle chinois à poids ouverts. L'outillage se veut donc agnostique — tu n'es pas enfermé dans une famille de modèles.

Ce que ça change pour une PME

Reprenons le chiffre qui compte vraiment : 43 % des PME et ETI françaises n'exploitent pas leurs données pour piloter leur activité, et l'absence de stratégie data figure parmi les trois premiers freins à l'adoption de l'IA.

Ce n'est pas un problème d'ambition, c'est un problème de fiabilité. Quand un pilote de recherche documentaire répond juste trois fois sur dix, personne ne le met en production — et le projet meurt, grossissant les statistiques d'échec que les études internationales situent entre 80 et 95 %.

Passer de 27 % à 86 % de précision, ce n'est pas une amélioration incrémentale. C'est le seuil à partir duquel un outil devient un composant sur lequel on peut construire un processus.

Concrètement, les usages qui deviennent réalistes :

• Cabinets et professions du chiffre — interroger des liasses, des conventions collectives, des dossiers clients archivés.
• BTP et industrie — retrouver une clause dans un marché, une spécification dans un CCTP, un historique de chantier.
• Médico-social — naviguer dans des référentiels, des procédures, des documents de conformité.
• Toute entreprise — répondre à un appel d'offres en s'appuyant sur les réponses passées.

La brique souveraineté, qui n'est plus un supplément d'âme

Agentic Search s'appuie sur deux fondations : le Search Toolkit, cadre open source publié en juin 2026, et OCR 4, le moteur de lecture de documents de Mistral, capable de restituer non seulement le texte mais la structure — blocs typés, positions, scores de confiance, prêts pour la citation.

La chaîne complète va donc du scan d'une archive papier jusqu'à la réponse sourcée. Et elle peut tourner sur une infrastructure européenne, en région, voire auto-hébergée. Pour une entreprise française qui manipule des documents confidentiels — contrats, données RH, dossiers patients, secret des affaires — cette propriété pèse aujourd'hui autant que la performance brute.

Si le sujet t'intéresse, on a documenté la mise en œuvre concrète dans Installer une IA en local dans votre PME : le guide du RAG privé. Et pour situer Mistral face à ses concurrents, notre comparatif des quatre grands assistants donne les critères.

Les questions à poser avant de se lancer

Une meilleure technologie ne règle pas les problèmes en amont. Les trois questions qui déterminent la réussite d'un projet documentaire, dans cet ordre :

• Tes documents sont-ils tous au même endroit ? Si la moitié dort sur des disques durs individuels et l'autre dans des boîtes mail, c'est le premier chantier. Il n'est pas technique.
• Sont-ils exploitables ? Un PDF scanné de travers de 2011 restera difficile, même avec un bon OCR. Fais un échantillon avant de chiffrer.
• Qui a le droit de voir quoi ? Une recherche documentaire performante rend accessible tout ce qui est indexé. Les droits d'accès se conçoivent avant, jamais après.

Ce qu'on en retient

Le RAG naïf — indexer, découper, espérer — a fait son temps. Ce qui le remplace ressemble beaucoup plus à ce que fait un humain compétent : chercher, ouvrir, vérifier, citer. C'est plus lisible, plus auditable, et manifestement plus juste.

Reste la précaution d'usage : ces chiffres viennent de l'éditeur. Avant de signer quoi que ce soit, exige un test sur tes documents, avec tes questions, et une mesure du taux de bonnes réponses. C'est ce qu'on appelle un jeu d'évaluation, et c'est la seule chose qui vaille en la matière.

Sources

• Mistral AI — annonces produit
• ZDNet — Mistral AI lance une IA capable de chercher et vérifier les informations dans les documents
• Documentation Mistral — Search Toolkit et OCR
• France Num — IA et données en PME

Encore une dinguerie à partager !

‍