RAG agentique
Un RAG où le LLM pilote lui-même la récupération — il décide quand, quoi et combien de fois chercher, au lieu de suivre un simple pipeline « embed → top-k → réponse ».
Le modèle reçoit des outils (search, fetch_url, query_db) via l'appel de fonctions et boucle jusqu'à être satisfait. Le RAG classique cherche une seule fois sur la requête de l'utilisateur ; le RAG agentique peut découper la question, reformuler les recherches infructueuses, valider des faits, suivre des sources et combiner des résultats sur plusieurs étapes.
Améliore le rappel et la précision sur des questions complexes (recherche approfondie, droit, science) mais augmente sérieusement la latence et le coût — jusqu'à des dizaines d'appels modèle par requête.