Orange, en quête d’innovation, initie un projet révolutionnaire de systèmes multi-agents de RAG, visant à redéfinir l’intelligence artificielle. Cette approche inédite combinera plusieurs agents de récupération, optimisant ainsi l’analyse de documents variés tels que texte, images et graphiques. Le projet promet de surpasser les limites actuelles des solutions classiques, où un seul agent est souvent insuffisant. Les enjeux se dessinent clairement : améliorer la vectorisation et la compréhension des données complexes, tout en créant un écosystème d’IA plus performant et intégré.
Un projet innovant chez Orange Business
La filiale spécialisée d’Orange dédiée aux services numériques aux entreprises engage des efforts notables dans le développement d’un projet de RAG (Récupération Augmentée Générative) intégrant une approche multi-agent. Ce projet ambitieux vise à transcender les limitations actuelles des systèmes d’intelligence artificielle en la matière, spécialisés jusqu’à présent dans la manipulation d’un agent unique.
Objectifs du projet
Orange Business aspire à optimiser la gestion des documents complexes, combinant différents types de médias tels que texte, images, tableaux et graphismes. L’objectif est de développer une solution capable de générer des réponses plus précises et pertinentes à partir d’une base documentaire enrichie. La mise en place de ce système de RAG multi-agent est conçue pour aboutir rapidement à l’établissement d’une offre commerciale dans les mois à venir.
Les défis des systèmes existants
Les solutions traditionnelles de RAG souffrent de limitations notables, n’exploitant que le contenu textuel de documents. La vectorisation des documents de référence présente souvent des incohérences, rendant difficile la compréhension du sens global. Didier Gaultier, responsable de l’IA au sein d’Orange Business Digital Services, souligne que les utilisateurs, habitués à des recherches par mots clés, ne tirent pas pleinement parti des capacités de l’intelligence artificielle générative.
Architecture du RAG multi-agent
Le concept du RAG multi-agent repose sur la collaboration de plusieurs agents, chacun spécialisé dans la vectorisation d’un type de contenu. Ces agents traitent des formats variés tels que le texte, les images et les tableaux, créant une base documentaire unique, dite « meta-vectorisée ». Le développement d’un moteur d’orchestration permettra de gérer l’interaction entre ces divers agents, garantissant une recherche améliorée et pertinent.
La mise en réseau des contenus documentaires, via un système de graphes, découlera des analyses de correspondance entre les fichiers. Cette méthode permettra de comprendre les connexions existantes, offrant ainsi une récupération d’informations qui va au-delà des simples vecteurs.
Cas d’usages potentiels
Ce système pourrait révolutionner la façon dont les entreprises gèrent leurs données. Par exemple, il serait possible de détecter qu’une compétence d’un employé, identifiée par la vectorisation de ses contenus professionnels, n’est pas mentionnée dans son CV, facilitant ainsi le matching des compétences et des intitulés de poste.
Au cœur de cette technologie, des agents collaboreront pour formuler des phrases intelligibles à partir des mots clés, optimisant ainsi la pertinence des requêtes des utilisateurs.
Collaboration et développement futur
Orange Business a constitué un consortium d’acteurs, incluant Lighton, un expert en IA générative. La volonté d’aboutir à un produit commercialisable dans un futur proche est manifeste. De concert avec les partenaires industriels, l’ESN recherche des soutiens financiers pour accélérer le projet.
Ce chantier promet d’accélérer les innovations dans le domaine des systèmes multi-agents, positionnant Orange en tant qu’acteur de référence dans le secteur des solutions d’IA en entreprise.
Foire aux questions courantes sur le projet RAG multi-agent d’Orange
Qu’est-ce que le système de génération augmentée de récupération (RAG) multi-agent proposé par Orange ?
Le RAG multi-agent est un système innovant qui utilise plusieurs agents pour récupérer et traiter des informations à partir de documents multimédias, tels que des textes, des images ou des tableaux, afin de fournir des réponses plus précises et pertinentes.
Quels sont les avantages de l’approche multi-agent par rapport aux systèmes RAG traditionnels ?
Contrairement aux systèmes traditionnels qui s’appuient sur un seul agent, l’approche multi-agent permet une vectorisation de différents formats, ce qui améliore la récupération d’informations en tenant compte des interrelations entre divers éléments du contenu.
En quoi consiste la vectorisation dans le projet de RAG d’Orange ?
La vectorisation consiste à transformer les informations d’un document en représentations numériques, permettant ainsi aux agents de rechercher et d’identifier les vecteurs les plus pertinents par rapport à une question posée par l’utilisateur.
Comment Orange prévoit-elle de garantir la qualité et la précision des réponses fournies par le RAG multi-agent ?
Orange vise à créer une base documentaire méta-vectorisée, qui analyse les correspondances entre les fichiers et établit des graphes de relations, afin d’assurer une récupération d’informations plus fine et plus pertinente.
Quelle est la timeline de développement et de commercialisation du système RAG multi-agent ?
Orange Business prévoit de lancer une offre packagée de ce système dans les mois à venir, après avoir constitué un consortium avec des partenaires spécialisés, tels que Lighton, pour accélérer le projet.
Comment les utilisateurs peuvent-ils interagir avec le système RAG multi-agent une fois qu’il est lancé ?
Les utilisateurs pourront poser des questions sous forme de phrases complètes, et le système RAG multi-agent transformera ces requêtes en prompts intelligibles pour effectuer des recherches précises dans la base de données.
Quelles étapes sont nécessaires avant que le projet de RAG multi-agent devienne opérationnel ?
Avant d’être opérationnel, le projet nécessite le développement de l’infrastructure technique, la mise en place des agents de récupération, ainsi que des tests approfondis pour valider la précision des résultats fournis.
Quels types d’agents seront utilisés dans le système multi-agent d’Orange ?
Le système intégrera plusieurs types d’agents spécialisés dans la vectorisation de différents formats d’information, tels que le texte, les images, les tableaux et potentiellement même des contenus audio.
Pourquoi est-il essentiel d’avoir un moteur d’orchestration dans ce système multi-agent ?
Le moteur d’orchestration est crucial car il permettra de coordonner l’interaction entre les différents agents, assurant ainsi que les réponses soient basées sur une compréhension intégrée et cohérente des données récupérées.
