Explorer l’approche de Glean : planification de la recherche vs raisonnement approfondi en IA

Glean dissocie la planification de la recherche du raisonnement approfondi en confiant l’orchestration de la récupération à un modèle entraîné à cet effet, et en réservant la puissance de calcul des modèles de pointe à la synthèse et à la génération de réponses. Ces deux opérations — décider où chercher et réellement réfléchir à ce que vous trouvez — exigent des ressources fondamentalement différentes, et pourtant la plupart des systèmes aujourd’hui les traitent comme un seul et même travail.

Cette distinction entre planification de la récupération et synthèse est importante, car la recherche IA en entreprise couvre des dizaines de sources de données, chacune avec ses propres autorisations, schémas et modèles de requêtes. Lorsqu’un seul grand modèle de langage gère à la fois le travail mécanique de routage des requêtes et le travail intellectuel de synthèse des réponses, les organisations paient des tarifs de modèles de pointe pour des tâches qui ne requièrent pas l’intelligence d’un modèle de pointe.

Comprendre en quoi ces fonctions diffèrent — et pourquoi les séparer change l’économie de la recherche en entreprise — est essentiel pour évaluer l’évolution des architectures de récupération IA.

Quelle est la différence entre la planification de la recherche et le raisonnement approfondi dans la recherche IA en entreprise ?

La planification de la recherche est le processus structuré et mécanique consistant à décider quelles sources de données interroger, quels appels d’outils effectuer, et à quel moment suffisamment de preuves ont été recueillies. Elle suit des schémas prévisibles : analyser la question de l’utilisateur, identifier les connecteurs pertinents, lancer des requêtes en parallèle, évaluer si les documents récupérés sont suffisants, puis soit affiner la recherche, soit transmettre les résultats. Les opérations sont itératives et sensibles à la latence — chaque étape de planification supplémentaire ajoute un temps d’attente que l’utilisateur ressent directement.

Le raisonnement approfondi intervient après la récupération. Un modèle interprète le contexte rassemblé, tire des inférences à travers plusieurs sources, résout les contradictions et produit une réponse ancrée dans les faits avec des citations. Ce travail exige des modèles à grand nombre de paramètres optimisés pour la nuance, l’abstraction et la logique en plusieurs étapes — le type de traitement pour lequel un modèle de pointe justifie son coût.

Les profils de calcul ne correspondent pas. Un modèle de raisonnement par défaut met environ trois secondes par appel, tandis qu’un modèle de planification de recherche entraîné à cet effet peut exécuter la même étape de récupération en environ 250 millisecondes. La plupart des systèmes de recherche IA en entreprise aujourd’hui utilisent un seul modèle de pointe pour les deux tâches, ce qui signifie que les organisations paient les prix des modèles de pointe et acceptent la latence des modèles de pointe pour ce qui est, pendant la phase de récupération, une tâche mécanique.

L’approche de Glean avec Waldo — un modèle de planification de recherche basé sur NVIDIA Nemotron 3 Nano — sépare ces rôles, atteignant environ 50 % de latence en moins et 25 % de tokens en moins pendant la phase de planification en confiant l’orchestration de la récupération à un modèle plus petit, plus rapide, entraîné spécifiquement pour ce travail.

Pourquoi séparer la planification de la recherche du raisonnement approfondi améliore l’efficacité de l’IA en entreprise

Le calcul des coûts change lorsqu’on passe à l’échelle. Une organisation avec 10 000 travailleurs du savoir générant même un volume de requêtes modeste — disons 20 requêtes agentiques par personne et par jour — exécute 200 000 boucles de récupération par jour. Si chaque boucle nécessite trois à cinq itérations de planification de recherche via un modèle de pointe à environ trois secondes par appel, la latence cumulée et la consommation de tokens deviennent un poste budgétaire, pas une simple ligne négligeable.

Un petit modèle spécialisé post-entraîné pour les décisions d’utilisation d’outils casse ce schéma. Au lieu de faire passer chaque étape de récupération par le même modèle à grand nombre de paramètres qui gère la synthèse, le modèle de planification de recherche exécute la boucle de récupération de manière indépendante — une approche cohérente avec la façon dont l’agentic RAG améliore la récupération traditionnelle en permettant à des agents intelligents de s’adapter en temps réel. Il décide quels corpus interroger — documents internes, annuaires de personnes, sources web — évalue si suffisamment de preuves existent et assemble un contexte ancré dans les faits avant même qu’un modèle de pointe ne voie la requête.

Le résultat est un système où les budgets de tokens vont là où ils comptent. L’Agentic Engine de Glean utilise cette architecture scindée pour réserver la capacité des modèles de pointe au raisonnement — les inférences multi-étapes, la résolution de contradictions et la génération de citations qui nécessitent réellement les capacités d’un grand modèle. La phase de planification de la recherche, gérée par un modèle entraîné à cet effet fonctionnant à environ un douzième de la latence par appel, consomme une fraction des tokens sans régression de la qualité des réponses.

Cette architecture ne vise pas à remplacer les modèles de pointe ni à les traiter comme un surcoût. Les modèles de pointe sont essentiels pour l’étape de raisonnement.

Le gaspillage vient du fait de leur confier des tâches pour lesquelles ils sont surqualifiés — analyser des schémas de connecteurs, décider s’il faut interroger Confluence ou Slack en premier, déterminer que trois documents récupérés ne suffisent pas et qu’une quatrième recherche est nécessaire. Une analyse de 2026 menée par Clarifai a révélé que les petits modèles de langage peuvent offrir une inférence 10 à 30x moins chère que les grands modèles, les entreprises utilisant des modèles plus petits pour 80 % de leurs appels API et réduisant les coûts de calcul jusqu’à 70 %. Un modèle compact post-entraîné sur ces schémas de décision précis les gère avec une précision équivalente pour une fraction de la puissance de calcul.

Pour les équipes en entreprise qui évaluent les coûts d’infrastructure IA, l’implication est simple : chaque token dépensé en planification de recherche via un modèle de pointe est un token qui aurait pu être dépensé pour un raisonnement plus profond et plus précis.

Comment fonctionne le modèle de recherche agentique Waldo

Waldo est un modèle de recherche agentique conçu à dessein pour bien faire une seule chose : décider quoi chercher, où chercher et quand arrêter de chercher. Construit sur un modèle de fondation ouvert compact (NVIDIA Nemotron 3 Nano), Waldo a été post-entraîné à l’aide de deux techniques — l’optimisation directe des préférences (DPO) et l’apprentissage par renforcement — afin de se spécialiser dans la planification de l’usage d’outils pour la récupération en entreprise.

Les données d’entraînement provenaient de traces comportementales anonymisées montrant comment le système agentique existant de Glean planifiait les recherches dans des environnements de production. Ces traces capturaient les schémas de décision — quels connecteurs étaient interrogés, dans quel ordre, combien d’itérations étaient nécessaires — sans exposer aucun contenu d’entreprise. Le modèle a appris des stratégies de récupération, pas des informations propriétaires.

En production, Waldo s’exécute en premier dans le pipeline de requêtes. Lorsqu’un utilisateur pose une question via Glean Assistant, Waldo évalue la requête et planifie l’utilisation des outils sur trois surfaces de recherche : la recherche interne (documents, messages, bases de connaissances), la recherche d’employés (annuaires de personnes et organigrammes via l’Enterprise Graph) et la recherche web. Il itère sur ces surfaces, en évaluant les résultats récupérés par rapport à un seuil de preuve avant de transmettre le contexte assemblé.

Une capacité clé est la compression de la récupération. Grâce à son post-entraînement sur des schémas de recherche efficaces, Waldo a appris à trouver en une seule itération de recherche ce qui nécessitait auparavant plusieurs itérations avec un modèle généraliste. Il reconnaît quelles combinaisons de connecteurs tendent à produire des preuves suffisantes pour des types de requêtes spécifiques et achemine en conséquence, réduisant les cycles de récupération sans sacrifier le rappel.

Le point de passation est explicite. Une fois que Waldo détermine qu’il existe suffisamment de preuves ancrées, il regroupe le contexte récupéré — en conservant l’attribution des sources et les métadonnées d’autorisation — et le transmet au modèle frontier.

Le modèle frontier ne planifie jamais une recherche. Il reçoit un contexte pré-assemblé, tenant compte des autorisations, et se concentre entièrement sur le raisonnement, la synthèse et la génération de réponses avec citations.

Parce que le périmètre de Waldo est limité à la planification de l’utilisation des outils, il peut être mis à jour, surveillé et contraint indépendamment du modèle de raisonnement — une frontière de décision plus étroite, plus facile à auditer que la génération ouverte d’un modèle frontier.

Quels défis cette architecture résout-elle dans les workflows d’entreprise ?

La séparation de la planification de la recherche répond à quatre problèmes qui se renforcent et érodent l’adoption de l’IA en entreprise : la latence, le coût, la précision et la gouvernance. Comprendre toute l’ampleur de l’agentic reasoning aide à contextualiser pourquoi chacun de ces défis s’aggrave à grande échelle — et pourquoi ils interagissent, car des réponses lentes entraînent des contournements, les contournements réduisent la qualité des données, et une qualité de données réduite sape la confiance dans le système.

La latence s’additionne à chaque étape de récupération. Les travailleurs du savoir s’attendent à des réponses quasi instantanées des outils de recherche. Lorsqu’un système agentique fait boucler un modèle frontier sur plusieurs itérations de récupération — chacune prenant environ trois secondes — une requête qui nécessite quatre étapes de recherche introduit 12 secondes d’attente avant même que le raisonnement ne commence.

Ce délai ramène les utilisateurs vers la recherche manuelle ou la connaissance informelle, ce qui va à l’encontre de l’objectif de déployer un système d’IA.

L’architecture de Glean exécute ces itérations de récupération via Waldo à des vitesses inférieures à la seconde, maintenant les temps de réponse totaux dans la fenêtre où les utilisateurs restent engagés.

Les coûts de tokens augmentent linéairement avec le volume de requêtes. Chaque token envoyé à un modèle frontier pendant la phase de planification de la recherche représente du calcul dépensé pour une tâche qui ne requiert pas une intelligence de niveau frontier. À l’échelle de milliers de requêtes quotidiennes dans une grande organisation, ces tokens de planification s’accumulent en un coût d’infrastructure significatif — sans générer de valeur de raisonnement.

Rediriger le travail de planification vers un modèle compact permet de réaffecter ce budget à l’étape de synthèse, où la qualité du modèle frontier influence directement la précision des réponses.

La planification et le raisonnement simultanés dégradent la qualité de la récupération. Lorsqu’un seul modèle gère à la fois la planification de la recherche et la génération de réponses, il peut commencer à synthétiser des réponses avant que suffisamment de preuves ne soient récupérées. Le modèle génère des réponses plausibles à partir d’un contexte partiel plutôt que d’attendre des preuves complètes.

Séparer les rôles impose un seuil de preuve clair — Waldo doit déterminer qu’il existe suffisamment de contexte ancré avant que le modèle de raisonnement ne reçoive la moindre entrée.

Cette frontière empêche la synthèse prématurée.

Un modèle plus étroit est plus facile à gouverner. Un modèle de planification de recherche entraîné à un usage précis a un périmètre contraint : il décide quoi interroger et quand s’arrêter. Cette fonction étroite rend ses décisions plus auditables que celles d’un modèle frontier, car il y a moins d’ambiguïté sur ce qu’il doit ou ne doit pas faire. Les équipes d’entreprise peuvent surveiller les schémas de récupération de Waldo, signaler les anomalies d’utilisation des connecteurs et ajuster son comportement sans toucher à la couche de raisonnement — un avantage de gouvernance qui compte dans les secteurs réglementés.

En quoi les modèles spécialisés de récupération IA diffèrent des modèles frontier généralistes

Les modèles spécialisés de récupération et les modèles frontier généralistes résolvent des problèmes différents, et les traiter comme interchangeables augmente les coûts et la latence dans les déploiements en entreprise. La distinction se joue au niveau de l’architecture, des objectifs d’entraînement et de l’endroit où chaque type de modèle apporte le plus de valeur par dollar de calcul.

Architecture et entraînement

Les modèles spécialisés de récupération sont compacts par conception. Ils sont construits sur des architectures de base efficaces — Waldo, par exemple, utilise NVIDIA Nemotron 3 Nano — et post-entraînés de manière étroite sur trois capacités spécifiques : la planification de l’utilisation des outils, la sélection des sources et l’évaluation de la suffisance des preuves. Les données d’entraînement se composent de traces requête-réponse anonymisées issues de sessions réelles de recherche en entreprise, affinées via l’optimisation directe des préférences et l’apprentissage par renforcement.

Le résultat est un modèle entraîné pour un seul travail, et rien d’autre.

Les modèles frontier suivent une autre voie. Ils sont entraînés sur de vastes corpus couvrant le raisonnement général, la génération créative, la synthèse de code et des connaissances multi-domaines. Cette largeur les rend efficaces pour synthétiser des réponses complexes, mais inefficaces lors de la récupération mécanique — le modèle embarque des capacités qu’il n’utilise jamais lorsque la tâche consiste simplement à décider lequel des 100+ connecteurs de données interroger.

Compromis de performance

La différence de vitesse est significative : un modèle spécialisé de récupération accomplit les tâches de planification de recherche environ 10 fois plus rapidement par appel qu’un modèle frontier de raisonnement. Mais cette vitesse s’accompagne de limitations intentionnelles. Un modèle de récupération n’est pas conçu pour synthétiser, interpréter ou générer des réponses finales — il identifie les sources, émet des requêtes et compresse les résultats.

Dans les environnements d’entreprise, la planification de la récupération est l’opération la plus fréquente dans les workflows agentiques. Chaque requête utilisateur déclenche au moins un plan de recherche, et les demandes complexes en déclenchent plusieurs. Déporter ce volume vers un modèle plus petit et plus rapide génère des économies mesurables sans réduire la qualité des réponses.

L’approche system-of-models

Plutôt que de demander à un grand modèle unique de tout faire, une architecture system-of-models assigne chaque modèle à la tâche pour laquelle il a été entraîné. Le modèle de récupération exécute la boucle de recherche et le modèle frontier raisonne sur les résultats. Chaque composant itère indépendamment — une amélioration de la planification de recherche est livrée sans réentraîner le modèle de raisonnement, et inversement.

Les organisations dont les données sont réparties sur des dizaines d’applications ont besoin d’une récupération qui comprend l’autorité des sources, les limites de permissions et la fraîcheur des contenus. L’Agentic Engine de Glean orchestre ce passage de relais : le modèle spécialisé gère la décomposition de la requête, la sélection des connecteurs et la collecte des preuves, puis transmet au modèle frontier un contexte compressé et filtré selon les permissions pour la synthèse et la génération de réponses avec citations. L’architecture traite la récupération et le raisonnement comme des disciplines distinctes, et non comme un prompt unique.

Comment la planification de recherche s’intègre aux graphes de connaissances d’entreprise et aux permissions

La couche de planification de recherche n’opère pas en isolation — elle interroge l’Enterprise Graph, une carte structurée des personnes, des contenus, des relations et des interactions au sein de l’organisation, afin de décider quelles sources sont les plus pertinentes pour une question donnée. Comprendre comment fonctionnent les graphes de connaissances est essentiel pour comprendre ce qui distingue la récupération en entreprise de la recherche à l’échelle du web, où chaque utilisateur obtient les mêmes résultats pour la même requête.

Le contexte personnel façonne chaque plan de recherche. Le Personal Graph capture le rôle d’un individu, son appartenance à une équipe, son activité récente, ses interactions avec les documents et ses droits d’accès. Lorsqu’un commercial demande des informations sur le « chiffre d’affaires du T1 », le modèle de planification de recherche priorise les tableaux de bord CRM, les résumés récents d’opportunités et les prévisions partagées par l’équipe.

Lorsqu’un analyste finance pose la même question, le modèle s’oriente vers des exports ERP, des rapports financiers prêts pour le comité de direction et des données issues des systèmes comptables. La requête est identique. Le plan de recherche est entièrement différent.

L’application des permissions se fait en amont du modèle frontier. Avant que le moindre document récupéré n’atteigne l’étape de raisonnement, la couche de planification de recherche filtre les résultats selon les droits d’accès de l’utilisateur. Si un utilisateur n’a pas l’autorisation de consulter un document dans son application source — Salesforce, Google Drive, Confluence, ou l’un des plus de 100 systèmes connectés nativement — ce document n’entre jamais dans la fenêtre de contexte.

Le modèle frontier ne peut pas faire référence à du contenu, le citer ou en déduire quoi que ce soit si l’utilisateur n’est pas autorisé à le voir.

Le filtrage en amont réduit également la consommation de tokens. Les bases de connaissances d’entreprise contiennent des volumes massifs de contenu, et la plupart est sans pertinence pour une requête donnée. En excluant les documents non autorisés et à faible pertinence avant qu’ils n’atteignent le modèle de raisonnement, la couche de planification de recherche maintient la fenêtre de contexte centrée sur des preuves à forte valeur.

Moins de tokens en entrée signifie un coût par requête plus faible et un délai de réponse plus court.

Glean Search applique ce schéma à chaque requête. L’Enterprise Graph fournit la cartographie de l’organisation, le Personal Graph apporte le contexte individuel, et le modèle de planification de recherche utilise les deux pour construire un plan de récupération tenant compte des permissions — le tout avant que le modèle frontier ne commence à raisonner. Le résultat est un système où la gouvernance des données n’est pas un filtre appliqué après coup — elle est intégrée à l’architecture de récupération elle-même.

Ce que cela signifie pour l’avenir de la recherche IA en entreprise et des systèmes agentiques

La séparation de la planification de recherche et du raisonnement profond signale un changement plus large dans la façon dont les organisations déploient l’IA — en s’éloignant des architectures monolithiques basées sur des modèles frontier pour aller vers des systèmes orchestrés de modèles entraînés à des fins spécifiques. Ce changement a des conséquences pratiques sur le coût, la vitesse et la rapidité avec laquelle les entreprises peuvent améliorer leurs capacités IA.

L’itération indépendante est l’un des bénéfices les plus immédiats. Lorsque la planification de recherche et le raisonnement sont des modèles distincts, chacun peut être réentraîné, affiné et mis à jour sans toucher à l’autre. Une amélioration de la planification de la récupération fondée sur de nouveaux schémas de requêtes est livrée en quelques semaines, pas en quelques mois, et les équipes qui travaillent sur la qualité des réponses opèrent sur des cycles de livraison indépendants de celles qui travaillent sur la vitesse de récupération.

Une latence plus faible et un coût par requête plus bas changent aussi qui peut accéder aux assistants IA. Quand chaque requête passe de bout en bout par un modèle frontier, l’économie limite le déploiement à des cas d’usage à forte valeur — analystes, dirigeants, travailleurs du savoir spécialisés. Quand la phase de récupération s’exécute sur un modèle plus petit et plus rapide et que seule la phase de raisonnement utilise la puissance de calcul d’un modèle frontier, le coût par requête baisse suffisamment pour servir des populations plus larges.

Agents IA basés sur cette architecture gèrent des workflows en plusieurs étapes — planification de la recherche à travers les sources de données, collecte de preuves et transmission d’un contexte structuré au modèle de raisonnement — avec une structure de coûts compatible avec un déploiement à l’échelle de toute l’organisation.

La trajectoire de maturité de l’IA en entreprise suit une séquence claire : recherche unifiée à travers des applications cloisonnées, puis assistants conversationnels qui synthétisent des réponses à partir du contexte récupéré, puis agents autonomes qui planifient, récupèrent, raisonnent et agissent à travers les systèmes. Chaque étape bénéficie de la séparation entre la récupération et le raisonnement.

La recherche unifiée nécessite une planification de requêtes rapide et tenant compte des autorisations. Les assistants conversationnels ont besoin d’un raisonnement ancré sur des preuves récupérées. Les agents autonomes ont besoin des deux — plus la capacité d’exécuter des actions et de réfléchir aux résultats.

Gartner prévoit que d’ici 2028, 33% des applications logicielles d’entreprise incluront une IA agentique, contre moins de 1% en 2024. Cette trajectoire s’aligne avec l’enquête 2025 de McKinsey, qui a constaté que 62% des organisations expérimentent déjà des agents IA et que 23% déploient des systèmes agentiques à grande échelle. Cette croissance dépend d’architectures capables de faire évoluer la récupération indépendamment du raisonnement — car la couche de récupération est ce qui relie l’IA à la réalité complexe des données d’entreprise, des autorisations et de la structure organisationnelle.

Questions fréquentes

Quels sont les avantages de séparer la planification de la recherche du raisonnement approfondi ?

Séparer ces fonctions réduit la latence d’environ 50% et la consommation de tokens d’environ 25% pendant la phase de récupération. Cela permet aussi de mettre à jour chaque modèle indépendamment, de sorte que les améliorations de la qualité de recherche ne nécessitent pas de réentraîner le modèle de raisonnement.

Qu’est-ce que le modèle de recherche agentique Waldo ?

Waldo est un modèle de planification de recherche entraîné spécifiquement à cet effet, construit sur NVIDIA Nemotron 3 Nano. Il gère la décomposition des requêtes, la sélection des sources et l’évaluation de la suffisance des preuves, entraîné via une optimisation directe des préférences et de l’apprentissage par renforcement sur des traces de recherche d’entreprise anonymisées.

Comment cette séparation affecte-t-elle les workflows en entreprise ?

Elle rend les assistants et agents IA plus rapides et moins coûteux à exécuter par requête, ce qui permet aux organisations de les déployer auprès de populations d’utilisateurs plus larges. Les workflows complexes en plusieurs étapes — comme la collecte de données depuis plusieurs systèmes pour répondre à une question interfonctionnelle — se terminent plus rapidement, car la phase de récupération s’exécute sur un modèle optimisé plutôt que sur un modèle généraliste.

Cette approche remplace-t-elle les modèles frontier ?

Non. Les modèles frontier gèrent le raisonnement, la synthèse et la génération de réponses, tâches pour lesquelles les modèles de récupération spécialisés ne sont pas conçus. L’architecture attribue à chaque modèle la tâche qu’il exécute le mieux — la planification de la récupération à un modèle compact et rapide, et le raisonnement approfondi à un modèle frontier à grand nombre de paramètres.

Comment cette architecture gère-t-elle les autorisations et la gouvernance des données ?

L’application des autorisations a lieu au niveau de la couche de planification de la recherche, avant que tout contenu n’atteigne le modèle frontier de raisonnement. L’Enterprise Graph et le Personal Graph de Glean vérifient les droits d’accès par rapport aux autorisations de l’utilisateur dans chaque application source, de sorte que le modèle de raisonnement ne voit jamais des documents auxquels l’utilisateur n’est pas autorisé à accéder.

La séparation de la planification de la recherche du raisonnement approfondi est une décision architecturale qui détermine la rapidité, la précision et la rentabilité de votre système d’IA d’entreprise à grande échelle. À mesure que les charges de travail de récupération et de raisonnement augmentent, les organisations qui attribuent chaque tâche au bon modèle bénéficieront d’avantages cumulés en termes de vitesse, de précision et d’adoption.

Demandez une démo pour découvrir comment Glean et l’IA peuvent transformer votre environnement de travail.