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

Glean dissocie la planification de 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, alors que la plupart des systèmes aujourd’hui les traitent comme une seule et même tâche.

La 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 prend en charge à la fois le travail mécanique d’acheminement des requêtes et le travail intellectuel de synthèse des réponses, les organisations paient des tarifs de modèles de pointe pour des tâches qui n’exigent 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 comment les architectures de récupération IA vont évoluer.

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

La planification de recherche est le processus structuré et mécanique qui consiste à déterminer quelles sources de données interroger, quels appels d’outils effectuer et à quel moment suffisamment de preuves ont été réunies. 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, établit des inférences à travers plusieurs sources, résout les contradictions et produit une réponse étayée 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 dessein peut exécuter la même étape de récupération en environ 250 millisecondes. La plupart des systèmes d’IA en entreprise aujourd’hui utilisent un seul modèle de pointe pour les deux tâches, ce qui signifie que les organisations paient des tarifs de 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 — dissocie 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 recherche du raisonnement approfondi améliore l’efficacité de l’IA en entreprise

Le calcul des coûts change quand on raisonne 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 de dépense, pas un simple arrondi.

Un modèle spécialisé plus petit, post-entraîné pour les décisions d’usage d’outils, casse ce schéma. Au lieu d’acheminer chaque étape de récupération via le même modèle à grand nombre de paramètres qui gère la synthèse, le modèle de planification de recherche exécute la boucle de récupération de façon autonome — une approche cohérente avec la manière dont le RAG agentique 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 étayé avant 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 — l’inférence en plusieurs étapes, la résolution de contradictions et la génération de citations qui exigent réellement les capacités d’un grand modèle. La phase de planification de recherche, prise en charge par un modèle entraîné à dessein et 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 considérer 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 les 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 par Clarifai a constaté que les petits modèles de langage peuvent offrir une inférence 10 à 30× moins chère que les grands modèles, les entreprises utilisant des modèles plus petits pour 80% de leurs appels d’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 consacré à 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 exceller dans une seule tâche : décider quoi rechercher, où rechercher et quand arrêter de rechercher. 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 des recherches dans des environnements de production. Ces traces ont capturé 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 requête. Lorsqu’un utilisateur pose une question via Glean Assistant, Waldo évalue la requête et planifie l’utilisation des outils sur trois surfaces de récupération : la recherche interne (documents, messages, bases de connaissances), la recherche d’employés (annuaires 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 de la part d’un modèle généraliste. Il reconnaît quelles combinaisons de connecteurs ont tendance à produire des preuves suffisantes pour des types de requêtes spécifiques et route en conséquence, réduisant les cycles de récupération sans sacrifier le rappel.

Le point de passage est explicite. Une fois que Waldo détermine que des preuves suffisamment ancrées existent, il empaquette le contexte récupéré — avec l’attribution des sources et les métadonnées d’autorisation intactes — et le transmet au modèle frontier.

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

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 traite-t-elle dans les workflows d’entreprise ?

La séparation de la planification de la recherche répond à quatre problèmes cumulés qui érodent l’adoption de l’IA en entreprise : la latence, le coût, la précision et la gouvernance. Comprendre toute l’étendue du raisonnement agentique 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 la baisse de qualité des données sape la confiance dans le système.

La latence augmente à chaque étape de récupération. Les travailleurs du savoir s’attendent à des réponses quasi instantanées de la part des outils de recherche. Lorsqu’un système agentique boucle 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 pousse les utilisateurs à revenir à la recherche manuelle ou aux connaissances tribales, 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 en moins d’une seconde, maintenant les temps de réponse totaux dans la fenêtre où les utilisateurs restent engagés.

Les coûts en 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 sur une tâche qui ne requiert pas une intelligence de niveau frontier. À travers des 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 récupère ce budget pour l’étape de synthèse, où la qualité du modèle frontier affecte 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 recherche et la génération de réponses, il peut commencer à synthétiser des réponses avant que des preuves suffisantes ne soient récupérées. Le modèle génère des réponses plausibles ancrées dans un contexte partiel plutôt que d’attendre des preuves complètes.

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

Cette frontière empêche une synthèse prématurée.

Un modèle plus étroit est plus facile à gouverner. Un modèle de planification de recherche entraîné à dessein 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 des anomalies dans l’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-ils des modèles frontier généralistes ?

Les modèles de récupération spécialisés 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 résume à l’architecture, aux objectifs d’entraînement et à l’endroit où chaque type de modèle apporte le plus de valeur par euro de calcul.

Architecture et entraînement

Les modèles de récupération spécialisés 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 ciblée sur trois capacités spécifiques : la planification de l’utilisation des outils, la sélection des sources et le jugement de 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 trajectoire différente. Ils sont entraînés sur de vastes corpus couvrant le raisonnement général, la génération créative, la synthèse de code et des connaissances multi-domaines. Cette ampleur les rend efficaces pour synthétiser des réponses complexes, mais inefficaces lors d’une récupération mécanique — le modèle embarque des capacités qu’il n’utilise jamais lorsque la tâche consiste simplement à décider lesquels des 100+ connecteurs de données interroger.

Compromis de performance

La différence de vitesse est significative : un modèle de récupération spécialisé accomplit des tâches de planification de recherche environ 10 fois plus vite par appel qu’un modèle de raisonnement frontier. 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 des 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 de tout faire, une architecture « system-of-models » assigne à chaque modèle 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 un contexte compressé et filtré par permissions au modèle frontier 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 une seule invite.

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

La couche de planification de recherche ne fonctionne pas en vase clos : elle interroge l’Enterprise Graph, une carte structurée des personnes, des contenus, des relations et des interactions à travers l’organisation, afin de décider quelles sources sont les plus pertinentes pour une question donnée. Comprendre comment fonctionnent les graphes de connaissance 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 des documents et ses droits d’accès. Lorsqu’un commercial demande des informations sur le « chiffre d’affaires T1 », le modèle de planification de recherche priorise les tableaux de bord CRM, les synthèses récentes des transactions et les prévisions partagées par l’équipe.

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

L’application des permissions se fait en amont du modèle frontier. Avant qu’un 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 la permission de consulter un document dans son application source — Salesforce, Google Drive, Confluence, ou l’un des 100+ systèmes connectés nativement — ce document n’entre jamais dans la fenêtre de contexte.

Le modèle frontier ne peut pas faire référence à, citer ou déduire des informations à partir d’un contenu que l’utilisateur n’est pas autorisé à voir.

Le filtrage en amont réduit également la consommation de tokens. Les bases de connaissance d’entreprise contiennent des volumes massifs de contenu, et la plupart est sans rapport avec 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 focalisée sur des preuves à forte valeur.

Moins de tokens en entrée signifie un coût par requête plus faible et un temps de réponse plus rapide.

Glean Search applique ce schéma à chaque requête. L’Enterprise Graph fournit la carte organisationnelle, 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 approfondi signale une évolution plus large de la façon dont les organisations déploient l’IA — en s’éloignant des architectures monolithiques centrées sur un modèle frontier, pour aller vers des systèmes orchestrés de modèles entraînés à des fins spécifiques. Ce changement a des conséquences concrètes sur le coût, la vitesse, et la rapidité avec laquelle les entreprises peuvent améliorer leurs capacités d’IA.

L’itération indépendante est l’un des bénéfices les plus immédiats. Lorsque la planification de recherche et le raisonnement sont portés par des modèles distincts, chacun peut être réentraîné, ajusté (fine-tuned) et mis à jour sans toucher à l’autre. Une amélioration de la planification de récupération fondée sur de nouveaux patterns 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 publication indépendants de celles qui travaillent sur la vitesse de récupération.

Une latence plus faible et un coût par requête plus bas changent aussi qui a accès aux assistants IA. Quand chaque requête passe de bout en bout par un modèle frontier, l’économie limite le déploiement aux cas d’usage à forte valeur — analystes, dirigeants, experts métiers. 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 du modèle frontier, le coût par requête baisse suffisamment pour servir des populations plus larges.

Les agents IA construits sur cette architecture gèrent des workflows multi-étapes — planifier la récupération à travers des sources de données, rassembler des preuves et transmettre un contexte structuré au modèle de raisonnement — avec une structure de coûts qui permet un déploiement à l’échelle de toute l’organisation.

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

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

Gartner prévoit que d’ici 2028, 33 % des applications logicielles d’entreprise intégreront une IA agentique, contre moins de 1 % en 2024. Cette trajectoire s’aligne avec l’enquête 2025 de McKinsey, qui a révélé que 62 % des organisations expérimentent déjà des agents d’IA et que 23 % déploient à l’échelle des systèmes agentiques. Cette croissance repose sur des architectures qui permettent de faire évoluer la récupération indépendamment du raisonnement — car la couche de récupération est celle 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 de manière indépendante, 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, construit sur NVIDIA Nemotron 3 Nano. Il gère la décomposition des requêtes, la sélection des sources et l’évaluation de la suffisance des preuves, et a été entraîné via l’optimisation directe des préférences et l’apprentissage par renforcement à partir de traces de recherche en entreprise anonymisées.

Quel est l’impact de cette séparation sur les workflows en entreprise ?

Elle rend les assistants et agents d’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 rassembler des données issues de plusieurs systèmes pour répondre à une question interfonctionnelle — se terminent en moins de temps, 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 pour lesquels 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 se fait au niveau de la couche de planification de la recherche, avant qu’un quelconque contenu n’atteigne le modèle de raisonnement frontier. 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 et du raisonnement approfondi est une décision d’architecture qui détermine la rapidité, la précision et la rentabilité de votre système d’IA en 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 constateront des 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.