Recherche
Un agent fiable commence par un graphe.
Nos graphes viennent d’un travail de recherche mené avec Lemon Learning et publié à ICMLC 2026.
Le papier
Building Specialized Software-Assistant ChatBot with Graph-Based Retrieval-Augmented Generation
Mohammed Hilel, Yannis Karmim, Jean de Bodinat, Reda Sarehane, Antoine Gillon
Le contexte
Guider un utilisateur dans un logiciel complexe.
Les plateformes d’adoption digitale aident les salariés à se servir de logiciels d’entreprise complexes : CRM, ERP, SIRH. Lemon Learning a montré qu’un guidage bien fait réduit le coût de formation et accélère la prise en main. Mais écrire et maintenir ces guides reste un travail manuel, écran par écran.
Le problème
Le modèle invente
Sans une compréhension structurée du logiciel visé, un grand modèle de langage répond avec aplomb, et parfois à côté.
On ne peut pas le réentraîner
Les modèles de production sont des API fermées : pas d’accès aux poids, donc pas d’ajustement fin possible.
Le logiciel change
Chaque version déplace des écrans et des champs. Un guide écrit à la main vieillit au rythme des mises à jour.
La méthode
Transformer l’application en graphe d’états et d’actions.
- 01
Extraire
L’application web est parcourue et ses interfaces sont extraites : écrans, champs, boutons.
- 02
Structurer
Chaque écran devient un état, chaque geste une action. Le logiciel entier devient un graphe de connaissances.
- 03
Retrouver
À chaque question, l’agent va chercher dans le graphe le chemin qui y répond, au lieu de deviner.
- 04
Répondre, ancré
Le modèle génère sa réponse à partir de ce chemin : contextualisée, vérifiable, sans invention.
En production
Ce n’est pas resté un papier.
Le cadre a été intégré dans les parcours de guidage de Lemon Learning. Le papier détaille la chaîne d’ingénierie, la conception de la recherche dans le graphe et les leçons tirées du déploiement : passage à l’échelle, robustesse, cas industriels.
Et dans nos agents
C’est la même idée qui structure chaque agent Rakam : un workflow graph, des étapes nommées, des cas sensibles qui passent à un humain. Un agent prévisible, donc testable.
En préparation
Deux autres papiers.
Les workflow graphs
Comment un graphe de travail rend un agent prévisible et mesurable.
L’IA éthique
Supervision humaine, traçabilité et droits de l’utilisateur dans un agent qui agit.
Voir ce graphe sur votre logiciel.
