Blog

Recherche documentaire multilingue

L’IA retrouve-t-elle le bon document quand on change de langue ?

En anglais, la première notice indique qu’il faut contrôler le filtre toutes les 400 heures. Posez la question en français et la première notice indique 250 heures. Même pompe, mêmes documents. Que faut-il inscrire sur le bon de travail ?

Digitrans · · 8 min de lecture

Une pompe industrielle à côté de manuels d’atelier illustrés.

Illustration éditoriale générée par IA.

Dans cet article

Le premier résultat en anglais semblait fiable. Il indiquait la bonne pompe, le bon contrôle et un intervalle précis : 400 heures de fonctionnement. La notice allemande indiquait pourtant 250 heures. Une phrase expliquait pourquoi : elle remplaçait la fiche anglaise. Suivre l’ancien document aurait retardé le contrôle de 150 heures.

La situation parle à beaucoup d’entreprises luxembourgeoises. Les collègues posent leurs questions dans plusieurs langues et les fournisseurs livrent leurs notices, contrats ou procédures dans d’autres. Un assistant IA doit retrouver le bon document, déterminer quelle version s’applique et en lire correctement le contenu.

Cette approche s’appelle le RAG, pour génération augmentée par la recherche. L’assistant recherche dans les documents de l’entreprise et utilise les passages trouvés pour répondre. Dans un système multilingue, il doit établir ce lien même lorsque la question et la source sont rédigées dans des langues différentes.

Pour mettre ces capacités à l’épreuve, nous avons imaginé un atelier, rédigé huit documents et posé six questions en français, allemand, anglais et luxembourgeois. Un meilleur classement des documents a aidé la recherche. Les réponses ont aussi révélé un autre problème, lié aux tableaux. Vous pouvez suivre l’essai et télécharger les documents, questions et résultats.

Une pompe, deux notices et une décision

La pompe P-17 de notre atelier possède une ancienne fiche anglaise et une nouvelle fiche allemande, reproduite ci-dessous. La phrase au-dessus du tableau précise qu’elle remplace la fiche anglaise. La première ligne indique l’intervalle de contrôle du filtre d’aspiration. La suivante concerne le carter de la pompe et décrit un autre contrôle.

Fiche allemande indiquant un contrôle visuel toutes les 250 heures de fonctionnement.

La fiche allemande en vigueur dans notre essai indique qu’elle remplace la fiche anglaise.

Voir en grand format

Dans la recherche initiale, la question en anglais a placé l’ancienne fiche en tête avec les trois méthodes testées. La fiche allemande arrivait en deuxième position. En français, en allemand et en luxembourgeois, deux méthodes, dont la fonction de classement de DigiRAG, ont placé la fiche actuelle en tête. Une même collection peut donc donner un ordre différent selon la langue de la question.

L’assistant avait toutefois accès aux trois premières pages. Dans notre essai de réponse séparé, le modèle local Qwen3.5-4B a repéré la consigne allemande en vigueur et répondu 250 heures dans les quatre langues. Il fallait trouver la bonne page, puis comprendre ce qu’elle disait.

Le contenu de notre essai

Les documents comprennent des notices de maintenance, des consignes de livraison, une fiche d’outillage, une procédure qualité et une fiche de stock. Nous avons demandé l’intervalle de la pompe, le portail de livraison après 16 h, le rangement d’un calibre, la personne autorisée à libérer un lot bloqué et le stock minimal d’un joint. Une sixième question porte sur la garantie de la pompe, absente des documents. L’assistant doit alors signaler le manque.

Chaque question a été posée dans les quatre langues, soit 24 recherches. Pour les cinq questions dont la réponse figure dans les documents, nous avons vérifié si la bonne page arrivait en tête ou parmi les trois premières. Cela donne 20 recherches à noter. Les quatre questions sur la garantie ont été évaluées à part.

Nous avons comparé trois méthodes. BM25 cherche les mots communs à la question et au document. Le modèle multilingue E5-small rapproche leur sens. La troisième méthode combine les deux avec la fonction de classement hybride de DigiRAG, exécutée hors ligne avec 30 % de poids pour les mots et 70 % pour le sens.

La bonne source dans les recherches initiales
MéthodeEn têteDans les trois premières
Mots communs (BM25)10 / 2015 / 20
Recherche par le sens (E5-small)15 / 2017 / 20
Classement combiné de DigiRAG12 / 2019 / 20

Dans cette petite collection, E5 a plus souvent placé la bonne page en tête. La méthode combinée l’a plus souvent incluse parmi les trois pages présentées à l’assistant. Ces résultats ne garantissent pas que sa réponse sera correcte.

Le calibre à remettre « à sa place habituelle »

Une autre question demandait où ranger un calibre intact. La fiche en luxembourgeois indiquait l’armoire B2, tiroir 4. Posée en anglais, la question plaçait cette fiche en sixième position, hors des trois pages transmises au modèle. Celui-ci a répondu que les pages fournies ne précisaient pas l’emplacement.

En luxembourgeois, la bonne fiche arrivait en tête. Le modèle l’a citée, mais a simplement répondu de remettre le calibre à sa place habituelle. Un nouveau collègue chercherait encore l’armoire. En français, la réponse donnait bien B2 et le tiroir 4. Il fallait d’abord retrouver la fiche, puis en extraire le détail utile.

Deux changements qui ont aidé la recherche

Nous avons d’abord exclu la notice périmée des recherches sur les travaux actuels, tout en la conservant aux archives. Elle reste utile pour comprendre un entretien passé. Nous avons ensuite ajouté, dans les quatre langues, une courte description de chaque document au texte utilisé pour la recherche. Celle de la fiche d’outillage mentionnait le rangement des outils et le retour des calibres, sans donner le numéro de l’armoire ni la réponse.

La bonne page en tête après chaque changement
Documents recherchésQuestions initialesQuestions reformulées
Les huit fiches12 / 209 / 20
Les sept fiches en vigueur13 / 2011 / 20
Fiches en vigueur avec descriptions multilingues18 / 2014 / 20

Pour la question anglaise sur le calibre, la fiche est passée de la sixième à la cinquième place après retrait de l’ancienne notice, puis à la première après ajout des descriptions. Pour les 20 recherches initiales avec réponse, la bonne page figurait toujours parmi les trois premières après ces deux changements.

Nous avons aussi reformulé les mêmes questions. La bonne page figurait parmi les trois premières 18 fois sur 20, contre 16 auparavant. Une question française sur une palette bloquée a toutefois régressé : la consigne qualité est passée de la troisième à la quatrième place. D’où l’intérêt de tester plusieurs formulations, notamment celles utilisées au quotidien par les équipes.

Trouver la page ne suffit pas toujours à lire le tableau

Le meilleur classement n’a pas automatiquement amélioré les réponses. Avant réglage, le modèle fournissait 17 réponses complètes avec la bonne source sur 20. Après, il en fournissait 16. Dans les deux cas, il signalait correctement l’absence de garantie dans les quatre langues. Après réglage, il citait la bonne fiche du calibre dans les quatre langues, sans donner l’emplacement complet.

Nous avons examiné le texte du tableau transmis au modèle. Les cellules se présentaient à la suite les unes des autres. Nous avons modifié leur présentation pour garder chaque valeur à côté de son en-tête d’origine. La ligne du calibre associait ainsi l’outil à « Schaf B2, Tirang 4 ». Le même traitement s’appliquait aux autres lignes, dont celle du calibre de réserve dans le tiroir 1.

Nous avons reposé uniquement les quatre questions sur le calibre, avec le même modèle, les mêmes instructions et les trois mêmes pages pour chaque question. Les quatre réponses donnaient désormais l’armoire B2 et le tiroir 4 avec la bonne source. Ce petit essai montre qu’une page bien retrouvée peut encore nécessiter une meilleure extraction du tableau.

Essayez avec vos propres documents

  1. Choisissez une petite collection et déterminez quelles versions sont en vigueur. Conservez les anciennes pour les recherches historiques, avec leur statut clairement indiqué.
  2. Rédigez des questions dans les langues utilisées par vos collègues. Prévoyez une question sans réponse et une autre qui pourrait renvoyer vers un document périmé.
  3. Avant l’essai, faites noter la réponse et la source attendues par une personne qui connaît les documents. Gardez ce corrigé hors de la collection recherchée.
  4. Vérifiez les pages retrouvées et les réponses. Ouvrez chaque source citée et contrôlez la ligne, la date et la version.
  5. Si un document manque, améliorez sa description ou examinez les réglages de recherche. Si la bonne page est présente mais la réponse erronée, vérifiez l’extraction du texte et des tableaux. Reposez les mêmes questions après chaque changement.

Dans DigiRAG, un administrateur peut organiser les documents en jeux de données, gérer leur statut et utiliser des filtres de métadonnées vérifiées. Une description multilingue aide si la recherche l’utilise effectivement. Les guides expliquent les jeux de données et le périmètre de recherche.

Pourquoi le sujet compte au Luxembourg

Au recensement de 2021, 69,2 % des actifs résidents déclaraient utiliser le français au travail. Une question en français peut pourtant dépendre d’une notice allemande ou d’une instruction en luxembourgeois. Étude du STATEC sur l’emploi.

Les chercheurs de LëtzCross ont eux aussi étudié la recherche multilingue dans des pages PDF en luxembourgeois. Leur comparaison entre recherche sur images et sur texte est distincte de notre essai. Elle invite à poser une question simple en démonstration : l’assistant retrouve-t-il la bonne version et montre-t-il le bon passage lorsque vos collègues formulent la question à leur manière ?

Notre essai a utilisé isolément la fonction de classement de DigiRAG, des représentations multilingues E5 calculées sur processeur et un modèle local Qwen3.5-4B distinct pour les réponses. Il ne s’agissait ni d’un déploiement DigiRAG complet ni d’un test de modèle de reclassement dédié. La collection étant petite, ces résultats servent à préparer un pilote, pas à prédire toutes les situations. Découvrir DigiRAG.

Produit lié

DigiRAG

Créez des agents en langage courant, interrogez vos sources et traitez e-mails, tâches et documents dans une plateforme dédiée.

Découvrir le conseil et la mise en œuvre de l’IA ↗Voir la page produit