Apprentissage par renforcement multi‑agent hiérarchique pour la question‑réponse sur documents industriels enrichie par récupération

Une aide plus intelligente pour des manuels complexes

Des secteurs modernes comme les réseaux électriques et l’industrie manufacturière s’appuient sur des manuels volumineux, des schémas électriques et des tableaux de paramètres pour maintenir les équipements en sécurité. Lorsqu’un opérateur a une question urgente — par exemple pourquoi une alarme se déclenche ou quel interrupteur actionner — la réponse se cache souvent quelque part dans ces documents longs et multi‑formats. Cet article présente un nouveau système d’IA, nommé MARL‑RAGDoc, conçu pour fouiller ces informations emmêlées et fournir des réponses précises et bien étayées plutôt que des conjectures.

Pourquoi l’IA ordinaire se perd dans les vrais manuels

La plupart des systèmes de question‑réponse actuels fonctionnent bien lorsque toutes les informations sont en texte brut, comme dans un article en ligne. Les documents industriels sont très différents : ils mêlent texte, schémas, organigrammes et tableaux répartis sur des dizaines de pages. Selon la question, différentes parties sont pertinentes — les images peuvent être essentielles pour le câblage, tandis que les tableaux importent pour les caractéristiques ou les réglages. Les systèmes existants traitent généralement tous les types de contenu de la même façon, extraient un nombre fixe d’extraits, puis génèrent une réponse. Comme ils ne peuvent pas adapter la confiance accordée à chaque type de contenu ni la profondeur de la recherche en fonction de la question, ils passent souvent à côté de preuves cruciales, récupèrent beaucoup d’éléments non pertinents et parfois « hallucinent » des réponses qui ne sont pas soutenues par les documents.

Une équipe d’assistants IA spécialisés

MARL‑RAGDoc aborde ce problème en considérant la recherche documentaire comme un jeu coopératif joué par plusieurs « agents » d’IA, chacun ayant un rôle différent. D’abord, le système découpe une collection de documents en nombreux petits éléments : blocs de texte, images et tableaux, chacun étiqueté avec sa position sur la page et sa fonction (titre, légende, etc.). Ces éléments sont projetés dans un espace mathématique partagé de sorte que des items liés, même de formats différents, se retrouvent proches. Ensuite, pour une question donnée, le système constitue des listes restreintes de candidats prometteurs par format — par exemple les meilleurs blocs de texte, images et tableaux susceptibles de contenir la réponse.

Un coordinateur qui apprend où regarder

Au cœur de MARL‑RAGDoc se trouve un agent coordinateur de haut niveau qui décide combien d’attention accorder à chaque type de contenu et combien d’étapes de recherche sont nécessaires. Sous ce coordinateur se trouvent trois agents spécialisés, un pour le texte, un pour les images et un pour les tableaux. Ces agents choisissent quels candidats garder, quand regarder le matériel voisin (comme le reste d’une ligne de tableau ou la légende sous une image) et quand arrêter la recherche. De manière cruciale, toutes ces décisions sont apprises par apprentissage par renforcement : les agents reçoivent des récompenses basées à la fois sur la qualité de la récupération des preuves pertinentes et sur la qualité de la réponse finale. Avec le temps, le système apprend des stratégies comme s’appuyer davantage sur les tableaux pour les requêtes numériques ou sur les schémas pour les questions de disposition spatiale.

Des preuves vers des réponses fiables

Une fois que les agents ont rassemblé leurs meilleures preuves, un grand modèle de langage intègre la question avec les textes, images et tableaux sélectionnés, pondérés par leur importance. Il produit alors une réponse et un score de qualité reflétant dans quelle mesure cette réponse paraît complète et bien étayée. Si le score est faible, le système peut déclencher une nouvelle phase de récupération, demandant aux agents de collecter du matériel supplémentaire avant de réessayer. Cette boucle « récupérer‑raisonner‑réfléchir » permet à MARL‑RAGDoc de se corriger lorsque la première tentative est incertaine, réduisant le risque de combler les lacunes par des conjectures non fondées. La même boucle rétroagit aussi pendant l’entraînement, apprenant aux agents quels schémas de récupération conduisent à de bonnes réponses.

Mettre le système à l’épreuve

Les chercheurs ont évalué MARL‑RAGDoc sur trois collections exigeantes de documents multimodaux, comprenant deux benchmarks publics et un nouveau jeu de données du secteur électrique qu’ils ont construit à partir de manuels, de lignes directrices et de rapports techniques réels. Sur ces trois collections, le nouveau système a surpassé une gamme de concurrents robustes, depuis des modèles multimodaux polyvalents jusqu’à des systèmes spécialisés de compréhension documentaire et de génération augmentée par récupération. Il a apporté des améliorations d’environ 5 à 9 points de pourcentage en précision globale et des gains similaires sur des mesures plus strictes exigeant des correspondances exactes et un bon classement initial des réponses correctes. Les bénéfices étaient particulièrement marqués pour les documents très longs et multi‑pages et pour les questions nécessitant de combiner informations issues du texte, des tableaux et des schémas.

Ce que cela signifie pour les opérateurs sur le terrain

Concrètement, MARL‑RAGDoc ressemble à une équipe d’assistants formés qui savent parcourir rapidement de volumineux classeurs techniques, consulter les schémas ou tableaux pertinents pour chaque question et vérifier leur travail avant de répondre. En décidant dynamiquement quelles parties d’un document sont les plus importantes et en apprenant grâce aux retours, il offre des réponses plus précises et mieux justifiées que les approches universelles. Bien que l’étude se concentre sur des documents de réseaux électriques, le même cadre pourrait aider des travailleurs dans de nombreux domaines — des techniciens d’usine au personnel hospitalier — à naviguer rapidement et en toute sécurité dans des manuels complexes.

Citation: Qian, Y., Han, B., Yuan, Y. et al. Hierarchical multi-agent reinforcement learning for retrieval-augmented industrial document question answering. Sci Rep 16, 13512 (2026). https://doi.org/10.1038/s41598-026-41684-z

Mots-clés: QA sur documents industriels, récupération multimodale, agents d’apprentissage par renforcement, génération augmentée par récupération, manuels techniques