Dans cette page
Documentation technique
Comprendre la technologie
Comment REPERES transforme une question en contexte, puis en réponse.
Depuis l'assemblage : contexte → MCP / API → Claude, ChatGPT, Microsoft Copilot, Mistral Vibe, agent métier ou IA locale
Deux plans de connaissance
REPERES combine une doctrine structurée et une bibliothèque documentaire.
La doctrine aide à déterminer quoi chercher, quelles relations examiner, quelles nuances conserver et quels points de vigilance ne pas oublier. La bibliothèque permet de revenir aux textes, décisions, recommandations, rapports et autres documents sur lesquels une réponse peut s'appuyer.
Une réponse utile nécessite les deux : une accumulation de documents ne fournit pas, à elle seule, une méthode pour les mobiliser.
| Doctrine REPERES | Bibliothèque documentaire | |
|---|---|---|
| Contenu | notions, raisonnements, relations, repères, vigilance et actualité | textes, jurisprudence, recommandations, rapports et documentation institutionnelle |
| Organisation actuelle | 16 contextes, 773 sous-thèmes | 5 892 documents, 76 131 passages indexés |
| Fonction | orienter le raisonnement et la recherche | retrouver les sources et les preuves |
| Mise à jour | travail professionnel et veille structurée | ingestion, qualification et réindexation |
Détail technique
La doctrine et le corpus documentaire restent séparés dans leur rôle. Le runtime sélectionne les éléments doctrinaux utiles et les passages documentaires pertinents, puis les réunit dans un contexte propre à la demande. Cette séparation évite de confondre une interprétation professionnelle avec une source primaire.
Comprendre avant de chercher
Avant la recherche documentaire, REPERES qualifie la demande. Il identifie notamment le sujet, le secteur concerné, l'intention, le niveau de profondeur nécessaire et les risques associés à une mauvaise réponse.
Cette étape ne répond pas à la question. Elle décide de la manière dont le système doit travailler.
Détail technique
La qualification produit une sortie structurée utilisée par l'orchestration. Elle distingue plusieurs familles d'intentions et de risques, avec un mécanisme de repli déterministe lorsque le modèle de qualification n'est pas disponible. La qualification actuelle utilise Mistral Small via l'API Mistral.
Une recherche hybride, puis un second classement
Une question n'est pas recherchée d'une seule manière.
REPERES combine une recherche sémantique, capable de retrouver des passages qui parlent de la même idée avec des mots différents, et une recherche lexicale, utile pour les formulations exactes, les références, les sigles ou les articles.
Les deux listes sont fusionnées. Les passages sont ensuite reclassés pour distinguer ce qui ressemble à la question de ce qui est réellement utile pour y répondre.
Détail technique
La recherche vectorielle utilise des embeddings Qwen3-Embedding-8B en 1 536 dimensions, servis par les Generative APIs de Scaleway en France. Le stockage et la recherche reposent sur PostgreSQL et pgvector avec index HNSW. Les résultats vectoriels et lexicaux sont fusionnés par Reciprocal Rank Fusion, puis reclassés par un modèle de langage (Mistral Small) qui répartit les passages en cinq niveaux d'utilité.
sens de la question ────┐
mots et références ─────┼─ fusion RRF ─ reranking ─ passages retenus
Construire un contexte propre à chaque question
La recherche documentaire ne suffit pas. REPERES construit ensuite un paquet de contexte propre à la question : doctrine utile, relations entre thèmes, éventuels contrepoints, actualité pertinente, passages documentaires et informations fournies par l'utilisateur.
Le modèle de génération ne reçoit donc ni toute la bibliothèque ni toute la doctrine. Il reçoit ce qui a été sélectionné pour la situation traitée.
Détail technique
Un planificateur de contexte sélectionne les sections utiles et leurs dépendances, coordonne les résultats documentaires et adapte la profondeur de traitement. Il applique également des règles de cohérence et des budgets de contexte. L'architecture distingue des niveaux logiques de traitement simples ou complexes, qui déterminent notamment le modèle de génération employé pour la réponse.
Générer à partir d'une hiérarchie explicite
Tout ce qui se trouve dans le contexte n'a pas le même statut.
REPERES demande au modèle de partir de la doctrine professionnelle sélectionnée, d'appuyer les affirmations sur les sources documentaires lorsqu'elles existent et de n'utiliser des connaissances générales qu'en dernier recours. Cette hiérarchie aide à distinguer ce qui vient du corpus de ce qui vient du modèle.
Lorsqu'une base documentaire ne permet pas de soutenir suffisamment une conclusion, la réponse doit pouvoir signaler cette limite.
Détail technique
La génération repose sur deux modèles selon la complexité estimée de la demande : Mistral Small pour les demandes simples, et GLM 5.2 — modèle tiers de Z.ai servi via l'API Mistral — pour les demandes complexes. Le modèle est traité comme une dépendance remplaçable : le corpus, la doctrine, la recherche et l'orchestration n'en dépendent pas structurellement. La réponse est diffusée progressivement vers le client par streaming.
- Doctrine REPERES
- Sources documentaires
- Connaissance générale, en dernier recours et avec prudence
Un runtime principal en Rust
Le moteur principal de REPERES est écrit en Rust. Ce choix privilégie la prévisibilité des performances, la maîtrise de la mémoire, la sûreté d'exécution et la capacité à faire fonctionner dans un même service la recherche, l'orchestration et le streaming.
Les opérations d'administration, d'ingestion ou d'actualisation peuvent utiliser d'autres langages. Elles sont séparées du runtime exposé aux utilisateurs.
Détail technique
Le service s'appuie sur un runtime asynchrone Rust, avec Axum pour la couche HTTP, Tokio pour l'exécution asynchrone et un flux SSE pour la restitution progressive. Le cœur applicatif et ses bases sont hébergés sur l'infrastructure Scaleway en France.
Application, MCP et API
REPERES peut produire lui-même une réponse ou fournir seulement le contexte nécessaire à un autre outil.
Dans le second cas, un assistant compatible — Claude, ChatGPT, Microsoft Copilot, Mistral Vibe, un agent métier ou une IA exécutée localement — peut utiliser la connaissance sélectionnée par REPERES tout en conservant sa propre interface et ses propres capacités.
| Mode | Recherche par REPERES | Contexte construit par REPERES | Génération par REPERES | Tarification publique |
|---|---|---|---|---|
| Application REPERES | oui | oui | oui | selon l'accès à l'application |
| MCP connaissance | oui | oui | non | gratuit |
| MCP génération | oui | oui | oui | 2 € / mois / utilisateur |
| API personnalisée | configurable | configurable | configurable | sur devis |
Détail technique
MCP expose un mode de construction de contexte distinct du mode de génération. L'API permet des intégrations plus spécifiques. La page publique décrit les responsabilités de chaque mode, mais ne constitue pas une référence exhaustive des endpoints ou des schémas d'authentification.
La disponibilité de MCP dépend du client, de son offre et, le cas échéant, des politiques de l'administrateur de l'organisation.
Pièces jointes et OCR
Lorsqu'un utilisateur joint un document, REPERES extrait le texte nécessaire au traitement et l'ajoute au contexte de la demande. Si le document ne contient pas de texte directement exploitable, une étape d'OCR peut être mobilisée.
Détail technique
L'OCR actuel repose sur Mistral OCR lorsqu'il est nécessaire. Le document et son texte extrait sont utilisés pour le traitement demandé ; ils ne deviennent pas automatiquement des sources du corpus commun.
Non-conservation et protection des données
REPERES ne constitue pas une base réutilisable des conversations. Les questions, réponses et pièces jointes ne sont pas persistées dans un historique serveur que le service pourrait rappeler spontanément lors d'un échange futur.
La mémoire d'une conversation utilisée dans l'application est gérée côté client et retransmise lorsque le tour courant en a besoin. Des événements techniques ou d'audit sans contenu peuvent être conservés pour faire fonctionner, sécuriser et superviser le service.
Lorsque la protection des données identifiantes est activée, une couche de pseudonymisation intervient avant l'appel au moteur. L'utilisateur peut contrôler le résultat avant de poursuivre. Cette protection réduit l'exposition ; elle ne vaut pas automatiquement anonymisation juridique.
question / document → protection activée → contexte → services → réponse
hors flux de contenu : événements techniques et d'audit sans conversation
Hébergement et dépendances
Le cœur applicatif de REPERES est hébergé en France sur Scaleway. Les dépendances externes sont limitées à des fonctions identifiées et choisies pour un rôle précis.
| Brique | Fournisseur / technologie | Fonction | Statut |
|---|---|---|---|
| Runtime, application et bases | Rust + Scaleway, France | cœur applicatif, orchestration, stockage et streaming | actuel |
| Identité | Logto OSS auto-hébergé | comptes et authentification | actuel |
| Qualification | Mistral Small via Mistral AI | analyse structurée de la demande | actuel |
| Génération | Mistral Small et GLM 5.2 via Mistral AI | rédaction de la réponse selon la complexité | actuel |
| Recherche sémantique | Qwen3-Embedding-8B via Scaleway (France) | embeddings | actuel |
| Reclassement | Mistral Small (reranking par modèle de langage) | reranking | actuel |
| OCR | Mistral OCR | extraction de texte lorsque nécessaire | actuel |
Une doctrine versionnée et actualisée
La doctrine de REPERES est versionnée afin de conserver la trace de son état dans le temps. La version actuellement utilisée constitue la première version de référence.
Chaque nouvelle version pourra être datée, comparée et reconstruite. Les mécanismes d'actualisation sont séparés du runtime public : la production ne réécrit pas spontanément sa propre doctrine.
Des outils internes permettent déjà de préparer et d'appliquer des actualisations. Ils pourront être adaptés pour les projets de personnalisation, sans que leur fonctionnement interne soit publié.
Détail technique
Le versionnement porte sur les artefacts de doctrine et leur compilation. Il permet de rattacher un état de connaissance à une date et de séparer clairement l'édition de la connaissance de son usage en production.
Corpus organisationnels et architectures de déploiement
REPERES ne propose pas encore de corpus organisationnels dans le service public actuel. L'architecture cible des projets personnalisés prévoit une isolation logique stricte entre organisations.
Selon les exigences de sécurité, de gouvernance ou d'intégration, un projet pourra également être étudié dans un environnement dédié ou sous une forme auto-hébergée.
| Option cible | Description | Disponibilité actuelle |
|---|---|---|
| Multi-tenant isolé | service partagé, corpus et droits séparés par organisation | cible |
| Environnement dédié | ressources réservées à un projet ou à une organisation | étude au cas par cas |
| Auto-hébergé | déploiement dans un environnement maîtrisé par le client | étude au cas par cas |
- aucun corpus d'une organisation ne doit être visible par une autre ;
- aucun document organisationnel ne rejoint le corpus commun sans processus explicite ;
- les droits d'accès doivent suivre les périmètres définis par l'organisation ;
- les options dédiée et auto-hébergée ne constituent pas encore des offres standard en libre-service.
Évaluation et limites connues
REPERES évalue séparément la recherche, l'exploitation des sources, la qualité de génération, la gestion de l'incertitude et la robustesse sur des conversations complexes.
Les scénarios doivent inclure des questions centrales, des demandes transversales et des situations situées en bordure du corpus. Une bonne réponse n'est pas seulement complète : elle doit aussi savoir suspendre une conclusion lorsque les sources ne permettent pas de trancher.
Les limites à présenter clairement sont :
- une source peut être absente, ancienne ou ambiguë ;
- le retrieval peut retenir un passage secondaire ou manquer un document ;
- un modèle peut mal interpréter un contexte pourtant pertinent ;
- une réponse générée reste une production probabiliste ;
- une décision professionnelle, juridique ou institutionnelle exige parfois une expertise complémentaire.