Un robot de support est passé de la résolution d'un quart des tickets à la moitié, sans un meilleur modèle

Pinecone, une entreprise qui construit des infrastructures pour les systèmes d’IA, a annoncé le 6 août que son produit de « couche de connaissances », Nexus, était généralement disponible. Le pitch est inhabituel pour l’industrie de l’IA : au lieu de promettre un meilleur modèle, Pinecone promet une meilleure connaissance du modèle que vous possédez déjà, et ses propres résultats de référence soutiennent ce cadre.

Dans un test interne sur τ-Knowledge, une référence ouverte pour les agents d’IA effectuant un travail de type service client, Pinecone a donné à deux modèles OpenAI existants, GPT-5.2 et GPT-5.5, accès à Nexus et les a comparés aux mêmes modèles sans celui-ci. GPT-5.2 a répondu correctement à 12 % de questions supplémentaires tout en réduisant son coût par tâche de 80 % ; GPT-5.5 offrait la même précision à un coût inférieur de 77 %. Les deux modèles nécessitaient environ deux fois moins d’« appels d’outil », c’est-à-dire les recherches individuelles qu’un agent effectue en essayant de trouver une réponse. Pinecone a également géré Nexus derrière son propre agent de support client à partir du 17 juillet : la part des tickets résolus par l’agent lui-même est passée d’environ 25 % à 55 %.

Que se passe-t-il réellement ici : la plupart des agents d’IA gaspillent l’essentiel de leurs efforts à chercher, pas à raisonner. Lorsque vous posez à un agent une question sur les documents internes d’une entreprise, celui-ci doit généralement rechercher, lire des fragments de texte et réassembler le contexte à partir de zéro à chaque demande, un processus appelé génération augmentée par récupération ou RAG. Cette étape de recherche est lente, coûteuse et sujette aux erreurs, en particulier lorsque la bonne réponse dépend de la relation entre deux documents plutôt que de ce qui est écrit dans un seul. Nexus pré-traite (« compile ») les documents d’une entreprise une fois sous une forme structurée et interrogeable, de sorte que l’agent pose une question unique et précise au lieu de parcourir à chaque fois le texte brut. La leçon se généralise au-delà du propre produit de Pinecone : une grande partie de ce qui ressemble à un modèle d’IA peu fiable est en fait le modèle qui reçoit des informations désordonnées et désorganisées avec lesquelles travailler.

Ce que cela signifie pour vous : si vous dirigez une entreprise qui explore les agents d’IA à des fins d’assistance, de recherche ou d’outils internes, il s’agit d’un recadrage utile : avant de supposer que vous avez besoin d’un modèle plus coûteux ou plus performant, vérifiez si le goulot d’étranglement vient réellement de la façon dont vos documents et données existants sont organisés pour que l’agent puisse les rechercher. Pour la plupart des utilisateurs quotidiens, il s’agit d’une infrastructure invisible. Mais si vous avez été frustré par le fait que le chatbot IA d’une entreprise se trompe en toute confiance, c’est à peu près le genre de solution, des connaissances mieux organisées plutôt qu’un modèle plus intelligent, qui sont les plus susceptibles de réellement résoudre le problème.

##Sources

• Nexus GA : ce sont les connaissances, pas les modèles – Pinecone