Article · IA & agents
Pourquoi un RAG de dépannage doit mémoriser l'état du cas
RAFT remplace la récupération de documents isolés par une recherche dans les étapes d'enquêtes techniques déjà clôturées.
Un ticket est une trajectoire
Une réponse de dépannage dépend rarement d'un seul paragraphe. L'état initial, les symptômes, les vérifications déjà effectuées et les actions qui ont échoué changent la prochaine étape utile. Mingxuan Zhang et ses coauteurs reprochent aux RAG classiques de traiter ces dossiers comme des documents statiques.
RAFT, pour Retrieval-Augmented Framework for Troubleshooting Agents, extrait chaque dossier clôturé sous forme de chaîne d'entrées temporelles. La récupération peut alors viser une étape intermédiaire qui ressemble à l'état actuel, puis restituer la trajectoire du dossier parent autour de ce point.
Récupérer une étape et son contexte
Le système ne cherche pas seulement un titre ou une similarité globale. Il indexe des états et des transitions : symptôme observé, action menée, résultat obtenu et évolution du diagnostic. Un graphe optionnel relie ensuite des cas selon une représentation de similarité configurable.
Cette structure est adaptée à un agent qui pose des questions successives. Elle lui fournit un précédent comparable tout en conservant les étapes nécessaires pour comprendre pourquoi une action avait été tentée. Le traitement des nouveaux dossiers peut rester incrémental : l'ajout ou la correction d'un cas ne demande pas de reconstruire tout le corpus.
Résultats rapportés par les auteurs
Les expériences utilisent un benchmark synthétique construit à partir de documentation Microsoft Learn et un ensemble de tickets Apache Jira portant des liens de doublon audités. Le résumé indique que RAFT améliore le Case Hit par rapport au RAG classique et à des variantes GraphRAG à plusieurs moments de progression du cas. Les résultats Jira sont présentés comme une preuve directionnelle de transfert, avec 30 groupes audités et 570 distracteurs.
Le preprint évalue d'abord la couche de récupération, sans déployer un agent de support complet. Cette séparation rend le mécanisme plus lisible, mais elle ne mesure pas toute la qualité de la résolution finale.
Interprétation éditoriale : indexer les changements, pas seulement les textes
Pour un agent de dépannage, le bon objet de recherche peut être une transition : « après cette vérification, le service reste indisponible ». Un index de paragraphes peut retrouver les bons mots sans retrouver le bon état. Le journal de résolution devrait donc conserver les préconditions, les observations et le résultat de chaque étape.
Cette représentation aide aussi à éviter une recommandation dangereuse. Une action issue d'un cas voisin n'est transférable que si les versions, permissions et symptômes sont compatibles. La récupération doit exposer ces différences à l'agent et au relecteur, au lieu de les cacher derrière une réponse fluide.
Limites et statut de la source
Le benchmark synthétique ne remplace pas les incidents réels et les liens Jira ne constituent pas tous des négatifs certifiés. L'évaluation de la couche de retrieval ne prouve pas qu'un agent complet résoudra mieux les tickets. RAFT est un preprint ArXiv annoncé comme accepté à EMNLP 2026 Industry Track dans le fulltext, mais cette fiche s'appuie sur le preprint et ne vaut pas validation indépendante.
Source
Mingxuan Zhang, Xiaowen Wang, Anupma Sharan, Zhengyi Chen, Chenyu Diana Zhang, Shanshan Yang et Chittibabu Pacharu, « RAFT: A Stateful Retrieval-Augmented Framework for Troubleshooting Agents », ArXiv 2609.20754v1 : résumé et preprint, PDF. Les performances sont celles des jeux et métriques décrits par les auteurs.