RAG, graphe de connaissances et LLM Wiki

Objet de la comparaison

Cette page compare trois façons d’exploiter un corpus :

La comparaison reflète les cadres proposés par SRC-2026-001 et SRC-2026-002. Elle n’est pas un benchmark indépendant.

Comparaison synthétique

DimensionRAGGraphe de connaissancesLLM Wiki
Unité principalefragment retrouvéentité ou relation structuréepage canonique lisible
Moment du travailà chaque requêtelors de la modélisation et de l’alimentationlors de l’intégration, puis des mises à jour
Accumulationlimitée si les réponses ne sont pas conservéesstructurée mais bornée par le schémanative dans les pages maintenues
Références croiséesdépend de la récupération et du contextefortes si les relations sont encodéesfortes si les liens sont entretenus
Contradictionsgénéralement traitées au moment de répondrereprésentables si le modèle les prévoitconsignables dans les pages et questions ouvertes
Mise à jourréindexation du corpusmise à jour des entités, parfois du schémaintégration ciblée des pages affectées
Provenancecitations des fragments retrouvésprovenance au niveau des entités selon l’implémentationsources et empreintes associées aux pages ou affirmations
Sortieréponse généréerequête ou export du graphecontenu humainement consultable et publiable

Source directe — SRC-2026-001, section « Three approaches, one problem » et seconde figure intégrée.

RAG

Le RAG associe une recherche documentaire à la génération d’une réponse. Il est adapté lorsque l’objectif principal est de retrouver rapidement des passages pertinents sans construire préalablement une représentation éditoriale complète.

Les sources insistent sur son absence de mémoire cumulative. SRC-2026-002 l’illustre par l’analogie d’une recherche effectuée sur ses propres données : les fragments sont retrouvés pour répondre, mais la réponse n’enrichit pas nécessairement un état documentaire durable. Cette formulation doit être nuancée : un système RAG peut être complété par une mémoire, un historique ou une couche de synthèse. La différence pertinente porte donc sur l’architecture effectivement mise en œuvre, pas sur l’étiquette seule.

Graphe de connaissances

Un graphe représente des entités et leurs relations dans un schéma explicite. Il facilite les questions structurelles et les contrôles sur des relations typées.

La source le décrit comme coûteux et rigide. Cette appréciation dépend du périmètre, des outils et du degré de formalisation. Un graphe peut aussi soutenir la déduplication et la navigation d’un wiki.

LLM Wiki

Le LLM Wiki privilégie un artefact éditorial persistant : des pages canoniques que les humains peuvent relire et que le modèle peut mettre à jour. Sa force revendiquée est d’accumuler les synthèses et les références croisées au lieu de recomposer tout le raisonnement lors de chaque question.

Cette persistance crée une nouvelle responsabilité : les pages doivent être auditées, dédupliquées et revalidées lorsque leurs sources changent.

Complémentarité possible

Synthèse éditoriale :

Il est donc plus utile de choisir le rôle de chaque composant que de chercher un vainqueur universel.

Erreurs fréquentes

Limites

La source ne fournit ni protocole expérimental, ni coûts comparables, ni mesure de qualité commune. Les qualificatifs de la figure sont donc des positions argumentatives. Une évaluation locale devrait comparer les trois approches sur le même corpus, les mêmes questions et les mêmes critères.

Relations

Sources