Le grounding, c’est ce qui transforme un modèle de langage d’une chose qui semble juste en une chose capable de montrer son travail. Une réponse ancrée (grounded) est construite à partir de preuves récupérées au moment de la question, et elle pointe vers les sources utilisées, de sorte qu’un lecteur, ou un autre système, puisse vérifier.
Pour les agents qui agissent sur le web, l’ancrage dans des données en direct n’est pas optionnel. Leurs questions portent sur les prix aujourd’hui, la disponibilité maintenant, et ce qu’une page dit ce matin. Cet article explique ce qu’est le grounding, comment fonctionne une boucle de grounding sur le web en direct, et les endroits où elle se casse sans que personne ne le remarque. L’argumentaire expliquant pourquoi l’infrastructure résidentielle compte pour le grounding est exposé dans pourquoi les LLM ont besoin de proxies résidentiels pour l’ancrage IA.
Ce qu’est le grounding des LLM, et ce qu’il n’est pas
| Approche | D’où vient la connaissance | Fraîcheur | Peut citer des sources |
|---|---|---|---|
| Connaissance du modèle seule | Données d’entraînement, figées dans les poids | Aussi ancienne que la date limite d’entraînement | Non |
| Fine-tuning | Nouvelles données entraînées dans les poids | Aussi ancienne que le dernier entraînement | Non |
| Récupération sur un index privé | Documents indexés à l’avance | Aussi fraîche que la dernière indexation | Oui |
| Grounding sur le web en direct | Pages recherchées et récupérées au moment de la réponse | Actuelle | Oui |
Le grounding est la pratique consistant à contraindre la réponse à des preuves récupérées et à les citer. La récupération sur vos propres documents et le grounding sur le web en direct sont tous deux valables. Ce qui distingue le grounding sur le web en direct, c’est que la preuve est récupérée au moment où la question est posée, ce dont les agents ont besoin pour tout ce qui est sensible au temps, local ou en dehors de leurs données d’entraînement.
La boucle de grounding
Une boucle de grounding sur le web en direct pour un agent comporte généralement sept étapes.
- Planifier la requête. Transformer la demande de l’utilisateur en une ou plusieurs requêtes de recherche, en incluant le marché et la langue que la réponse doit refléter.
- Rechercher. Obtenir des sources candidates auprès d’un moteur de recherche.
- Sélectionner. Choisir quels résultats lire, en privilégiant les sources primaires et faisant autorité.
- Récupérer. Récupérer les pages.
- Extraire. Extraire les passages pertinents de chaque page.
- Répondre avec citations. Générer la réponse à partir des passages, en citant chaque affirmation.
- Vérifier. Vérifier que chaque affirmation est effectivement étayée par le passage qu’elle cite.
Chaque étape a un budget de latence. La recherche et la récupération dominent, et récupérer plusieurs sources en parallèle est généralement ce qui maintient un agent réactif.
Là où le grounding se casse
La plupart des échecs de grounding ne produisent pas d’erreurs. Ils produisent des réponses confiantes construites sur de mauvaises preuves.
Récupérations bloquées ou contestées. Une récupération qui renvoie une page de défi ou une coquille vide ne donne rien au modèle avec quoi travailler, et un modèle auquel on ne donne rien a tendance à combler le vide à partir de sa mémoire. La solution consiste à rendre les échecs de récupération explicites : transmettre au modèle un « cette source n’a pas pu être récupérée » clair plutôt qu’un contexte vide, et préférer répondre avec moins de sources plutôt que répondre à partir de sources inventées.
Mauvais marché ou mauvaise langue. Une page récupérée depuis le mauvais pays peut afficher des prix, une disponibilité ou même des produits différents. Si l’agent répond pour un utilisateur à Madrid, la preuve devrait refléter Madrid. Faire correspondre les signaux de langue et de fuseau horaire à la sortie compte également ; voir faire correspondre géo, fuseau horaire et locale du proxy.
Caches obsolètes. La mise en cache des pages récupérées fait gagner du temps et de l’argent, et un cache qui survit à la fraîcheur dont la question a besoin renvoie discrètement les faits d’hier. Fixer les durées de vie du cache selon le type de requête, courtes pour les prix et l’actualité, longues pour les documents de référence.
Contenu qui n’existe qu’après rendu. De nombreuses pages chargent leurs données avec JavaScript. Une récupération simple renvoie le cadre sans les faits ; voir quand vous avez besoin d’une API de web scraping.
Instructions cachées dans les pages récupérées. C’est l’échec de sécurité propre aux agents. Une page web peut contenir un texte rédigé pour ressembler à des instructions destinées au modèle. Un agent qui traite le contenu récupéré comme des instructions peut être orienté vers une fuite de données ou une action que son utilisateur n’a jamais demandée. Traiter chaque page récupérée comme une donnée non fiable, jamais comme des commandes : garder le texte récupéré clairement séparé des instructions de l’agent, restreindre les outils que l’agent peut appeler en fonction du contenu récupéré, et exiger une confirmation pour les actions à conséquences.
Dérive de citation. Une page citée peut changer après que la réponse a été donnée. Conserver un instantané ou un hash du passage cité, afin que la citation reste vérifiable.
Où se situent les proxies et les API dans la boucle
Deux étapes de la boucle touchent le web ouvert : la recherche et la récupération.
La recherche est généralement mieux gérée par une API SERP, qui renvoie des résultats structurés pour un emplacement et un appareil donnés sans que l’agent ait à naviguer sur un moteur de recherche. Le raisonnement se trouve dans pourquoi les agents IA ont besoin d’API SERP en temps réel.
La récupération est l’endroit où l’infrastructure proxy compte. Les agents récupèrent des données depuis de nombreux sites sans rapport entre eux, sur de nombreux marchés, souvent en parallèle, et les sites qui comptent le plus ont tendance à être ceux qui sont défendus. Les sorties résidentielles sur le marché de l’utilisateur renvoient la page qu’un utilisateur local verrait. Avec la passerelle Shifter, le marché et la session sont définis dans les identifiants face à p.shifter.io:443 :
customer-USERNAME-country-es-city-madrid:PASSWORD
customer-USERNAME-country-es-city-madrid-sid-task-5521-ttl-600:PASSWORDLa première ligne fait tourner la sortie à chaque requête, ce qui convient à la récupération de plusieurs sources indépendantes en parallèle. La seconde conserve une sortie pendant dix minutes, ce qui convient à une tâche multi-pages sur un seul site où la cohérence importe. Le compromis est détaillé dans proxies résidentiels statiques vs rotatifs.
Pour les pages rendues, une API de web scraping gère le navigateur, les nouvelles tentatives et l’extraction en une seule requête, et ne facture que les réponses réussies. La vue produit de l’infrastructure d’agents se trouve sur la page proxies pour agents IA, et les critères de choix d’un fournisseur figurent dans meilleurs proxies pour les agents IA qui naviguent sur le web.
Fraîcheur, coût et latence
Chaque réponse ancrée coûte un certain nombre de recherches plus un certain nombre de récupérations, et chacune ajoute de la latence. Trois pratiques permettent de garder les deux sous contrôle.
- Récupérer en parallèle et s’arrêter tôt une fois qu’un nombre suffisant de sources indépendantes concordent.
- Mettre en cache par type de question, avec des durées de vie qui correspondent à la vitesse à laquelle les faits sous-jacents changent.
- Privilégier les sources primaires. Une page faisant autorité vaut plusieurs pages qui la résument.
Évaluer un agent ancré
Mesurer le grounding directement, pas seulement la qualité de la réponse.
| Métrique | Ce qu’elle mesure |
|---|---|
| Groundedness | Part des affirmations étayées par le passage qu’elles citent |
| Précision des citations | Si la page citée contient effectivement l’affirmation |
| Fraîcheur | Quelle était la récence de la preuve pour les questions sensibles au temps |
| Taux d’échec de récupération | Fréquence à laquelle la preuve n’a pas pu être récupérée, par site et par marché |
| Taux de réponses non étayées | Fréquence à laquelle l’agent a répondu malgré l’absence de preuve |
Construire un ensemble de test de questions sensibles au temps et spécifiques à un marché dont les réponses changent, et le relancer selon un calendrier. Un agent ancré qui réussit aujourd’hui peut échouer le mois prochain parce qu’une source a changé son balisage.
Rester du bon côté
Les agents naviguent au nom de personnes, et devraient se comporter en conséquence : respecter les conditions d’utilisation des sites et les règles des robots, maintenir des taux de requêtes proportionnés, ne pas contourner les connexions ou les paywalls, et conserver un enregistrement de ce qui a été récupéré et quand. Le cadrage plus large se trouve dans proxies résidentiels éthiques pour la collecte de données IA.
FAQ
Le grounding est-il la même chose que la génération augmentée par récupération ?
La génération augmentée par récupération est une manière de faire du grounding. Le grounding est la pratique plus large consistant à lier les réponses à des preuves récupérées et citables, que ce soit à partir d’un index privé ou du web en direct.
Les agents ont-ils besoin de proxies pour s’ancrer sur des données du web en direct ?
À faible volume, peut-être pas. À grande échelle, sur de nombreux sites et marchés, les récupérations depuis une seule adresse sont limitées ou bloquées, et les récupérations bloquées sont l’échec de grounding silencieux le plus courant.
Comment protéger un agent des instructions cachées dans les pages web ?
Traiter le contenu récupéré comme une donnée non fiable, le garder séparé des instructions de l’agent, limiter les outils que le contenu récupéré peut déclencher, et exiger une confirmation pour les actions à conséquences.
L’agent devrait-il naviguer directement sur les moteurs de recherche ?
Une API SERP est généralement plus rapide, moins coûteuse et plus fiable pour l’étape de recherche. La navigation est mieux réservée à la récupération des pages que la recherche renvoie.
En résumé
Le grounding rend les réponses d’un agent vérifiables en les construisant à partir de preuves récupérées au moment de la question et en les citant. La boucle est simple : planifier, rechercher, sélectionner, récupérer, extraire, répondre, vérifier. Les échecs sont silencieux : récupérations bloquées comblées par la mémoire, pages du mauvais marché, caches obsolètes, contenu non rendu, instructions cachées et citations qui dérivent.
Rendre les échecs de récupération explicites, récupérer depuis le marché de l’utilisateur, mettre en cache par type de question, traiter le texte récupéré comme non fiable, et mesurer le grounding directement. Pour savoir en quoi les données d’entraînement diffèrent des données de grounding, voir comment construire des ensembles de données d’entraînement à grande échelle à partir du web ouvert.