Le pattern RAG hybride avec Grok

Combiner toutes les sources d’information

Le RAG hybride — Retrieval-Augmented Generation — est le pattern le plus abouti de l’écosystème Grok. Son principe : cesser de choisir à l’avance où se trouve la réponse. Vos collections internes, la recherche web, la recherche sur X et l’exécution de code sont mises à disposition dans une seule requête, et c’est le modèle qui décide lesquelles solliciter en fonction de la question posée. Vous ne construisez plus de branches conditionnelles ; vous ouvrez des portes.

L’architecture du pattern

Techniquement, tout tient dans la liste tools : vous en déclarez plusieurs, sans indiquer d’ordre ni de condition.

response = await client.responses.create(
    model="grok-4.5",
    input="Compare notre documentation interne avec les bonnes pratiques du marche pour l'authentification API.",
    tools=[
        {
            "type": "collections_search",
            "collection_ids": [collection_id]
        },
        {"type": "web_search"},
        {"type": "x_search"},
        {"type": "code_interpreter"}
    ]
)

Face à cette question, Grok ira vraisemblablement chercher votre documentation dans la collection, lancera une recherche web sur les bonnes pratiques d’authentification, puis rapprochera les deux dans une réponse comparative. Les deux autres outils restent inutilisés : rien dans la question ne réclame l’opinion des utilisateurs de X ni un calcul en Python. Cette sélection est le cœur du pattern, et elle explique pourquoi déclarer un outil de trop ne coûte rien tant qu’il n’est pas pertinent.

Ce que chaque source apporte

collections_search ouvre l’accès à vos bases internes : documentation technique privée, politiques et procédures, contrats et documents juridiques, base de support client. C’est la seule source qui contient ce que le modèle ne peut connaître autrement, votre réalité d’entreprise.

web_search couvre l’espace public. On y trouve ce que vous ne maîtrisez pas et qui bouge : réglementations et normes officielles, documentation technique de vos fournisseurs, actualités, points de comparaison avec le marché. C’est le complément naturel des collections, qui ne vieillissent que quand vous les mettez à jour.

x_search interroge X et donne accès à une matière d’un autre ordre : avis et retours d’expérience en temps réel, tendances technologiques, réactions à une annonce récente, sentiment général du marché. Vous l’activez quand la question porte sur ce que les gens pensent, pas sur ce qui est écrit.

code_interpreter enfin exécute du Python dans un bac à sable. Il sert à calculer sur les données que les autres outils viennent d’extraire, à produire un graphique, à transformer un jeu de données ou à vérifier qu’un extrait de code fonctionne. C’est le seul outil qui produit de l’information nouvelle plutôt que d’en retrouver.

Le déroulé d’une requête hybride

Quand plusieurs outils sont disponibles, l’exécution suit toujours la même trame. Grok commence par analyser la question pour déterminer quelles sources la servent, interroge les collections internes, va chercher à l’extérieur sur le web ou sur X lorsque c’est nécessaire, synthétise ensuite l’ensemble en une réponse cohérente, et attache enfin ses citations. Ces dernières distinguent les références internes, préfixées collections://, des références externes en https:// — vous savez donc en lisant la réponse quelle affirmation vient de vos documents et laquelle vient d’ailleurs.

Trois situations où le pattern s’impose

En veille concurrentielle, une question comme « comment nos concurrents gèrent-ils l’onboarding client ? » mobilise les trois sources documentaires d’un coup : la collection décrit votre propre parcours d’accueil, le web fournit les articles et études sur les pratiques du marché, X apporte les retours bruts d’utilisateurs qui viennent de vivre cet onboarding chez un concurrent.

En conformité, « notre politique de données est-elle conforme au dernier règlement européen ? » suppose de tenir deux textes côte à côte : votre politique actuelle, stockée dans la collection, et le texte réglementaire en vigueur, récupéré sur le web. Aucun des deux ne suffit seul, et c’est exactement le cas où l’approche manuelle devient pénible.

En support technique enfin, « comment résoudre cette erreur de timeout dans notre API ? » croise vos guides de dépannage internes avec les forums, Stack Overflow et la documentation officielle du framework. L’agent obtient en une réponse ce qu’il aurait cherché dans deux onglets et un wiki.

Points clés à retenir

• Le pattern RAG hybride combine collections internes, web, X et code dans une seule requête
• Grok choisit automatiquement les outils pertinents selon la question
• Les quatre outils sont : collections_search, web_search, x_search, code_interpreter
• Les citations distinguent les sources internes (collections://) des sources web (https://)
• Ce pattern est idéal pour les cas nécessitant un croisement de sources internes et externes