Collecter les données d’un document en deux passes : couvrir les champs puis résoudre les manques

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 31 octobre 2026.

En bref

La collecte en deux passes consiste à chercher les informations attendues, puis à reprendre les manques et les contradictions repérés lors du contrôle. Pour une direction métier, l’enjeu est de décider quand le dossier permet de commencer la rédaction. Un manifeste, c’est-à-dire une liste structurée des données attendues et de leur état, matérialise cette décision. L’annexe de la prépublication de Gibert, Despujols et Rochet déposée sur arXiv le 30 septembre 2026 décrit cet enchaînement. Nous proposons ici une méthode pour construire ce manifeste et fixer sa clôture. Chaque limite acceptée accompagne les données remises au rédacteur.

1. Que contient le manifeste avant la première recherche ?

Le manifeste décrit la question à résoudre pour chaque donnée, son périmètre et la pièce attendue pour l’étayer. Il désigne le registre de travail commun à la collecte et à son contrôle. Dans la méthode proposée par TW3, sa structure est préparée avant de lancer la recherche ; les observations restent vides jusqu’à l’ouverture des sources.

La documentation Object de JSON Schema, sans date de publication indiquée, précise qu’une propriété déclarée reste facultative par défaut. Le mot-clé required permet d’exiger sa présence. Cette distinction aide à formaliser le manifeste : prévoir un emplacement et rendre sa présence obligatoire sont des décisions différentes.

Pour chaque champ métier, prévoir les rubriques suivantes. Ce tableau constitue une proposition de structure, sans donnée de démonstration.

Séparer l’obligation de présence du champ de l’obligation de disposer d’une valeur. Un champ indispensable au suivi doit rester visible lorsqu’une recherche échoue. L’entrée peut ainsi exister avec un état explicite de manque, tandis que l’observation demeure vide. Fixer aussi qui peut accepter ce manque avant la remise du dossier : cette responsabilité appartient au cadrage métier.

2. Que produit la première passe ?

Dans la méthode proposée, la première passe examine les champs attendus et rassemble les pièces qui soutiennent les observations recueillies. Dans l’annexe A de la prépublication du 30 septembre 2026, une collecte web remplit le manifeste des champs requis, avant un contrôle des incohérences et des zones grises. Cette annexe décrit le processus d’origine dont le système étudié est issu.

Pour appliquer cette logique, parcourir les champs attendus et enregistrer ce qui a été effectivement trouvé. Attacher chaque observation au passage qui la porte, avec sa période et son unité lorsqu’elles sont pertinentes. Lorsque le périmètre reste incertain, conserver cette incertitude dans l’entrée ; elle alimentera le contrôle. Le rédacteur reçoit ainsi une distinction entre la pièce disponible et l’usage qui en est autorisé.

La recommandation PROV-DM du W3C, datée du 30 avril 2013, distingue une entité, telle qu’un document, de l’activité qui l’utilise ou produit une nouvelle entité. La génération désigne l’achèvement de cette production. On peut reprendre cette distinction pour rattacher une observation à la source utilisée et à l’opération d’extraction qui l’a produite.

À la fin de cette passe, conserver séparément les observations et leur éventuelle reformulation. Une synthèse de lecture peut accompagner le registre, à condition que le contrôle puisse revenir au passage original. La couverture initiale est achevée lorsque chaque champ a été examiné et que son état est renseigné. Ce critère proposé mesure l’avancement de la collecte, sans présumer la résolution de chaque question.

3. Comment préparer la liste des recherches ciblées ?

La liste des recherches ciblées découle des anomalies du manifeste contrôlé. L’annexe A de la prépublication de septembre 2026 prévoit que la seconde collecte vise les manques et conflits trouvés par le contrôle, avec une résolution fondée sur leur cause.

Nous recommandons de répartir les points ouverts selon le travail nécessaire. Pour une entrée non trouvée, préciser quelle pièce manque et où elle pourrait être recherchée. Pour une incohérence de périmètre, formuler la vérification attendue sur l’entité, la période ou l’unité. Pour un conflit, conserver les observations concurrentes et décrire exactement ce qui les rend incompatibles. L’arbitrage pourra ensuite s’appuyer sur cette description.

Chaque tâche de reprise doit nommer le champ concerné et la condition qui permettrait de la terminer. Éviter une consigne générale telle que « compléter le dossier » : rattacher la demande à la question encore ouverte rend le résultat contrôlable. Il est utile de préciser la pièce attendue et le motif pour lequel les éléments déjà recueillis restent insuffisants.

La documentation Workflows and agents de LangChain, sans date de publication indiquée, décrit un enchaînement où chaque appel au modèle traite la sortie du précédent, avec des étapes vérifiables et un contrôle intermédiaire dans son exemple. Ce principe fournit un appui technique à l’organisation proposée : la recherche ciblée reçoit le manifeste contrôlé et la liste des points ouverts. LangGraph sert ici de référence de conception complémentaire.

4. Qu’est-ce qui doit changer pendant la seconde passe ?

La seconde passe doit apporter une pièce nouvelle ou une justification documentée de l’état conservé. La recommandation PROV-DM du W3C, du 30 avril 2013, définit la dérivation comme la production d’une entité à partir d’une autre, et la révision comme un cas où le résultat est une version révisée de l’original. Ce vocabulaire permet de penser les acquisitions successives sans effacer leur filiation.

Dans le manifeste proposé, garder l’observation antérieure, la nouvelle pièce et le motif du changement. Une correction de périmètre doit être rattachée au passage qui la justifie. Si le conflit subsiste, maintenir les observations concurrentes avec la question d’arbitrage. Une entrée peut évoluer sans recevoir immédiatement une valeur utilisable.

Le tableau suivant propose les états à employer pendant la reprise. Ils constituent un choix de conception du cabinet, distinct du vocabulaire de la publication.

Associer tout changement d’état à son auteur ou au processus qui l’a produit. Pour une résolution automatique, conserver la règle appliquée et la pièce utilisée ; pour une décision humaine, identifier le responsable. Le passage à « résolu » doit pouvoir être expliqué depuis le manifeste. Un simple remplacement de la valeur rendrait cette explication dépendante du souvenir des intervenants.

5. Quand arrêter la collecte et remettre le dossier ?

Dans la règle de clôture proposée ici, la collecte s’arrête lorsque chaque exigence dispose d’une issue explicite et que le responsable a accepté les limites restantes. L’annexe A de la prépublication du 30 septembre 2026 prévoit la remise d’un bloc de données autonome et d’un contrat fixant ce que les étapes suivantes ne peuvent plus deviner. La règle ci-dessous prolonge cette description.

Commencer par une vérification technique : toutes les entrées attendues sont présentes, les états sont renseignés et les pièces des champs résolus sont accessibles. La documentation JSON Schema, sans date de publication indiquée, distingue notamment une propriété absente d’une propriété dont la valeur est null. Dans notre proposition, si le schéma autorise null pour signaler une observation manquante, cette valeur doit être accompagnée d’un état et d’une justification.

Faire ensuite examiner les points ouverts par le responsable métier. Un champ obligatoire résolu permet de poursuivre. Un manque documenté exige une décision explicite sur son acceptation et sur l’usage autorisé du dossier. Un conflit ou une ambiguïté encore bloquants maintiennent la collecte ouverte. Un champ facultatif peut rester vide, avec son état conservé. La conformité de structure et l’autorisation de rédiger constituent ainsi des décisions distinctes.

Remettre ensemble le manifeste final, les pièces retenues et les décisions relatives aux limites. Le rédacteur doit pouvoir comprendre ce qu’il peut utiliser depuis cet ensemble autonome. Si une dérogation change le périmètre du document, consigner cette modification dans la remise pour éviter qu’elle reste dans une conversation séparée.

6. Comment documenter les recherches infructueuses ?

Une recherche infructueuse se documente par la question posée, les sources ouvertes et l’issue constatée. Le système décrit dans la prépublication du 30 septembre 2026 représente les informations détenues par la banque mais indisponibles pour le système comme des manques nommés. Pour le guide proposé, cette pratique se traduit par une entrée conservée dans le manifeste et reliée au journal des recherches.

Dans ce journal, enregistrer la date de consultation, la question recherchée et l’adresse des pages effectivement ouvertes. Préciser l’issue : pièce inaccessible, passage sans réponse à la question, ou document portant sur un autre périmètre. Rattacher chaque tentative au champ qu’elle devait résoudre. Le relevé décrit alors la recherche accomplie et la raison pour laquelle elle laisse le champ ouvert.

Prévoir aussi les conditions de reprise. Indiquer quelle pièce permettrait de réexaminer le manque, qui doit la fournir lorsqu’un interlocuteur est identifié et quels champs seraient concernés par son arrivée. Une nouvelle pièce déclenche une vérification ciblée ; les observations antérieures restent attachées à leur contexte de collecte.

Cette organisation doit aider le responsable à choisir entre poursuivre la recherche et accepter une limite explicite. L’échec constaté reste borné aux sources et au périmètre examinés. Il ne suffit pas à conclure que l’information n’existe pas. Le rédacteur conserve cette borne dans son usage du dossier, y compris lorsqu’une rédaction a été autorisée malgré le manque.

FAQ

Pourquoi collecter en deux passes ?
La première passe couvre les champs attendus ; le contrôle fait apparaître les questions à reprendre. La seconde collecte porte sur ces questions identifiées. L’annexe A de la prépublication de Gibert, Despujols et Rochet du 30 septembre 2026 décrit cette organisation. Le présent guide la prolonge par des états de résolution et une règle de clôture soumise au responsable métier.

La seconde passe relit-elle tout ?
Son point de départ est la liste des manques et conflits issus du contrôle. Dans la méthode proposée, chaque recherche supplémentaire doit être rattachée à un point ouvert. Si sa résolution affecte d’autres observations, celles-ci sont ajoutées explicitement au périmètre de reprise pour conserver la trace de cette extension.

Une recherche vide prouve-t-elle l’absence de donnée ?
Elle établit qu’une recherche donnée est restée infructueuse dans le périmètre examiné. Le journal conserve les pages ouvertes, la question et la date. Le champ reste visible avec son manque documenté ; une pièce nouvelle pourra conduire à le rouvrir selon les conditions de reprise prévues.

Le papier mesure-t-il cette collecte ?
La comparaison évaluée commence après la collecte des données, comme le précise la prépublication déposée sur arXiv le 30 septembre 2026. Les services de collecte appartiennent à l’application plus large et restent hors de cette comparaison. Aucun gain propre à la seconde passe ne peut être déduit de ses résultats.

Que reçoit le rédacteur ?
L’annexe A de la prépublication de Gibert, Despujols et Rochet du 30 septembre 2026 prévoit un bloc de données autonome accompagné d’un contrat. Dans la déclinaison proposée ici, le manifeste final relie les observations aux pièces et expose les limites acceptées. Le rédacteur peut ainsi vérifier le périmètre autorisé sans devoir reconstituer les décisions depuis les échanges de travail.

Pour aller plus loin

• Contrat de données d’un agent : fixer ce que la rédaction reçoit et peut utiliser
• Deux sources se contredisent : organiser l’arbitrage avant la génération du document
• Une source a changé : gérer la fraîcheur des pièces avant de régénérer le document

Sources

• Gibert, Despujols et Rochet, Better Deck or Different Judge? Evaluating Agentic Harness Gains in Corporate and Investment Banking, prépublication déposée sur arXiv le 30 septembre 2026, annexe A et description du système, consulté le 9 octobre 2026.
• JSON Schema, Object, sans date de publication indiquée, consulté le 9 octobre 2026.
• W3C, PROV-DM: The PROV Data Model, recommandation du 30 avril 2013, consulté le 9 octobre 2026.
• LangChain, Workflows and agents, sans date de publication indiquée, consulté le 9 octobre 2026.