Recherche hybride : combiner le web et les fichiers
Pe această pagină
Leçon mise à jour le 2 novembre 2026 sur la base de la documentation OpenAI : l’outil Code Interpreter nécessite désormais un paramètre
container(ajouté à tous les exemples), les parties de texte en entrée sont de typeinput_text, et la recherche web utilise l’outilweb_search(web_search_previewest désormais un outil obsolète sans filtres de domaine). Les fichiers générés sont récupérés à l’aide des fonctionsfichiers_generesettelechargerde la leçon 10. Sources : Code Interpreter · Recherche web.
Recherche hybride : combiner le web et les fichiers
Les deux outils de recherche répondent à des questions différentes et, utilisés isolément, chacun reste incomplet. La recherche de fichiers sait ce que vous avez écrit ; la recherche web sait ce que le monde a publié. De nombreuses questions utiles se situent exactement à l’intersection des deux : notre procédure est-elle toujours conforme ? Notre documentation est-elle à jour ? Où en sommes-nous par rapport au marché ?
Ces questions partagent une propriété commune qui explique leur valeur : personne ne peut y répondre sans lire les deux côtés. C’est ce croisement, et non la recherche elle-même, qui rend cette leçon précieuse.
Activer les deux outils
Déclarez simultanément les deux outils dans le tableau tools :
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Comparez notre politique de télétravail avec les tendances actuelles du marché",
tools=[
{
"type": "file_search",
"vector_store_ids": ["vs_abc123"],
"max_num_results": 10
},
{
"type": "web_search",
"search_context_size": "medium"
}
]
)
print(response.output_text)
Le modèle décide seul quand utiliser chaque outil. Pour une question concernant vos documents internes, il utilisera la recherche de fichiers. Pour des données publiques, il utilisera la recherche web. Pour une comparaison, il utilisera les deux.
Cas d’usage : veille réglementaire
La veille réglementaire est l’exemple type car l’écart entre les deux sources est précisément ce que nous recherchons. Demandez explicitement les différences, et non un résumé de chaque côté : un modèle invité à résumer produira deux synthèses correctes et vous laissera faire la comparaison, qui est la seule partie difficile du travail.
def audit_conformite(sujet: str, vs_processus: str) -> dict:
"""Compare les processus internes avec la réglementation en vigueur."""
response = client.responses.create(
model="gpt-5.6-terra",
instructions=(
"Vous êtes un auditeur de conformité. Pour chaque point, vous devez : "
"1. Rechercher dans les documents internes ce qui est actuellement en place "
"2. Rechercher sur le web la réglementation applicable actuelle "
"3. Identifier les écarts entre les deux "
"4. Proposer des actions correctives"
),
input=f"Auditez la conformité de nos processus sur le sujet : {sujet}",
tools=[
{
"type": "file_search",
"vector_store_ids": [vs_processus],
"max_num_results": 15
},
{
"type": "web_search",
"search_context_size": "high"
}
]
)
return {
"rapport": response.output_text,
"tokens_utilises": response.usage.total_tokens
}
# Utilisation
rapport = audit_conformite(
"protection des données personnelles et RGPD",
"vs_processus_internes"
)
Cas d’usage : enrichissement de la base de connaissances
Le même mécanisme, inversé, sert à vérifier l’obsolescence de vos propres documents : au lieu de vérifier la conformité, vous demandez ce qui a changé depuis leur rédaction. C’est l’utilisation la plus rentable de la recherche hybride sur une base documentaire ancienne — personne n’a le temps de relire cent pages pour trouver les trois qui ont vieilli.
def detecter_obsolescence(vs_id: str, sujets: list[str]) -> list[dict]:
"""Identifie les informations potentiellement obsolètes."""
resultats = []
for sujet in sujets:
response = client.responses.create(
model="gpt-5.6-terra",
instructions=(
"Comparez ce que disent nos documents internes avec les informations "
"les plus récentes du web. Identifiez les écarts factuels, les chiffres "
"dépassés et les procédures obsolètes."
),
input=f"Vérifiez l'actualité de nos documents sur : {sujet}",
tools=[
{"type": "file_search", "vector_store_ids": [vs_id]},
{"type": "web_search"}
]
)
resultats.append({
"sujet": sujet,
"analyse": response.output_text
})
return resultats
Ajouter des fonctions personnalisées au mélange
L’ajout de vos fonctions au mélange fait passer le flux de travail de l’analyse à l’action : le modèle repère un écart, puis ouvre un ticket. Cependant, gardez une frontière claire — la recherche et l’analyse peuvent rester automatiques, mais les actions qui engagent des ressources (création, envoi, modification) méritent une validation humaine jusqu’à ce que vous ayez mesuré la fiabilité du flux sur plusieurs semaines.
tools = [
# Recherchez dans vos documents
{
"type": "file_search",
"vector_store_ids": ["vs_contrats"],
"max_num_results": 10
},
# Recherche web
{
"type": "web_search",
"search_context_size": "medium"
},
# Fonction métier : interroger le CRM
{
"type": "function",
"name": "get_client_info",
"description": "Récupérer les informations client depuis le CRM",
"parameters": {
"type": "object",
"properties": {
"client_id": {"type": "string"},
"champs": {
"type": "array",
"items": {"type": "string"},
"description": "Liste des champs à retourner"
}
},
"required": ["client_id"],
"additionalProperties": False
},
"strict": True
},
# Fonction métier : créer une alerte
{
"type": "function",
"name": "creer_alerte",
"description": "Créer une alerte de suivi pour un contrat ou un client",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"priorite": {"type": "string", "enum": ["basse", "moyenne", "haute", "critique"]},
"description": {"type": "string"},
"assignee": {"type": "string"}
},
"required": ["titre", "priorite", "description", "assignee"],
"additionalProperties": False
},
"strict": True
}
]
# Le modèle peut maintenant :
# 1. Rechercher un contrat dans la recherche de fichiers
# 2. Vérifier une clause sur le web
# 3. Récupérer les infos client depuis le CRM
# 4. Créer une alerte si un problème est détecté
response = client.responses.create(
model="gpt-5.6-terra",
input="Vérifiez si le contrat du client CLI-42567 est conforme aux nouvelles "
"normes européennes. Sinon, créez une alerte de haute priorité.",
tools=tools
)
Gérer la priorité des sources
Sans instructions, le modèle traite les deux sources de manière égale. C’est rarement ce que vous voulez : pour les faits internes (chiffres, procédures, décisions), vos documents font autorité et le web n’est qu’un bruit plausible ; pour les actualités et les réglementations, c’est l’inverse. Inscrivez cette hiérarchie dans l’instruction système et exigez que tout conflit entre les deux soit signalé plutôt que silencieusement arbitré.
response = client.responses.create(
model="gpt-5.6-terra",
instructions=(
"Règles de priorité des sources : "
"1. Pour les faits internes (processus, politiques, contrats) -> Recherche de fichiers "
"2. Pour les faits externes (lois, marché, tendances) -> Recherche web "
"3. En cas de conflit entre sources internes et externes, signalez l'écart "
"4. Ne répondez JAMAIS en vous basant uniquement sur vos propres connaissances "
),
input="Quel est notre délai de paiement standard et est-il conforme à la loi ?",
tools=[
{"type": "file_search", "vector_store_ids": [vs_id]},
{"type": "web_search"}
]
)
Modèle complet : assistant de recherche hybride
class AssistantRecherche:
def __init__(self, vector_store_ids: list[str]):
self.client = OpenAI()
self.vs_ids = vector_store_ids
self.historique = []
def rechercher(self, question: str, mode: str = "hybride") -> dict:
tools = []
if mode in ("hybride", "interne"):
tools.append({
"type": "file_search",
"vector_store_ids": self.vs_ids,
"max_num_results": 10
})
if mode in ("hybride", "web"):
tools.append({
"type": "web_search",
"search_context_size": "medium"
})
response = self.client.responses.create(
model="gpt-5.6-terra",
instructions="Citez toujours vos sources. Distinguez clairement "
"les informations internes des informations publiques.",
input=question,
tools=tools
)
resultat = {
"question": question,
"reponse": response.output_text,
"mode": mode,
"tokens": response.usage.total_tokens
}
self.historique.append(resultat)
return resultat
# Utilisation
assistant = AssistantRecherche(["vs_contrats", "vs_procedures"])
r = assistant.rechercher("Nos CGV sont-elles à jour avec le droit européen ?")
print(r["reponse"])
Puncte cheie
- Combinez
file_searchetweb_searchdans un seul appel - Le modèle choisit automatiquement le bon outil pour chaque besoin
- L’instruction système guide la priorité entre les sources internes et externes
- Ajoutez des fonctions personnalisées pour des flux de travail complets
- La recherche hybride est idéale pour les audits de conformité et la veille