Le RAG multilingue consiste à poser une question dans une langue et à trouver la réponse dans des documents rédigés dans une autre — sans traduire le corpus au préalable. En Suisse ce n’est pas un agrément : un même dossier contient couramment un contrat allemand, une correspondance française, une facture italienne et une police anglaise. Un système qui ne travaille qu’à l’intérieur d’une langue trouve une fraction des preuves — et répond quand même avec assurance.
Pourquoi traduire-puis-chercher échoue
La solution intuitive — tout traduire vers une langue pivot et indexer celle-ci — casse de trois façons. La traduction perd de l’information précisément là où la précision compte, sur les termes juridiques et techniques. Elle double le corpus et le coût d’ingestion. Et elle détruit la citabilité : le passage affiché est une traduction automatique, pas le document faisant foi — inutilisable quand quelqu’un doit agir sur la formulation d’origine.
L’alternative est la recherche translingue : chaque document est indexé dans sa langue d’origine avec des embeddings multilingues qui placent « Kündigungsfrist », « délai de résiliation » et « notice period » côte à côte dans le même espace vectoriel. Une question en allemand retrouve alors directement la clause française, et la citation pointe vers le document réel.
Ce qui casse spécifiquement sur les corpus suisses
- Les noms d’entités changent de forme. La même société est « Muster AG », « Muster SA » et « Muster Ltd » ; le même organe est « Verwaltungsrat », « conseil d’administration » et « board of directors ». Sans résolution d’entités translingue, un graphe de connaissances éclate une organisation en trois nœuds sans lien et les questions transversales échouent.
- La recherche par mots-clés ne franchit pas la frontière linguistique. La recherche hybride associe sémantique et mots-clés ; la moitié par mots-clés n’apporte rien en translingue. Il faut étendre la requête aux langues du corpus pour qu’elle gagne sa place.
- L’usage suisse diverge des standards nationaux. L’allemand de Suisse ignore l’eszett, et le vocabulaire juridique suisse s’écarte des usages allemand et français — « Betreibung », « procédure de consultation », « fiduciaire ». Les modèles entraînés surtout sur du texte standard national les traitent de manière inégale.
- Documents français et italiens numérisés. Les caractères accentués sont le premier point de défaillance de l’OCR, et un accent mal lu retire silencieusement un passage de la recherche. La qualité de l’OCR est un paramètre de recherche, pas un détail d’ingestion.
- La langue de réponse est une décision distincte. Qui pose la question en français attend une réponse française citant la source allemande — pas une paraphrase sans original visible.
Comment SovraRAG s’y prend
SovraRAG indexe les documents dans leur langue d’origine avec des embeddings multilingues couvrant l’allemand, le français, l’italien et l’anglais, étend la requête aux langues du corpus pour que la recherche par mots-clés franchisse aussi la frontière linguistique, et résout les mentions d’entités d’une langue à l’autre pour que le graphe reste connecté. Les réponses sont rédigées dans la langue de la question et citent le passage source tel qu’il est écrit — le lecteur voit la clause allemande sous une réponse française, ce dont un auditeur ou un juriste a besoin.
Le tout s'exécute en Suisse : le multilinguisme n'est pas une raison d'envoyer des corpus suisses vers un modèle étranger — c'est précisément l'objet d'une plateforme RAG suisse.
Tester la recherche multilingue avant d’acheter
- Posez une question en allemand dont la réponse n’existe que dans un document français. Puis l’inverse.
- Demandez une comparaison entre documents en trois langues et vérifiez que les trois sont cités.
- Intégrez un document français numérisé avec accents et vérifiez que son contenu est retrouvable.
- Vérifiez que les noms d’entités en plusieurs langues se résolvent en une seule entité au lieu de fragmenter les résultats.
Ces quatre tests distinguent une véritable recherche translingue d’un pipeline anglais doté d’une couche de traduction. Ils appartiennent au pilote décrit dans RAG d’entreprise en Suisse, aux côtés des questions de souveraineté de la checklist.