Le découpage n'est pas une étape neutre
Śmigielski et al., « Chunking Methods on Retrieval-Augmented Generation: Effectiveness Evaluation Against Computational Cost and Limitations », Wrocław University of Science and Technology, 2026 · arXiv:2606.00881
Avant d'être indexé, un document est découpé en passages. Cette étape est longtemps passée pour un simple préalable, réglé par une longueur fixe et un chevauchement choisis au jugé. Elle décide pourtant de ce que le système pourra retrouver : un passage trop court perd le contexte qui rendait son contenu interprétable, un passage trop long dilue l'information pertinente au milieu de texte hors sujet, et une coupure mal placée sépare une affirmation de la condition qui la restreignait. Aucune de ces pertes n'est rattrapable en aval, puisque le passage est l'unité que la récupération manipule.
L'équipe de l'université de technologie de Wrocław publie en 2026 la première évaluation systématique des méthodes de découpage, comparées sur plusieurs types de données et de scénarios. Son intérêt tient autant à sa méthode qu'à ses résultats : les auteurs rapportent le coût de calcul de chaque méthode en regard de son gain, là où les travaux qui proposent une nouvelle stratégie de découpage la comparent en général au seul découpage à longueur fixe, sur leur propre jeu de données, sans en chiffrer le prix. La conclusion d'ensemble est nuancée : plusieurs méthodes sophistiquées ne tiennent pas leurs promesses hors du cadre où elles ont été présentées.
Nous en tirons une règle de conduite plutôt qu'une méthode à implémenter. DeepView découpe selon la structure reconstruite à l'analyse de mise en page, et non selon une longueur fixe, ce que cette évaluation conforte pour les documents structurés. Elle nous garde surtout d'un travers courant : adopter la dernière stratégie publiée parce qu'elle affiche de meilleurs chiffres sur un jeu de données académique. Le découpage se choisit en fonction du corpus, et la question se rouvre à chaque déploiement dont la documentation ne ressemble pas aux précédentes.
Entrer dans le détail
Les choix d'architecture, les écarts assumés par rapport à la littérature et les résultats intermédiaires de l'évaluation se discutent directement avec l'équipe qui construit le système.