Hardware RAG — L'accélérateur documentaire qui traite chaque datasheet comme un type de document unique

24 juin 2026 · Dream #1 (8.3/10) · HERMYTHOS V2.0 RAG TRIZ

Un datasheet de 2000 pages n'est pas un article de blog. Pourquoi le trateriez-vous comme tel ?

Le RAG documentaire standard fonctionne remarquablement bien sur les blogs, la documentation technique linéaire, les articles académiques. Mais il échoue systématiquement sur la documentation semi-conducteur — et ce n'est pas une question de modèle ou de paramètres de chunking. C'est une question de structure documentaire.

Un datasheet Tenstorrent Blackhole de 2000 pages contient des registres de contrôle DMA, des diagrammes de timing, des tables de configuration de puissance, des spécifications de bus mémoire. Un reference manual contient des descriptions architecturales, des flowcharts de pipeline, des définitions d'instructions RISC-V. Un errata contient des corrections de bugs avec des workarounds conditionnels. Ces documents n'ont rien en commun — ni dans leur structure, ni dans leur densité informationnelle, ni dans la façon dont un ingénieur les interroge.

Et pourtant, la plupart des pipelines RAG les traitent de la même manière : même chunker, même embedding model, même stratégie de retrieval. C'est comme utiliser le même traitement pour une radiographie et un rapport d'analyse sanguine.

Le principe TRIZ #3 appliqué au RAG documentaire

La Théorie de Résolution des Problèmes Inventive (TRIZ) d'Altshuller énonce dans son principe #3 — Qualité Locale — que chaque partie d'un système doit être rendue optimale pour sa fonction spécifique. Transposé au RAG semi-conducteur :

Chaque type de document reçoit son propre chunking. Un chunk qui coupe un registre DMA de 32 bits en deux n'est pas un chunk utile. La stratégie de découpage doit comprendre la grammaire du document : tables de registres, blocs de timing, sections de configuration.
Chaque type de document reçoit son propre embedding model calibré. Un embedding entraîné sur du texte naturel ne capture pas bien les relations entre registres, adresses mémoire, et bits de configuration. Il faut un modèle fine-tuné sur un corpus technique calibré.
Chaque type de document reçoit son propre golden dataset. Pas un golden dataset générique « le RAG répond correctement ». Un golden dataset par type de document : « Quand je demande le registre de configuration DMA channel 3, je reçois le bon offset, le bon masque de bits, et la bonne référence au chapitre correspondant. »

Architecture : un pipeline à n canaux spécialisés

Dans l'architecture HERMYTHOS V2.0, le module Hardware RAG n'est pas un pipeline monolithique. C'est un routeur documentaire qui, à l'ingestion, classifie chaque document entrant et le dirige vers le canal de traitement approprié :

Canal Datasheet : chunking par registre et par timing diagram, embedding calibré sur la nomenclature électronique, retrieval sensible aux offsets et masques de bits.
Canal Reference Manual : chunking par section architecturale, embedding calibré sur les descriptions de micro-architecture, retrieval qui privilégie les relations causales entre composants.
Canal Errata : chunking par bug ID et stepping de silicium, embedding qui capture les relations bug→workaround→condition, retrieval conditionnel par version de puce.
Canal Application Note : chunking par use-case et configuration recommandée, embedding orienté « comment faire », retrieval qui combine specs + exemples.

Ce n'est pas de la complexité gratuite. C'est une calibration chirurgicale. Un ingénieur qui demande « Quelle est la latence du DMA channel 7 en mode burst ? » ne veut pas un paragraphe général sur le DMA. Il veut le chiffre exact, dans le bon contexte, avec la référence au paragraphe du datasheet.

Golden datasets par type de document : la qualité avant la quantité

Le vrai problème du RAG semi-conducteur n'est pas le recall — c'est la précision contextuelle. Un RAG générique peut retrouver 95% des passages pertinents. Mais si ces passages sont mal chunkés, si l'embedding ne capture pas la relation entre deux registres adjacents, si le retrieval mélange la spec du Blackhole v1.0 avec celle du v1.1 — le résultat est inutilisable.

Le Hardware RAG définit pour chaque canal un golden dataset de 50 à 200 questions/réponses vérifiées manuellement. Chaque entrée du golden dataset spécifie :

La question exacte
La réponse attendue (valeur numérique, registre, timing)
La source documentaire précise (fichier, page, section)
Le type de retrieval acceptable (exact match, plage tolérée, réponse structurée)

Ce golden dataset sert de garde-fou d'évaluation continue. À chaque mise à jour du modèle d'embedding ou de la stratégie de chunking, le pipeline est ré-évalué automatiquement. Pas de régression silencieuse. Pas de « ça marchait avant, je sais pas pourquoi ça répond n'importe quoi maintenant ».

De la veille Tenstorrent à la Reverse Engineering

Ce module émerge de la convergence de deux workflows HERMYTHOS : la veille technologique Tenstorrent (wiki-llm enrichi chaque semaine) et le toolkit Reversa (spécifications d'ingestion pour reverse engineering). Quand on ingère systématiquement la documentation de fournisseurs de silicium — Tenstorrent, Qualcomm, VSORA, SiPearl — on réalise rapidement que le RAG générique n'est pas à la hauteur. Et quand on fait du reverse engineering de protocoles ou de firmwares, on a besoin d'un retrieval qui ne pardonne pas l'approximation.

Le Hardware RAG est la couche documentaire du stack Reversa : avant de reverse-engineer un protocole, il faut pouvoir interroger toute la documentation du composant avec une précision chirurgicale. Et pour ça, il faut un RAG qui comprend la grammaire du silicium.

Le RAG standard vous dira « Le DMA supporte le mode burst ». Le Hardware RAG vous dira « DMA Channel 7, registre DMA_CH7_CTRL offset 0x4028, bit BURST_EN (bit 12) — latence 14 cycles en mode burst 16-beat, 23 cycles en mode burst 32-beat. Source : Blackhole Datasheet v1.2, Section 4.7.3, Table 4-12. » C'est ça, la différence entre un outil de recherche et un outil d'ingénierie.

Votre documentation semi-conducteur mérite mieux qu'un chunker générique.
Parlons de votre pipeline RAG hardware →