Entity Enricher propose trois stratégies d'enrichissement qui déterminent l'orchestration des appels LLM. Le choix de la stratégie influe sur la précision, la vitesse et le coût — et, la plupart du temps, vous n'avez pas à choisir : par défaut, la sélection est automatique, d'après la structure de votre schéma.
De la configuration la plus simple à la plus puissante. Chacune s'appuie sur la précédente.
Un modèle, un appel. L'intégralité du schéma est envoyée dans un seul prompt. Rapide et économique — idéal pour les schémas simples ou l'itération rapide.
Aspirin
Toute entité : entreprise, médicament, affaire juridique, article de recherche...
Utilisez n'importe quel fournisseur LLM avec votre propre clé API.
Schéma complet en un seul appel — nouvelles tentatives automatiques en cas d'échec de validation.
Aspirin
Même stratégie, mais exécutée sur plusieurs modèles en parallèle. Les résultats sont comparés et arbitrés champ par champ pour produire un résultat unique à haute confiance.
Aspirin
Toute entité : entreprise, médicament, affaire juridique, article de recherche...
Correspondance — Pharmaceutical Compound
Détecte les incompatibilités de type avant de gaspiller des crédits LLM.
Apportez vos propres clés API — compatible avec tous les fournisseurs LLM.
Schéma complet en un seul appel — nouvelles tentatives automatiques en cas d'échec de validation.
Aspirin
ArbitréUne résolution raisonnée des conflits au niveau des champs produit le résultat final fiable.
Le schéma est découpé par domaine d'expertise. Chaque modèle reçoit des sous-prompts ciblés pour chaque domaine. Les résultats sont fusionnés en profondeur par modèle, puis arbitrés entre les modèles. Précision maximale pour les schémas complexes multi-domaines.
Aspirin
Toute entité : entreprise, médicament, affaire juridique, article de recherche...
Correspondance — Pharmaceutical Compound
Détecte les incompatibilités de type avant de gaspiller des crédits LLM.
Apportez vos propres clés API — compatible avec tous les fournisseurs LLM.
Schéma découpé par domaine — les prompts auto-correcteurs réessaient en cas d'échec de validation.
Fusion profonde des réponses d'expertise par modèle.
Aspirin
ArbitréUne résolution raisonnée des conflits au niveau des champs produit le résultat final fiable.
Laisser la stratégie non définie — le comportement par défaut partout, y compris dans l'API et les connecteurs — la déduit de la forme de votre schéma avant toute exécution. La règle est déterministe : un même schéma obtient toujours la même stratégie, et l'exécution indique laquelle a été retenue.
Les domaines experts nécessitent les appels d'outils. La stratégie déclare une fonction de soumission par domaine d'expertise : un modèle sans prise en charge des appels d'outils est donc rejeté avec une erreur explicite avant toute consommation de tokens, plutôt que de se dégrader silencieusement.
| Aspect | Passe unique | Domaines d'expertise | Multi-expertise |
|---|---|---|---|
| Appels LLM | 1 par modèle | 1 conversation par modèle (au moins 2 requêtes) | N par modèle (1 par domaine d'expertise) |
| Schéma envoyé | Schéma complet en un seul prompt | Schéma complet dans le prompt, plus un outil de soumission par domaine dont les arguments correspondent au sous-ensemble de ce domaine | Sous-ensemble par domaine d'expertise |
| Exécution | Séquentiel (un seul appel) | Une seule génération, les appels d'outils traités au fil de l'eau | Parallèle (toutes les expertises s'exécutent simultanément) |
| Exactitude | Adapté aux schémas simples | Meilleur que la passe unique — chaque domaine est validé sur son propre sous-ensemble | Plus élevé — des prompts ciblés donnent de meilleurs résultats |
| Vitesse | Plus rapide pour les petits schémas | Proche de la passe unique | L'exécution parallèle peut être plus rapide pour les grands schémas |
| Coût | Plus faible (surcoût d'un seul appel) | À peu près autant que la passe unique — le schéma n'est envoyé qu'une fois | Plus élevé (appels multiples avec surcoût par appel) |
| Streaming | Résultat tout ou rien | Progressif — un événement par domaine soumis | Progressif — les résultats arrivent en continu à mesure que chaque expertise se termine |
| Succès partiel | Non — l'appel entier réussit ou échoue | Partiellement — les domaines soumis avant l'échec sont conservés | Oui — les expertises réussies sont conservées, les expertises en échec peuvent être relancées |
La stratégie multi-expertise suit un processus en quatre étapes pour chaque modèle :
Le schéma est parcouru récursivement. Chaque propriété portant une étiquette de domaine d'expertise est regroupée avec celles partageant le même domaine. Par exemple, revenue et market_cap vont dans le groupe « financial », tandis que gmp_status va dans « regulatory ».
Chaque groupe d'expertise devient un sous-schéma minimal contenant uniquement ses propriétés. Le LLM reçoit ainsi un prompt plus petit et plus ciblé, et n'a qu'à renseigner les champs de sa spécialité.
Tous les appels d'expertise s'exécutent en parallèle. Un schéma comportant 5 domaines d'expertise lancera 5 appels LLM simultanément. À mesure que chacun se termine, ses résultats sont fusionnés en profondeur dans la sortie accumulée et diffusés en temps réel dans l'interface.
Si certaines expertises échouent, le système renvoie la sortie fusionnée des expertises réussies avec un statut « Partiel ». Vous pouvez relancer uniquement les expertises en échec, et les nouveaux résultats seront fusionnés dans la sortie existante sans répéter le travail déjà réussi.
Les deux stratégies peuvent être combinées avec l'enrichissement multi-modèle. Lorsque vous sélectionnez plusieurs modèles, chaque modèle exécute la stratégie choisie indépendamment. Les résultats peuvent ensuite être fusionnés via la fusion multi-modèle pour produire une sortie unique à haute confiance.