Depuis mars 2026, Mubadala Investment Company utilise PULSAR pour rechercher des présentations, des dossiers destinés au conseil d’administration et d’autres documents liés à des opérations, à partir des images de leurs pages. Selon un article publié sur arXiv et présenté à l’EMNLP Industry Track 2026, le système a traité 78,000 documents — soit environ 2.4 million de pages — portant sur plus de 3,000 opérations.
L’article fait état d’un temps médian de recherche vectorielle de 156 milliseconds en production. Sur le benchmark ViDoRe V3, l’index mutualisé de PULSAR a réduit la latence médiane de recherche d’un facteur de 15.1 par rapport à une version sans mutualisation, avec une perte absolue inférieure à 0.01 pour deux mesures de classement, NDCG@10 et Recall@10. Ces mesures évaluent la pertinence des 10 premiers résultats. En cas de requêtes simultanées, l’index mutualisé a traité environ 88 fois plus de requêtes par seconde que la version sans mutualisation. Il s’agit de résultats rapportés par les auteurs de l’article ; les informations fournies ne mentionnent aucune validation indépendante.
Comment PULSAR recherche-t-il dans les pages ?
De nombreux systèmes de recherche documentaire commencent par utiliser la reconnaissance optique de caractères, ou OCR, pour convertir le texte des images de pages en mots indexables. Ils peuvent aussi produire des descriptions des graphiques et autres figures. Selon l’article, cette méthode peut coûter cher à actualiser lorsque les documents changent et entraîner la perte de détails dans les graphiques.
PULSAR indexe plutôt les images des pages au moyen d’un modèle de vision de type ColPali, figé. Il recherche d’abord dans des résumés compacts des pages, puis vérifie les résultats prometteurs à partir d’une représentation plus détaillée. Cette méthode en deux étapes est appelée « interaction tardive » : après avoir établi une première sélection, le système compare la requête aux détails des pages, au lieu de s’appuyer sur un résumé unique pour déterminer le résultat final.
Quels résultats l’article rapporte-t-il en production ?
Selon les estimations de l’article, l’ingestion des données par PULSAR, déclenchée par les événements, coûte environ 20 fois moins par page que le système de reconnaissance de texte et de description des figures qu’il a remplacé. Au seuil de recherche utilisé en production, les auteurs indiquent également que PULSAR a plus que doublé le rappel des faits par rapport à cette méthode antérieure. Dans un système de génération augmentée par récupération, le rappel mesure si les pages contenant les faits nécessaires figurent parmi les résultats accessibles au modèle chargé de générer la réponse.
Ces résultats concernent un seul système au sein d’une seule société d’investissement ; ils ne constituent pas une évaluation générale des produits de recherche documentaire. L’article n’établit pas que PULSAR soit accessible à d’autres organisations.
Pourquoi c'est important
Pour les équipes de Mubadala qui recherchent des informations dans des dossiers d’opérations, PULSAR pourrait accélérer et réduire le coût de la recherche de pages utiles dans de vastes collections fréquemment mises à jour, tout en préservant les détails des graphiques et autres éléments visuels. Le déploiement rapporté concerne Mubadala ; rien ne permet d’établir que le système soit accessible à d’autres organisations.
