Avant toute architecture savante, il y a ceci : un LLM nu ne sait que transformer du texte en texte. Il ne peut ni lire vos fichiers, ni chercher sur le web, ni se souvenir d’hier. Le LLM augmenté, c’est le modèle plus son équipement — et c’est la brique LEGO dont tous les autres patterns sont faits.

L’analogie

Un consultant brillant enfermé dans une pièce sans téléphone, sans ordinateur, sans archives : voilà le LLM nu. Donnez-lui une ligne téléphonique (les outils), une carte de bibliothèque (la recherche) et un carnet (la mémoire) — même cerveau, mais maintenant il peut vraiment travailler. C’est ça, le LLM augmenté.

Le principe

flowchart LR
    IN([entrée]) --> LLM[LLM]
    LLM --> OUT([sortie])
    LLM <--> R["recherche — savoir"]
    LLM <--> T["outils — agir"]
    LLM <--> M["mémoire — retenir"]

Trois augmentations, chacune répondant à une faiblesse :

• La recherche — ramener les bons documents dans le contexte (voir RAG), pour que les réponses viennent de vos données.
• Les outils — laisser le modèle déclencher des actions via des appels d’outils : interroger une base, appeler une API, exécuter du code. MCP est la prise standard pour ça.
• La mémoire — conserver les faits utiles d’un tour ou d’une session à l’autre, au lieu de tout faire tenir dans la fenêtre de contexte.

Un exemple concret

Un assistant support qui aide vraiment :

Client : « Où est ma commande #4521 ? »
LLM → appel d'outil : get_order(4521)     # outils
LLM ← {statut: "expédiée", eta: "8 juil."}
LLM → recherche : politique de livraison   # recherche
LLM : « Elle est expédiée, arrivée le 8.
        Selon notre politique, vous pouvez… »

Sans augmentation, le modèle ne pourrait que deviner. Avec, chaque affirmation s’ancre dans une vraie consultation.

Quand l’utiliser

• Toujours. Ce n’est pas une option, c’est la fondation — tous les patterns qui suivent supposent un LLM augmenté.
• Commencez par la question : que doit voir (recherche), faire (outils) et retenir (mémoire) mon modèle pour cette tâche ? N’ajoutez que ça. Chaque schéma d’outil coûte des tokens d’entrée à chaque appel.

Le piège classique

Le suréquipement. Vingt outils « au cas où » encombrent le contexte et brouillent les choix du modèle. Le meilleur LLM augmenté a le moins d’outils possible pour couvrir la tâche — comme un bon consultant avec un téléphone, pas six.