Fanar-Sadiq : Une architecture multi-agents pour un système de questions-réponses islamiques ancré
Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA
March 9, 2026
Auteurs: Ummar Abbas, Mourad Ouzzani, Mohamed Y. Eltabakh, Omar Sinan, Gagan Bhatia, Hamdy Mubarak, Majd Hawasly, Mohammed Qusay Hashim, Kareem Darwish, Firoj Alam
cs.AI
Résumé
Les grands modèles de langage (LLM) peuvent répondre couramment à des questions sur les connaissances religieuses, mais ils produisent souvent des hallucinations et attribuent incorrectement leurs sources, ce qui est particulièrement problématique dans des contextes islamiques où les utilisateurs attendent un ancrage dans les textes canoniques (Coran et Hadith) et des nuances juridiques (fiqh). La génération augmentée par la récupération (RAG) réduit certaines de ces limitations en ancrant la génération dans des preuves externes. Cependant, un simple pipeline unique de type « récupérer puis générer » est limité face à la diversité des questions islamiques. Les utilisateurs peuvent demander des citations scripturaires textuelles, des conseils de type fatwa avec des références, ou des calculs sous contraintes de règles comme le zakat et l'héritage, qui nécessitent des invariants arithmétiques et juridiques stricts. Dans ce travail, nous présentons un assistant islamique bilingue (arabe/anglais) multi-agents, appelé Fanar-Sadiq, qui est un composant central de la plateforme Fanar AI. Fanar-Sadiq achemine les questions liées à l'islam vers des modules spécialisés au sein d'une architecture agentique utilisant des outils. Le système prend en charge le routage selon l'intention, des réponses en fiqh ancrées dans la récupération avec une normalisation déterministe des citations et des traces de vérification, une recherche exacte de versets avec validation des citations, et des calculateurs déterministes pour le zakat et l'héritage sunnites avec une branchement sensible au madhhab. Nous évaluons le système complet de bout en bout sur des benchmarks publics de questions-réponses islamiques et démontrons son efficacité et son efficience. Notre système est actuellement accessible publiquement et gratuitement via une API et une application Web, et a été sollicité environ 1,9 million de fois en moins d'un an.
English
Large language models (LLMs) can answer religious knowledge queries fluently, yet they often hallucinate and misattribute sources, which is especially consequential in Islamic settings where users expect grounding in canonical texts (Qur'an and Hadith) and jurisprudential (fiqh) nuance. Retrieval-augmented generation (RAG) reduces some of these limitations by grounding generation in external evidence. However, a single ``retrieve-then-generate'' pipeline is limited to deal with the diversity of Islamic queries. Users may request verbatim scripture, fatwa-style guidance with citations or rule-constrained computations such as zakat and inheritance that require strict arithmetic and legal invariants. In this work, we present a bilingual (Arabic/English) multi-agent Islamic assistant, called Fanar-Sadiq, which is a core component of the Fanar AI platform. Fanar-Sadiq routes Islamic-related queries to specialized modules within an agentic, tool-using architecture. The system supports intent-aware routing, retrieval-grounded fiqh answers with deterministic citation normalization and verification traces, exact verse lookup with quotation validation, and deterministic calculators for Sunni zakat and inheritance with madhhab-sensitive branching. We evaluate the complete end-to-end system on public Islamic QA benchmarks and demonstrate effectiveness and efficiency. Our system is currently publicly and freely accessible through API and a Web application, and has been accessed approx1.9M times in less than a year.