Les systèmes de recherche documentaire (SRD) existants sont peu enclins à gérer l'interaction avec l'utilisateur de manière satisfaisante ainsi qu’à proposer différents types de recherche à celui-ci. La forme des connaissances qu'ils utilisent les rend également souvent inaptes à améliorer leur comportement au cours du temps, ainsi qu'à s'adapter à l'évolution ou à la diversification du contenu des bases documentaires, et enfin à fonctionner de manière distribuée. Nous montrons, à travers l'exemple de NOMAD, qu'il est possible de pallier une grande partie des défauts précédents en adoptant une approche systémique de la recherche documentaire et en dérivant un modèle de SRD dont les composants y sont adaptés. Le modèle NOMAD que nous décrivons ici est un modèle dont le fonctionnement est à la fois symbolique et connexionniste. Il utilise plus particulièrement des topographies neuronales multiples pour représenter et exploiter sa connaissance à long terme et un modèle de mémoire de session base sur la détection de nouveauté pour représenter et exploiter sa connaissance à court terme. Pratiquement, le modèle NOMAD garantit de nombreux modes d'interaction avec l'utilisateur, de multiples formes d'apprentissage à court et à long terme, ainsi que l'utilisation au cours de son raisonnement de connaissances acquises en mode non supervisé, contextuellement à la base utilisée. Il gère la notion de point de vue descriptif sur les documents et sur les connaissances, et se trouve notamment capable de s'auto-adapter à différents types de recherche et différents types d'utilisateurs de profils et de compétences variés. Ce modèle est opérationnel sur la plupart des fonds existants sans modification directe de leur indexation initiale