Recherche sémantique
La recherche sémantique est une approche de la recherche qui met en correspondance les résultats selon leur sens et leur intention, et pas seulement selon une correspondance exacte de mots-clés. Dans les systèmes modernes, elle est généralement mise en œuvre en représentant les requêtes et le contenu sous forme de plongements (des vecteurs numériques qui capturent les relations sémantiques), puis en récupérant les éléments dont les vecteurs sont les plus similaires. Ainsi, une requête telle que « meilleur vin pour les fruits de mer » peut correspondre à un contenu comme « bon avec le poisson », même lorsque les termes exacts diffèrent.
En bref : la recherche sémantique se concentre sur le sens, ce qui lui permet de renvoyer des résultats pertinents même lorsque les utilisateurs et les documents emploient une formulation différente.
Comment fonctionne la recherche sémantique
Une mise en œuvre courante transforme le sens en géométrie, où la similarité peut être mesurée :
- Encoder le contenu : chaque document ou passage est converti en plongement et stocké (généralement à l’avance), souvent dans une base de données vectorielle.
- Encoder la requête : au moment de la recherche, la requête est encodée avec la même famille de modèles.
- Comparer par similarité : le système trouve les vecteurs stockés les plus proches du vecteur de la requête (par exemple, avec la similarité cosinus) et calcule un score de récupération.
- Renvoyer les meilleures correspondances : les éléments ayant les scores les plus élevés sont renvoyés en tant que résultats les plus pertinents sémantiquement.
L’idée clé est que les éléments sémantiquement similaires ont tendance à être proches dans l’espace de représentation, si bien que la distance peut servir d’indicateur de pertinence.
Recherche sémantique, recherche par mots-clés et recherche hybride
- La recherche par mots-clés (lexicale) met en correspondance des termes littéraux et se révèle efficace pour les noms, les codes et les chaînes exactes rares, mais elle peut passer à côté des paraphrases et des synonymes. La recherche sémantique améliore le rappel pour les requêtes reformulées, même si elle peut sous-évaluer la correspondance littérale stricte.
- La recherche hybride combine des signaux lexicaux et sémantiques, en fusionnant généralement les deux ensembles de résultats. Par rapport à la recherche hybride, la recherche sémantique seule désigne la composante centrée sur le sens.
- La recherche vectorielle est un mécanisme de récupération courant pour la recherche sémantique (recherche du plus proche voisin parmi les plongements). En pratique, ces termes sont souvent utilisés de manière interchangeable, mais la « recherche sémantique » désigne l’objectif plus large : la pertinence par le sens.
Où est utilisée la recherche sémantique
- Recherche pour l’utilisateur final : des expériences de recherche grand public et de recherche sur un site qui gèrent mieux la formulation en langage naturel et l’intention.
- RAG et moteurs de réponse par IA : la récupération sémantique sélectionne les passages qui correspondent le mieux au sens d’une question, puis fournit ce contexte à un LLM.
- Recommandations et découverte : trouver des produits, des articles ou des éléments connexes par similarité sémantique plutôt que par le seul partage d’étiquettes.
- API de recherche web : une API de recherche peut exposer un classement sémantique ou neuronal afin que les développeurs puissent créer des couches de récupération sensibles au sens pour le RAG et les workflows d’IA associés, sans avoir à exploiter leur propre infrastructure de plongements et de vecteurs.
La recherche sémantique est particulièrement utile lorsque la formulation des utilisateurs et celle de la source diffèrent, ce qui est souvent le cas dans les requêtes en langage naturel.
Termes associés
Plongements, base de données vectorielle, recherche hybride, recherche par mots-clés, similarité cosinus, score de récupération, reclassement, génération augmentée par récupération (RAG), grand modèle de langage (LLM).